이 논문은 대화 내 예시 선택 방법인 ByCS(Bayesian in-Context example Selection)를 제안한다. ByCS는 베이즈 정리를 기반으로 하여 대화 내 예시와 테스트 입력 간의 상호 정보 상호작용을 활용한다.
먼저 테스트 입력에 대한 초기 추론을 수행하여 예측된 레이블을 얻는다. 그 다음 데이터스토어의 각 예시에 대해 역추론을 수행하여 예측된 레이블과 실제 레이블 간의 텍스트 유사도를 계산한다. 텍스트 유사도가 높은 예시들이 테스트 입력과 높은 상호 정보 상호작용을 가지므로 이를 최적의 예시로 선택한다.
다양한 음성, 텍스트 및 시각 모달리티 실험을 통해 ByCS 방법의 효과와 강건성을 검증하였다. 특히 적은 수의 예시를 사용할 때 ByCS가 기존 방법들에 비해 큰 성능 향상을 보였다. 또한 역추론 모델로 작은 모델을 사용하여 계산 비용을 줄이는 방법도 제안하였다.
To Another Language
from source content
arxiv.org
Djupare frågor