Grunnleggende konsepter
대형 언어 및 비전 모델의 주요 한계인 창의적 문제 해결을 해결하기 위해 계산적 창의성 원리를 적용하는 방법을 모색한다.
Sammendrag
이 논문에서는 대형 언어 및 비전 모델(LLVM)의 창의적 문제 해결 능력을 향상시키기 위해 계산적 창의성(CC) 접근법을 통합하는 방법을 논의한다.
-
LLVM의 과제 계획에서 CC 원리 적용:
- 탐색적 창의성: LLVM 출력 공간 탐색을 넘어 모델 임베딩 공간 직접 탐색
- 조합적 창의성: 모델 내부에서 개념 조합을 통한 새로운 아이디어 생성
- 변형적 창의성: 문제 재정의를 통한 창의적 문제 해결 촉진
-
실험:
- 객체 대체 문제에 대한 변형적 창의성 적용
- 객체 특성 정보를 활용한 프롬프트 개선으로 모델 성능 향상
-
향후 과제:
- 다양한 모달리티 활용을 통한 창의적 문제 해결 능력 향상
- 계산적 창의성 관점에서 인공 일반 지능(AGI)과의 연관성 탐구
이 논문은 계산적 창의성 원리를 LLVM에 통합하여 창의적 문제 해결 능력을 향상시킬 수 있는 방향을 제시한다.
Statistikk
기존 모델들은 창의적 문제 해결에 있어 90% 이상의 정확도를 보이지만, 창의적 대체 문제에서는 30% 수준의 정확도에 그침.
객체 특성 정보를 프롬프트에 추가하면 모델 성능이 향상됨.
Sitater
"창의성은 '... 자신의 마음속에 이미 존재하는 선행 영역 공간에 비추어 볼 때 이전에는 가질 수 없었던 아이디어를 내는 능력이다.'"
"지능은 불충분한 지식과 자원으로 환경에 적응하고 작업할 수 있는 능력이다."