요약

본 기사는 언어 생성 모델의 성능 평가 지표를 개선하기 위해 기존의 '마지막 오류 시점' 대신 '오류 경계 생성(mistake-bounded generation)'이라는 새로운 개념을 제안합니다. 이 접근 방식은 단순히 최종 결과의 일관성보다는, 생성 과정 전반에 걸쳐 발생하는 누적되는 유효하지 않은 요소(invalid elements)의 총 개수를 최소화하는 데 초점을 맞춥니다. 이를 통해 모델 학습 목표를 재정립하고, '정확한 시연으로부터 학습' 프레임워크와 연결하여 이론적인 기반을 마련합니다.

핵심 포인트

• 전통적인 언어 생성 평가 지표인 '마지막 오류 시점(time-of-last-mistake)'의 한계를 극복하고자 합니다.
• 새로운 목표는 생성 과정 중 발생하는 유효하지 않은 요소(invalid elements)의 총 개수를 최소화하는 것입니다.
• 이 접근 방식은 최종 결과의 일관성뿐만 아니라, 학습 과정에서의 누적 오류를 중요하게 다룹니다.
• '정확한 시연으로부터 학습' 프레임워크와 연결하여 이론적인 축소(formal reduction)를 확립합니다.