본 논문은 대규모 언어 모델의 언어 습득 과정에서 상호작용적 피드백의 효과를 실험적으로 분석합니다. 인간의 언어 학습이 사회적 상호작용, 특히 보호자의 시범과 피드백에 크게 의존하는 것과 달리, 기존의 대규모 언어 모델 학습은 비상호작용적 방식을 채택해 왔습니다. 이에 연구진은 '시도-시범(TnD)' 학습 프레임워크를 제시하여, 학습 모델의 시도, 교사의 시범, 그리고 다양한 발달 단계에서의 언어 능력에 따른 보상을 통합했습니다. 실험 결과, TnD 접근 방식이 매개변수 수가 같거나 적은 학습 모델에서 단어 습득 속도를 높이는 것으로 나타났으며, 시도와 시범 모두의 중요성을 강조했습니다. 또한 교사의 단어 선택이 학습 효율에 영향을 미치고, 시도 빈도와 학습 곡선 간의 강한 상관관계를 통해 '숙능생숙' 효과를 확인했습니다. 결론적으로, 교사의 시범과 능동적인 시도를 포함하는 상호작용적 언어 학습이 언어 모델의 효율적인 단어 습득을 촉진할 수 있음을 시사합니다.
