
LLM 생성 합성 데이터를 활용하여 온라인 정치 토론에 대한 입장 탐지 모델의 성능을 향상시킬 수 있다. 합성 데이터를 통한 데이터 증강과 능동 학습 기법을 통해 라벨링 노력을 줄이면서도 우수한 성능을 달성할 수 있다.


coremsg

온라인-정치-토론에서-llm-생성-합성-데이터를-활용한-능동-학습을-통한-입장-탐지


온라인 정치 토론에서 LLM 생성 합성 데이터를 활용한 능동 학습을 통한 입장 탐지



대규모 언어 모델의 에세이 채점 능력을 향상시키기 위해 다중 특성 전문화 기법을 제안하였다. 이를 통해 언어 모델이 에세이의 다양한 측면을 종합적으로 평가할 수 있게 하였다.



대규모 언어 모델을 활용한 다중 특성 전문화를 통한 에세이 채점 제로샷 기법



본 연구는 수학 문제 해결 능력을 향상시키기 위해 다양한 데이터 증강 기법을 제안하고 평가한다. 특히 문맥 학습 기반 데이터 증강 방법을 통해 기존 데이터를 확장하여 모델의 성능을 개선한다.



수학 문제 해결을 위한 문맥 학습 기반 데이터 증강 및 비교 평가
