Core Concepts
대형 언어 모델의 순위 리스트 생성 시 발생하는 위치 편향을 해결하기 위해 순열 자기 일관성 기법을 제안한다.
Abstract
이 논문은 대형 언어 모델(LLM)의 순위 리스트 생성 시 발생하는 위치 편향 문제를 해결하기 위한 방법을 제안한다.
먼저, 입력 리스트를 무작위로 섞어 LLM에 입력하여 다양한 순위 리스트를 생성한다. 그 다음 이 순위 리스트들을 Kendall tau 거리 기반으로 집계하여 중심 순위 리스트를 도출한다. 이를 통해 개별 순위 리스트의 위치 편향을 제거할 수 있다.
이론적으로는 무작위 노이즈 하에서도 제안 방법이 일관성 있는 순위 리스트를 도출할 수 있음을 증명한다. 실험적으로는 수학 정렬, 단어 정렬, 문장 정렬, 문서 순위화 등의 다양한 과제에서 기존 방법 대비 최대 52%의 성능 향상을 보인다. 또한 위치 편향 분석을 통해 LLM의 편향 특성을 확인한다.
Stats
제안 방법은 기존 방법 대비 수학 정렬에서 최대 52%, 단어 정렬에서 최대 74%, 문장 정렬에서 최대 65% 성능 향상을 보였다.
문서 순위화 과제에서는 기존 최고 성능 대비 최대 3.79점 향상된 결과를 달성했다.
Quotes
"LLM은 문맥을 사용할 때 위치 편향을 보이며, 이는 특히 순위 리스트 생성에 영향을 미친다."
"제안 방법은 LLM의 순위 리스트 생성 품질, 일관성, 위치 독립성을 향상시킨다."
"제안 방법은 무작위 노이즈 하에서도 일관성 있는 순위 리스트를 도출할 수 있음을 이론적으로 증명한다."