장기 시각의 검색-agent에서 실패를 감사하고 책임지기 위한 SearchAuditor
대규모 언어 모델(LLM) 검열 장치가 장기적인 웹 상호작용을 통해 어려운 질문에 대해 대응하는 것은 복잡하고 취약한 과정이지만, 작은 추론 오류가 장기적인 노이즈 트레이저지로 퍼져서 유창하지만 오류 있는 대답으로 이어질 수 있다. 이러한 실패를 진단하는 것은 어렵고, 인간이 수집할 수 있는 매우 긴 실행 추적을 수동으로 검토해야 하는데, 이는 인간의 능력 범위 이상이다. 그러므로 우리는 S
장기 시각의 검색-에이전트에서 실패를 감사하고 책임지기 위한 SearchAuditor
대규모 언어 모델(LLM) 검열 장치는 장기적인 웹 상호작용을 통해 어려운 질문에 대해 대응하는 것은 복잡하고 취약한 과정입니다. 작은 추론 오류가 장기적인 노이즈 트레이저지로 퍼져서 유창하지만 오류 있는 대답으로 이어질 수 있습니다. 이러한 실패를 진단하는 것은 어렵고, 인간이 수집할 수 있는 매우 긴 실행 추적을 수동으로 검토해야 하는데, 이는 인간의 능력 범위 이상입니다.
따라서 우리는 SearchAuditBench라는 기준을 제시하여 LLM 검열 장치가 이러한 실패를 지역화, 특성화, 수정할 수 있는지 평가하는 것을 목표로 하였습니다. SearchAuditBench는 8개의 오픈-웨이트 모델에서 5개의 깊은 검색 기준을 통해 1,243개의 실패한 트레이저지를 수집하였으며, 평균적으로 73.1개의 메시지와 65.1K개의 토큰을 포함하고 있습니다. 각 기준은 전문가가 오류의 중요한 단계, 검색-특이 루트 원인, 그리고 참조 수정과 등급 기준을 포함하고 있습니다.
SearchAuditor의 성능
더하여 우리는 SearchAuditor라는 다각도 검열 프레임워크를 제안하였는데, 이는 증거에 기반한 심의를 통해 검색-인간의 오류를 지역화, 특성화, 수정할 수 있습니다. 실험 결과, 가장 강력한 기준인 GPT-5.5를 사용하였을 때에도 종단-종단 통과율이 26.6%로 낮았지만, SearchAuditor는 모든 기준을 뛰어넘었으며, 32.3%의 종단-종단 통과율을 달성하였으며, 오류를 수정할 수 있는 장치를 통해 에이전트가 오류에서 회복하는 것을 도왔습니다.
이러한 결과는 SearchAuditor가 장기 시각의 검색-에이전트에서 실패를 감사하고 책임지기 위한 효과적인 도구가 될 수 있음을 보여줍니다. 이는 대규모 언어 모델(LLM) 검열 장치의 성능을 향상시키고, 더 나은 결과를 제공하는 데 도움이 될 것입니다.
함께 읽으면 좋은 기사
Meta의 영감은 OpenAI와 Anthropic에서 본격적으로 빛나는 AI를 훔쳤습니다.
AI 리더들이 OpenAI와 Anthropic에서 "선도 경계를 맞춰가기"라는 주제로 논의를 시작했을 때, 누군가는 "어느 속도로?"라는 질문을 해야 했을 수도 있었다. 이제는 두 회사가 모두 모델을 출시하는 모델 출시 주간이 되었는데, Anthropic이 Opus 5.5을 출시한 후 OpenAI가 GPT-6 모델 업데이트를 90분만에 출시했다. 그러나 스포트라이트를 잡은 것은 Meta 였는
메타, 인공지능 앱 '뮤즈'에 힘을 싣는다
메타는 인공지능 개인 에이전트 '뮤즈'를 더욱 홍보하기 위해 대규모 언어 모델(LLM) 기반 앱의 홍보를 강화하고 있습니다. 뮤즈 앱은 앱스토어 차트에서 1위를 차지하고 사용자 추가가 빠른 속도로 진행되고 있습니다.
메타의 AI 태그치 시도는 성공적인 것일까?
메타의 개인 AI 에이전트 '뮤즈'가 ChatGPT의 초기 성과를 능가하고 있으며, 스마트 글래스와 같은 장치로 확장될 예정입니다. 메타의 AI 태그치 시도가 성공적인 것일까요?
OpenAI의 agent 군단이 수개월 동안 온라인 데이터베이스를 공격해 희귀한 사실을 찾고 있다.
연구자들이 최근에 불법적 인 에이전트 군집들이 발견되었다고 밝혔다.
강화 학습 기반 역할 놀이 에이전트의 역할 학습을 위한 적대적 폐쇄 루프 교육과정
역할 연기하는 agent는 대규모 언어 모델을 기반으로 한 것들이 개인화된 지원 및 사회 시뮬레이션과 같은 분야에서 광범위하게 적용되어 왔다. 최근 RL 방법들은 학습이 시작되기 전에 미리 수집한 고정된 시나리오 풀에서 훈련을 받는다. 이로 인해 분포적 병목 현상이 발생한다: agent가 향상될수록 agent가 나쁜 성능을 보이는 시나리오도 변하고, 훈련 분포는 정적이다. 따라서, 우리는 역
BaseCamp - AI 프레임워크를 활용한 DNA 서열 데이터 PIPE라인 자동화
DNA 시퀀싱 pipe라인을 처리하는 quality control, alignment, variation calling, annotation과 같은 작업은 이제 대규모 언어 모델(LLM)과 같은 established bioinformatics 도구를 scale에 맞게 조율하는 workflow 관리 시스템에 의해 신뢰할 수 있게 실행되고 있습니다. 그러나 그 실행에 관련된 결정 layer는 여
관련 콘텐츠 더 보기
다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.