์ง์ง ์ ์ค๋ช
ํด๋๊ธธ๋ ํผ์๋ง ๋ณผ ์๊ฐ ์์์ด
๋์ ํน์ฑ์ ์์นด ๋งํฌ ์ฒจ๋ถ๊ฐ ๋ถ๊ฐ๋ฅํด ์บก์ณ๋ก ์
๋ก๋ํจ
์ ์์ฑ์ ํธํํ
์ ๋
ผ๋ฌธ [2304.15004] Are Emergent Abilities of Large Language Models a Mirage?
https://arxiv.org/abs/2304.15004
๊ผญ ์ด๊ฒ ์ง๋ฆฌ๋ค! ๊ฐ ์๋๋ผ ๊ทธ๋ฅ ๋ ผ๋ฌธ ํ๋์ ์๊ฒฌ์ผ๋ก ๋ฐ์๋ค์ฌ์ฃผ์ญ์ฌ
์ฐฝ๋ฐ์ด๋ ๋จ์ด๊ฐ "๋ชฐ๋ผ"๋ฅผ ํฌ์ฅํ๋ ๋จ์ด๊ธฐ๋ ํด์ ์๊ธ์ ๋จ
์์ฆ์ ์ด๊ธฐ LLM ๊ทธ๋๋ก ์ฐ๋ ํ์ฌ ์์๋ฏ
๊ทธ๋ฅ ์ ํ์ ์ผ๋ก ์ฆ๊ฐํ๋๋ฐ ์ธก์ ์ ๋ชปํด์ ์ฐฝ๋ฐ์ฒ๋ผ ๋ํ๋๋ค๋ ๊ฑด๊ฐ์?
๋น
์ค๋ช ์ ์ข์๋ฐ ์ถ๋ก ํจ๋ฌ๋ค์๋ ๋์ค๊ธฐ๋ ์ ๋ ผ๋ฌธ์ด ๋ ํผ๋ฐ์ค๋ผ ใ ใ LLM ์์ ๋ฒ ์ด์ค๊ฐ ์ด๋ฐ์์ผ๋ก ํด์๋๋ค๋๊ฒ๋ง ์ธ์งํ๋ฉด ์ข์๋ฏ
์ถ๋ก ๋ชจ๋ธ์ด ์ด ์ค๋ช ๋๊ฐ๋ฆฌ ๊นธ ์ถ๋ก ์ ์ผ์ข ์ โ๊ฒ์โ์ด๋ผ๊ณ ๋ณผ ์ ์๋ ๋ฐ ๊ทธ๊ฑธ๋ก stem์์ ์ ๊ฒ ๋ฐ์ฏค ๊นจ์ง๋ค๊ณ ๋ณด๋ฉด ๋จ ๋๋จธ์ง ๋ฐ์ ood์ธ๋ฐ ์ด๊ฑด ์ง์ํ์ต๊ณผ ์๋๋ชจ๋ธ ใ ใ
ํด๋น ๋๊ธ์ ์ญ์ ๋์์ต๋๋ค.
๊ฐ์ฅ ์์ชฝ์ 'ํ ์๊ฐ์ ๋ํ๋๋ ์ฐฝ๋ฐ์ ์ธ ๊ฒ์ด ์๋๋ผ ์ค์ ๋ก๋ ์ ํ์ ์ด๊ณ , ์ธก์ ์ ์ํด ์๊ฒจ๋ ๊ฒฐ๊ณผ'๋ผ๋ ๋ง์ ์ง๊ธ๋ ์ ์ฉ๋ผ
@๊ท๊ฐ์๋๋ก๋ด์๋ ธ๋ ๊ทน๋จ์ ์ธ ์๋ฏธ์์ ์ฐฝ๋ฐ์ด ์๋ค๋ ๊ฑฐ์ง ๊ทธ๋ฅ ์ฐฝ๋ฐ์ด ์๋ค๋ ๋ด์ฉ์ด ์๋๋ค ์ ๋ชฉ์ด๋ ๋ด์ฉ์ด ๋๋ฌด ๋ฌ๋ผ ์ ํ, ๋น์ ํ๋ ์ธก์ ๋๊ตฌ์ ๋ฌธ์ ์ง AI ๊ธฐ์ ์์ฒด์ ์ ํ, ๋น์ ํ์ ๋งํ๋ ๊ฒ๋ ์๋๋ค
@ใ ใ ใ ใ ๋ณธ๋ฌธ์ ๋์์์๋
๋ญ๊ฐ ํ๋๋ ์ ๋ฅด์ฟค์ด 4-5๋ ์ ๋ถํฐ Energy ๋ชจ๋ธ๋ง ์ด๋ก ํ์ฐธ ๋ฐ๋ฉด์ Autoregressive ๋ชจ๋ธ ์ ๋ ํ๊ฐ ๋ชป์์ค๋ค๋ผ๊ณ ๊น ๋ ํ๋ ์ค๋ช ๊ทธ๋๋ก๋ค. ๊ทธ๋ฆฌ๊ณ ๋ด๊ฐ ์๊ธฐ๋ก๋ '์ฐฝ๋ฐ'์ ๋ค๋ฅธ task์ few-shot์ผ๋ก ์ข์์ง๋ ๊ฒฝ์ฐ๋ก ์ (์, ใ ใด๋ณต์กํ ๋ฌผ๋ฆฌ ๊ณต๋ถํ๊ฒ ํ๋๋ ์ด์ํ ์ฒ ํ์ด๋ ๋ ผ๋ฆฌํ ๋ฌธ์ ๋ ๋ฐ์ดํฐ์ ์ ๊ฒ ๋์ ธ์ค๋ ์ ํ, ๋๋ ๋ค๊ตญ์ด ๋ฅ๋ ฅ ํฅ์). ์ผ๋ฐ์ ์ธ ๋ชจ๋ธ ์์ฒด๋ ๊ณ์ ๋น๋ก์ ์ผ๋ก ์์นํด์๊ณ . ์์ฆ์ ์ ๋ ๊ฒ 1D์ ๋๊ณ regressionํด์ ๋ณด๊ฐํ๋ ๋ชจ๋ธ์ด๋ค๋ผ๋ ์ค๋ช ์์ฒด๊ฐ ๋ง์ด ํ๊ธฐ๋จ. ์๋ฒ ๋ฉ ์ฐจ์ ์์ฒด๊ฐ ์๋ ์ปค์ ๊ทธ ์ฌ์ด๋ฅผ ๋ณด๊ฐํด์ ๊ฟฐ์ด๋ง์ถ๋ค๋ ๊ฐ๋ ์์ฒด๊ฐ ์๋๋ผ ์ธ์ฝ์ ๊ฐ๊น๋ค๊ณ . ํ์ค์์๋ ์กฐ๊ธ ์ธ๋ชจ์๋ ์ํ์ ๋ง์ฅ๋์ด์ง๋ง ์ด๊ฑด ๋ฅด์ฟค๋ ์ธ์ ํ๋๊ฑฐ์.
Learning in High Dimension Always Amounts to Extrapolation
https://arxiv.org/abs/2110.09485