Tree-of-Text: 스포츠 도메인의 표로부터 텍스트 생성을 위한 트리 기반 프롬프팅 프레임워크
요약
Tree-of-Text는 구조화된 스포츠 경기 표 데이터를 바탕으로 일관되고 서사적인 텍스트 리포트를 생성하기 위해 설계된 트리 기반 프롬프팅 프레임워크입니다. 이 프레임워크는 콘텐츠 계획, 연산 실행(표 분해), 그리고 최종 콘텐츠 생성을 거치는 세 단계의 구조화된 과정을 통해 표 이해력과 텍스트 생성 능력을 결합합니다. 실험 결과, Tree-of-Text는 기존 방법론 대비 높은 성능과 효율성을 입증하며, 특히 복잡한 도메인에서의 표-to-텍스트 작업에 효과적인 대안을 제시했습니다.
핵심 포인트
- Tree-of-Text는 구조화된 표(예: 스포츠 경기 데이터)를 기반으로 텍스트 리포트를 생성하는 프롬프팅 프레임워크입니다.
- 이 방법론은 콘텐츠 계획, 연산 실행(표 분해), 콘텐츠 생성을 포함하는 세 단계의 체계적인 과정을 거칩니다.
- 기존 LLM 방식의 표 이해력 부족 및 환각 문제를 해결하며, 데이터 해석과 서사적 생성 능력을 동시에 확보합니다.
- 실험적으로 ShuttleSet+, RotoWire-FG, MLB 등 다양한 스포츠 도메인에서 기존 방법론 대비 우수한 성능과 효율성을 입증했습니다.
구조화된 표로부터 스포츠 경기 리포트를 생성하는 것은 정밀한 데이터 해석과 유창한 서사적 생성이 모두 요구되는 복잡한 표-to-텍스트 작업입니다. 기존의 모델 기반 접근법은 대규모 주석付き 데이터셋을 필요로 하는 반면, 대형 언어 모델 (LLMs) 을 사용하는 프롬프팅 기반 방법은 표 이해력이 약해 환각 (hallucination) 에 취약합니다. 이러한 과제를 극복하기 위해 우리는 LLM 이 세 단계의 생성 과정을 안내하는 트리 구조형 프롬프팅 프레임워크인 Tree-of-Text 를 제안합니다: (1) 콘텐츠 계획 (Content Planning), 입력 표에서 관련 연산과 인수를 선택하는 단계; (2) 연산 실행 (Operation Execution), 대규모 표를 관리 가능한 하위 표로 분해하는 단계; 그리고 (3) 콘텐츠 생성 (Content Generation), 짧은 텍스트 출력을 통합하고 재작성하여 일관된 리포트로 만드는 단계입니다. 실험 결과, 우리의 방법은 ShuttleSet+ 에서 기존 방법들을 능가하며, RotoWire-FG 에서 RG 와 CO 지표에서 1 위를 차지했고, MLB 에서는 Chain-of-Table 의 시간과 비용의 약 40% 로 CS 와 CO 에서 뛰어난 성과를 보였습니다. 이러한 결과는 Tree-of-Text 의 효과성과 효율성을 입증하며, 스포츠 도메인의 프롬프팅 기반 표-to-텍스트 생성에 대한 유망한 방향을 제시합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기