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.

Inside you are many wolves: Using cognitive models to interpret value trade-offs in LLMs

Created by
  • Haebom

저자

Sonia K. Murthy, Rosie Zhao, Jennifer Hu, Sham Kakade, Markus Wulfmeier, Peng Qian, Tomer Ullman

개요

본 논문은 대규모 언어 모델(LLM)이 일상적인 사회적 상황에서 상충하는 목표(예: 냉정한 진실 전달, 신뢰 유지, 상대방의 감정 배려) 사이의 가치 저울질을 어떻게 다루는지 조사합니다. 인지과학의 '인지 모델'을 활용하여, LLM이 인간과 유사한 가치 저울질을 나타내는 정도를 평가합니다. 최첨단 블랙박스 모델의 추론 "노력" 정도와 오픈소스 모델의 강화학습 사후 훈련 역학이라는 두 가지 설정에서 가치 저울질을 체계적으로 평가합니다. 결과적으로, 추론 모델에서는 사회적 효용보다 정보적 효용이 더 높게 나타났으며, 수학적 추론 능력이 더 뛰어난 오픈소스 모델에서도 이러한 경향이 확인되었습니다. LLM의 훈련 역학 분석을 통해 초기 훈련 단계에서 효용 값의 큰 변화와 기본 모델 및 사전 훈련 데이터 선택의 지속적인 영향을 발견하였습니다. 본 연구는 다양한 측면에서 LLM의 발전 양상을 반영하며, 다른 고차원적 행동에 대한 가설 형성, 추론 모델 훈련 체계 설계, 모델 훈련 중 가치 간의 저울질 제어 개선에 대한 통찰력을 제공합니다.

시사점, 한계점

시사점:
LLM의 가치 저울질 메커니즘에 대한 이해를 심화시키고, 인간과의 차이점을 밝힘.
LLM의 추론 능력과 사회적 능력 간의 상관관계 분석을 통해 모델 개발 방향 제시.
LLM 훈련 초기 단계의 가치 변화 패턴을 파악하여 효율적인 훈련 전략 수립 가능성 제시.
다양한 LLM 아키텍처와 훈련 방법에 대한 일반화 가능성을 시사.
한계점:
특정 인지 모델에 의존하여 LLM의 가치 저울질을 해석하는 방식의 한계 존재.
분석에 사용된 LLM의 종류와 규모에 대한 제한으로 일반화의 어려움.
LLM의 가치 저울질이 인간과 얼마나 유사한지를 정량적으로 측정하는 데 어려움.
사회적 상황의 복잡성을 완벽하게 반영하지 못할 가능성.
👍