REAR：一種用於開放域問答的、具有相關性感知的檢索增強框架
為了增強大型語言模型在問答任務中準確利用外部知識的能力，本文提出了一種名為 REAR 的新型框架，它通過相關性評估模組和針對性訓練策略，有效地識別和利用相關文件，從而提高問答的準確性和可靠性。
REAR: 오픈 도메인 질문 답변을 위한 관련성 인식 검색 증강 프레임워크
REAR는 검색된 문서의 관련성을 정확하게 평가하고, 관련성 신호를 활용하여 노이즈가 있는 문서의 영향을 줄여 질문 답변 성능을 향상시키는 프레임워크입니다.
オープン領域質問応答のための関連性認識型検索拡張フレームワークREAR
大規模言語モデル (LLM) を用いた質問応答システムにおいて、検索された文書の関連性をLLMが正確に評価できるようにすることで、外部知識の活用を最適化し、より正確な回答生成を可能にする。
在 155 年的德國議會辯論中，針對女性和移民的團結之細粒度檢測
透過運用大型語言模型（LLM），特別是 GPT-4，可以有效且經濟地分析 155 年來德國議會辯論中針對女性和移民的團結表現，揭示出隨著時間推移，團結形式從基於群體的觀念轉變為基於同情和交換的觀念。
155년간의 독일 의회 토론에서 나타난 여성과 이민자에 대한 연대에 대한 세분화된 분석 및 대규모 언어 모델 평가
본 논문에서는 대규모 언어 모델(LLM)을 활용하여 155년간의 독일 의회 토론에서 나타난 여성과 이민자에 대한 연대의 변화를 분석하고, 특히 GPT-4가 인간의 주석 품질에 근접하는 성능을 보여주며 자동화된 사회과학 연구에 유용한 도구가 될 수 있음을 시사합니다.
ドイツ議会における女性と移民への連帯に関する155年間の精密分析
GPT-4を用いたドイツ議会における155年間の議論分析により、移民への連帯は反連帯を上回るものの、その表明形式は時代とともに変化し、近年では感情的な論調が増加傾向にあることが明らかになった。
Using Large Language Models to Analyze 155 Years of German Parliamentary Debates for Solidarity Towards Women and Migrants
Large language models, particularly GPT-4, can be effectively used to analyze shifts in solidarity towards specific groups in large text datasets, revealing how socio-political factors shape public discourse over time.
"엉뚱한" 질문을 통해 대규모 언어 모델을 개선할 수 있지만, 그 효과는 미미하다
엉뚱한 질문으로 구성된 데이터셋을 활용한 대규모 언어 모델 미세 조정은 특정 과제에서는 성능 향상을 보이지만, 전반적인 성능 개선 효과는 미미하며, 오히려 특정 과제에서는 성능 저하를 초래할 수 있다.
Exploring How "Silly" Questions Impact Large Language Model Fine-Tuning: A Comprehensive Analysis
While incorporating "silly" questions, inspired by the Ruozhiba dataset, into large language model fine-tuning datasets can lead to slight performance improvements in specific subjects and tasks, it does not yield significant overall gains on datasets like MMLU.
新聞訪談：一個用於評估大型語言模型在資訊訪談中「落地差距」的資料集和測試平台
大型語言模型 (LLM) 在進行資訊訪談時，缺乏人類記者表現出的落地溝通和策略性對話能力，尤其在使用確認語句、提出高層次問題和進行有效說服方面存在顯著差距。
