다국어 대규모 언어 모델(mLLMs)에서 언어 간 정렬된 표현은 교차언어 작업의 성능을 향상시킬 수 있습니다. 보통 정렬은 모델을 세밀하게 조정하는 것을 필요로 하는데, 이는 계산적으로 비싸며 종종 충분한 언어 데이터가 없을 수 있습니다. 모델 개입은 세부 조정에 대안이 될 수 있습니다. 모델 개입은 모델 활성화를 조작하여 세대를 원하는 방향으로 이끄는 방법입니다. 우리는 인기있는 개입 방법 중 하나인 전문가 찾기가 교차언어 표현의 정렬에 미치는 영향을 분석했습니다. 전문가를 찾는 것은 효과적인 방법으로, 교차언어 표현을 개선하고 이를 통해 다양한 임베딩 공간으로 조향할 수 있습니다.

<Apple 뉴스 본문 전체읽기>