Core Concepts
대규모 언어 모델(LLM)에 수신자 행동 토큰을 포함하여 콘텐츠와 행동을 동시에 모델링하고 최적화할 수 있다.
Abstract
이 논문은 Shannon과 Weaver가 제안한 의사소통의 세 가지 수준(기술, 의미, 효과)에 주목한다. 기술 수준은 전송된 기호의 정확한 재구성을 다루며, 의미 수준은 추론된 의미를, 효과 수준은 수신자에 대한 영향을 다룬다.
대규모 언어 모델(LLM)은 의미 수준에서 상당한 진전을 이루었지만, 효과 수준은 여전히 해결되지 않은 상태이다. 이 논문에서는 LLM의 학습 말뭉치에 수신자 행동 토큰(공유, 좋아요, 클릭, 구매, 리트윗 등)을 포함하여 콘텐츠와 행동을 동시에 모델링하고 최적화하는 대규모 콘텐츠 및 행동 모델(LCBM)을 소개한다. LCBM은 콘텐츠 이해, 행동 이해, 콘텐츠 시뮬레이션, 행동 시뮬레이션 및 행동 도메인 적응 등의 다양한 기능을 보여준다. 또한 이를 위해 새로운 콘텐츠 행동 말뭉치(CBC)를 공개한다.
Stats
이 비디오는 중국에서 경찰을 피해 23층 창문에서 매달려 있는 강도를 보여준다.
이 비디오는 Porsche 718 Spyder를 소개하는 광고 영상이다.
Quotes
"Nobody in the right mind robs a local shop.. To then hang out a window. I wonder what he is going through."
"Kinda feel sorry for him when he cried, he must have been in a bad situation to do what he did but it does not justify his actions."
"Aw, i felt his desperation. sorry young man but you did wrong. :("