데이터 선택 방법은 대상을 가지고 있으며, 이를 명시적으로 최적화할 때 어떤 일이 벌어지는지를 탐구하기 위해 벤치마크 대상 순위(BETR) 방법을 제안하고 있다. 이 방법은 벤치마크 학습 예제와 유사성에 기반한 사전 학습 문서를 선택하는 간단한 방법으로, 모델의 성능을 향상시킬 수 있다. 연구자들이 선택 전략을 개발하고 모델을 훈련시키며 벤치마크 성능을 측정한 다음 이를 개선하는 것이 일반적이다. 이 과정에서 명시적 최적화를 수행하면 어떤 일이 벌어질까? BETR은 이러한 의문을 탐구하고자 하는 방법이다. 벤치마크 예제와 일치하는 사전 학습 문서를 선택하면 모델의 성능이 향상될 수 있다는 것을 실험을 통해 입증하고 있다.

<Apple 뉴스 본문 전체읽기>