능동 학습 (Active learning)을 통해 LLM 재순위화 (reranking) 비용을 절반으로 절감
요약
능동 학습(Active Learning)을 활용하여 LLM 재순위화(reranking) 비용을 50% 절감하는 프레임워크를 소개합니다. 노이즈에 강한 구조를 통해 순위 품질을 유지하면서도 양방향 쿼리 비용을 효과적으로 제거합니다.
핵심 포인트
- 능동 학습을 통한 LLM 재순위화 비용 50% 절감
- 노이즈에 강한(noise-robust) 프레임워크 도입
- 무작위 방향 오라클을 통한 양방향 쿼리 비용 제거
- 쌍별 순위 지정 프롬프팅의 효율적 재정의
능동 학습 (Active learning)이 LLM 재순위화 (reranking) 비용을 절반으로 줄입니다.
노이즈에 강한 (noise-robust) 프레임워크는 쌍별 순위 지정 프롬프팅 (pairwise ranking prompting)을 노이즈가 있는 비교로부터의 능동 학습 (active learning)으로 재정의하며, 순위 품질을 유지하면서 양방향 쿼리 비용을 제거하는 무작위 방향 오라클 (randomized-direction oracle)을 도입합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 X @huggingpapers (검증됨)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기0