본 논문은 사전 훈련된 언어 모델(PLM)의 인코더와 디코더 간 표현 불일치 문제를 해결하기 위해, 잠재 공간에서 PLM의 표현을 보정하는 새로운 방법인 RepCali를 제안합니다. RepCali는 인코더 뒤 잠재 공간에 보정 블록을 추가하여 보정된 출력을 디코더 입력으로 사용하는 방식입니다. 모든 인코더-디코더 구조의 PLM에 적용 가능하며, 플러그 앤 플레이 방식으로 구현이 용이합니다. 8가지 영어 및 중국어 데이터셋을 포함한 25개의 PLM 기반 모델에 대한 광범위한 실험 결과, RepCali는 PLM(LLM 포함) 성능을 향상시키고 하위 작업의 성능을 크게 개선하는 것으로 나타났습니다. 4가지 벤치마크 작업에 대한 비교 실험에서도 기존의 미세 조정 기법보다 우수한 성능을 보였습니다.
