Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

What External Knowledge is Preferred by LLMs? Characterizing and Exploring Chain of Evidence in Imperfect Context for Multi-Hop QA

Created by
  • Haebom

저자

Zhiyuan Chang, Mingyang Li, Xiaojun Jia, Junjie Wang, Yuekai Huang, Qing Wang, Yihao Huang, Yang Liu

개요

본 논문은 LLM의 오래된 지식과 환각 문제 해결을 위해 외부 지식을 활용하는 방안을 연구합니다. 하지만 외부 지식은 불완전하고 부정확한 정보를 포함할 수 있으므로, 유용한 지식의 활용을 저해합니다. 따라서 본 논문은 LLM이 선호하는 외부 지식의 특징을 규명하고 불완전한 환경에서 실험적 연구를 수행합니다. 연구는 '증거의 사슬(CoE)' 개념에서 영감을 얻어, LLM이 선호하는 지식은 질문과 관련성이 높고, 서로 지지하는 여러 조각으로 구성되어야 함을 제시합니다. CoE 기반의 접근 방식을 제안하고, CoE와 비 CoE 샘플 간의 유의성, 기만성, 강건성을 비교 분석하여 LLM이 CoE 특징과 일치하는 외부 지식을 선호함을 밝힙니다. RAG 기반 다단계 질의응답, 외부 지식 오염, 오염 방어 등 세 가지 대표적인 과제에 대해 기존 최고 성능 또는 일반적인 기준 모델과 비교 분석하여 CoE 특징을 통합한 변형 모델이 성능 향상을 달성함을 보여줍니다.

시사점, 한계점

시사점:
LLM이 선호하는 외부 지식의 특징(질문과의 관련성, 서로 지지하는 정보)을 '증거의 사슬(CoE)' 개념으로 규명.
CoE 기반 접근 방식을 통해 LLM의 성능 향상 가능성 제시.
RAG 기반 다단계 질의응답, 외부 지식 오염 및 방어 등 다양한 과제에서 CoE 활용의 효과 입증.
한계점:
CoE의 정의 및 측정 방식에 대한 추가적인 연구 필요.
다양한 LLM 및 외부 지식 소스에 대한 일반화 가능성 검증 필요.
실제 응용 환경에서의 CoE 기반 접근 방식의 효율성 및 확장성 평가 필요.
👍