대규모 언어 모델(LLM)은 종종 출력에 대한 의미 있는 신뢰도 추정이 부족합니다. 기본 LLM은 다음 토큰의 보정에는 알려져 있지만, 실제 응답의 의미에 대한 신뢰도를 평가할 수 있는지는 불확실합니다. 최근 연구에 따르면, 특정 샘플링 기반의 의미적 보정을 적용했을 때, 기본 LLM은 놀랍도록 잘 보정된 것으로 나타났습니다. 이 모델들은 개방형 질문-응답 작업에서 신뢰도를 의미 있게 평가할 수 있으며, 이는 명시적으로 훈련되지 않았음에도 불구하고 가능합니다. 이 연구의 주요 이론적 기여는 의미적 보정이 이루어지는 메커니즘을 설명합니다.

<Apple 뉴스 본문 전체읽기>