Core Concepts
기계 언학습은 개인정보 보호 규정 준수와 모델 성능 유지를 위해 필요한 기술이며, 전통적인 모델과 대규모 언어 모델에 대한 다양한 언학습 기법이 소개되고 있다.
Abstract
이 논문은 기계 언학습에 대한 포괄적인 개요를 제공한다. 먼저 기계 언학습의 정의와 동기를 설명하고, 전통적인 모델과 대규모 언어 모델에 대한 언학습 기법을 분류하여 설명한다.
전통적인 모델에 대한 언학습 기법은 크게 데이터 기반 방식과 모델 기반 방식으로 나뉜다. 데이터 기반 방식에는 데이터 영향/오염, 데이터 분할, 데이터 증강 등이 있다. 모델 기반 방식에는 모델 이동, 모델 가지치기, 모델 교체 등이 있다.
대규모 언어 모델에 대한 언학습 기법은 매개변수 조정 방식과 매개변수 무관 방식으로 나뉜다. 매개변수 조정 방식에는 매개변수 최적화와 매개변수 병합이 있다. 매개변수 무관 방식에는 문맥 기반 언학습이 있다.
각 언학습 기법의 장단점과 평가 기준이 소개되며, 향후 과제와 연구 방향도 제시된다.
Stats
"기계 언학습은 개인정보 보호 규정 준수와 모델 성능 유지를 위해 필요한 기술이다."
"전통적인 모델에 대한 언학습 기법은 데이터 기반 방식과 모델 기반 방식으로 나뉜다."
"대규모 언어 모델에 대한 언학습 기법은 매개변수 조정 방식과 매개변수 무관 방식으로 나뉜다."
Quotes
"기계 언학습은 개인정보 보호 규정 준수와 모델 성능 유지를 위해 필요한 기술이다."
"전통적인 모델에 대한 언학습 기법은 데이터 기반 방식과 모델 기반 방식으로 나뉜다."
"대규모 언어 모델에 대한 언학습 기법은 매개변수 조정 방식과 매개변수 무관 방식으로 나뉜다."