Datasets:

Translation-EnKo
/

nlp-arxiv-translation-dpo-chat

chosen stringlengths 14 4.26k	rejected stringlengths 53 9.3k	prompt stringlengths 178 4.55k
지롱 웬은 Gaoling School of Artificial Intelligence의 총장 겸 교수이자 Renmin University of China의 School of Information 학장을 맡고 있습니다. 그는 수년간 빅데이터와 AI 분야에서 일해 왔으며, 유명 국제 컨퍼런스와 저널에 광범위하게 논문을 발표했습니다.[\|endofturn\|]	지롱 웬은 랄링 인공지능대학의 총장 겸 교수이자 인민대학교 정보대학 학장을 맡고 있습니다. 그는 수년간 빅데이터와 AI 분야에서 일해 왔으며, 유명 국제 컨퍼런스와 저널에 광범위하게 논문을 발표했습니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Ji-Rong Wen is a full professor, the executive dean of Gaoling School of Artificial Intelligence, and the dean of School of Information at Renmin University of China. He has been working in the big data and AI areas for many years, and publishing extensively on prestigious international conferences and journals. [\|assistant\|]
현실 시나리오에서는 LLaMA2와 같은 도구로 (\(\mathsf{bioR}\)에서와 같이) 사전 학습 데이터를 다시 작성할 수 있습니다. 데이터를 40번 다시 작성하면 때로는 (다른) hallucinated 내용을 가진 40개의 서로 다른 영어 단락을 생성할 수 있습니다. 이를 위해 모델을 40배 더 크게 만들어야 하나요? 아니요, \(\mathsf{bioS}\)와 \(\mathsf{bioR}\)를 비교한 결과, 동일한 기간 동안 훈련할 경우(각 25회씩 40회 재작성), 모델의 용량 비율은 거의 동일하게 유지되며, LLaMA2에 의해 도입된 관련 없는 데이터로 인해 약간 낮아지는 것으로 나타났습니다.[\|endofturn\|]	현실 시나리오에서는 LLaMA2와 같은 도구로 (\(\mathsf{bioR}\)에서와 같이) 사전 학습 데이터를 다시 작성할 수 있습니다. 데이터를 40번 다시 작성하면 때로는 (다른) 환상적인 내용을 가진 40개의 서로 다른 영어 단락을 생성할 수 있습니다. 이를 위해 모델을 40배 더 크게 만들어야 하나요? 아니요, \(\mathsf{bioS}\)와 \(\mathsf{bioR}\)를 비교한 결과, 동일한 기간 동안 훈련할 경우(각 25회씩 40회 재작성), 모델의 용량 비율은 거의 동일하게 유지되며, LLaMA2에 의해 도입된 관련 없는 데이터로 인해 약간 낮아지는 것으로 나타났습니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]In a realistic scenario, tools like LLaMA2 can rewrite pretrain data like we did in \(\mathsf{bioR}\). Rewriting data 40 times can produce 40 distinct English paragraphs, sometimes with (different) hallucinated contents. Does this require the model to be 40x larger? No, our comparison between \(\mathsf{bioS}\) and \(\mathsf{bioR}\) shows that, if trained for the same duration (40 rewrites each for 25 passes), the model's capacity ratio remains nearly the same, slightly lower due to irrelevant data introduced by LLaMA2. [\|assistant\|]
의무론적 윤리 이론 - 결과나 의도에 관계없이 특정 행동이 본질적으로 옳거나 그른다고 주장하는 이론.[\|endofturn\|]	1. 의무론적 윤리 이론 - 결과나 의도에 관계없이 특정 행동이 본질적으로 옳거나 그른다고 주장하는 이론.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]1. Deontological ethical theories - which hold that certain actions are inherently right or wrong, regardless of the consequences or intentions. [\|assistant\|]
고품질 데이터를 생성하는 데 드는 비용은 여전히 상대적으로 높지만, 이 비용 분석에 영향을 미치는 두 가지 중요한 개선 사항이 있습니다. 첫째, 문구 바꾸기를 위해 Qwen-1.8B 모델 Bai 등(2023b)을 사용하면 token 처리량이 3배 더 높아질 수 있습니다. 그림 5의 예비 결과에서 볼 수 있듯이, Qwen 모델에 의해 생성된 의역으로 pre-trained된 모델은 Mistral 모델에 의한 의역과 비슷한 성능을 발휘합니다. 이를 통해 generation 비용이 3배 절감됩니다. speculative decoding(Liu et al., 2023c)과 optimized inference(Xia et al., 2024)에 대한 최근 연구에 따르면 generation 비용을 3~5배 더 개선할 수 있다고 합니다. 따라서 실제로 1.3B parameter 모델 훈련 규모에서도 실제 데이터만 사용하여 pre-training 비용을 개선할 수 있습니다.[\|endofturn\|]	고품질 데이터를 생성하는 데 드는 비용은 여전히 상대적으로 높지만, 이 비용 분석에 영향을 미치는 두 가지 중요한 개선 사항이 있습니다. 첫째, 문구 바꾸기를 위해 Qwen-1.8B 모델 Bai 등(2023b)을 사용하면 토큰 처리량이 3배 더 높아질 수 있습니다. 그림 5의 예비 결과에서 볼 수 있듯이, Qwen 모델에 의해 생성된 의역으로 사전 학습된 모델은 Mistral 모델에 의한 의역과 비슷한 성능을 발휘합니다. 이를 통해 생성 비용이 3배 절감됩니다. 추측 디코딩(Liu et al., 2023c)과 최적화된 추론(Xia et al., 2024)에 대한 최근 연구에 따르면 생성 비용을 3~5배 더 개선할 수 있다고 합니다. 따라서 실제로 1.3B 파라미터 모델 훈련 규모에서도 실제 데이터만 사용하여 사전 훈련 비용을 개선할 수 있습니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]While the cost of generating high quality data is still relatively high, two important sources of improvement impact this cost analysis. First, if we use the Qwen-1.8B model Bai et al. (2023b) for rephrasing, we are able to get a 3x higher token throughput. As seen in our preliminary results in Fig 5, the model pre-trained on rephrases generated by Qwen model performs comparably to that by the Mistral model. This reduces the cost of generation by 3x. More recent work in speculative decoding (Liu et al., 2023c) and optimized inference (Xia et al., 2024) suggest that we can leverage another 3-5x improvement in the generation cost. Hence, indeed, even at the scale of just 1.3B parameter model training, we can already improve upon the cost of pre-training using just real data. [\|assistant\|]
다양한 Instruction 과제를 통해 모델은 인간의 지시를 더 잘 이해하고 따르며, 보이지 않는 지시까지 일반화할 수 있게 되었다.[\|endofturn\|]	다양한 지시 과제를 통해 모델은 인간의 지시를 더 잘 이해하고 따르며, 보이지 않는 지시까지 일반화할 수 있게 되었다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]By tuning on diverse instruction tasks, the model is able to better comprehend and follow human instructions, and generalize to unseen instructions. [\|assistant\|]
\(\bullet\)_작업 설명._ 작업 설명은 일반적으로 LLMs이 따라야 하는 특정 instruction입니다. 일반적으로 자연어로 작업 목표를 명확하게 설명해야 합니다. 특수한 입력 또는 출력 형식이 있는 작업의 경우 자세한 설명이 필요한 경우가 많으며, 키워드를 활용하여 특수 설정을 강조하여 LLMs이 작업을 더 잘 완료할 수 있도록 안내할 수 있습니다.[\|endofturn\|]	\(\bullet\)_작업 설명._ 작업 설명은 일반적으로 LLM이 따라야 하는 특정 지침입니다. 일반적으로 자연어로 작업 목표를 명확하게 설명해야 합니다. 특수한 입력 또는 출력 형식이 있는 작업의 경우 자세한 설명이 필요한 경우가 많으며, 키워드를 활용하여 특수 설정을 강조하여 LLM이 작업을 더 잘 완료할 수 있도록 안내할 수 있습니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]\(\bullet\)_Task description._ A task description is typically a specific instruction that LLMs are expected to follow. In general, one should clearly describe the task goal in natural language. For the tasks with special input or output format, detailed clarifications are often needed, and one can further utilize keywords to highlight the special settings for better guiding LLMs in task completion. [\|assistant\|]
* MMLU: 공식 MMLU (Hendrycks et al., 2021) *평가 스크립트 및 프롬프트를 [https://github.com/hendrycks/test](https://github.com/hendrycks/test)에서 사용할 수 있으며, 일괄 처리를 허용하도록 수정했습니다. MMLU의 원래 설정에 따라 0개의 few-shot 예제를 사용하여 평가합니다. 테스트 예제에 대한 평균 정확도를 보고합니다. * ToxiGen: Touvron et al.의 설정을 따릅니다. (2023b)를 따르지만, 특정 그룹에 대한 독성 생성을 이끌어내도록 설계된 Hartvigsen et al.의 원래 프롬프트 세트를 사용합니다. (2022)의 원래 프롬프트 세트를 사용합니다. 독성 언어를 생성하도록 설계된 프롬프트('혐오감 있는' 프롬프트)만 사용하고 그룹당 500개의 프롬프트를 사용하여 평가 비용을 줄입니다. 기본 언어 모델의 경우 원래의 ToxiGen 프롬프트를 변경하지 않고 전달하고 첫 번째 새 줄까지(또는 최대 512 토큰) 탐욕스럽게 디코딩합니다. Instruction-tuned 모델의 경우 프롬프트를 해당 템플릿에 배치하고 모델이 중지 토큰(또는 최대 512 토큰)을 생성할 때까지 프롬프트를 완료하도록 요청합니다. 생성된 텍스트를 Hartvigsen et al.의 일부로서 미세 조정된 독성 콘텐츠 감지용으로 훈련된 reborta-large 모델에 전달합니다. (2022)**28. 그런 다음 분류기가 독성이 있다고 판단한 생성물의 비율을 보고합니다. 각주 28: [https://huggingface.co/tomh/toxic_roberta](https://huggingface.co/tomh/toxic_roberta)*** * TruthfulQA: Touvron et al.에 따라 (2023b)를 주로 사용합니다. 주로 TruthfulQA의 생성 설정을 사용합니다. (Lin et al., 2022)**. TruthfulQA 데이터 세트에는 818개의 질문이 포함되어 있으며, 이 질문은 테스트 모델이 답변을 생성하도록 프롬프트하는 데 사용됩니다. 6개의 In-Context QA 예제가 포함된 기본 QA 프롬프트 형식을 사용합니다. 공식 구현29의 공식 스크립트를 따라 탐욕스러운 디코딩과 답변 후처리를 수행합니다. GPT-3의 사용 중단으로 인해 원래 TruthfulQA 평가를 정확하게 복제하는 것이 불가능해진 만큼 모델 응답의 진실성과 유익성을 판단하기 위해 LLaMA 2 기반 분류기 두 개를 훈련합니다. LLaMA 2 판사는 일반적으로 Lin et al.에서 사용한 원래 GPT-3 기반 판사의 성능과 일치할 수 있습니다. (2022). Touvron et al.에 따라 응답이 진실하고 유익한 비율(% 유익하고 진실한)을 보고합니다. (2023b). 주요 지표로는 % 유익하고 진실한 것만 보고합니다. 각주 29: [https://github.com/sylinrl/TruthfulQA/](https://github.com/sylinrl/TruthfulQA/)* * AlpacaEval: 평가된 모델이 805개의 프롬프트에 대한 응답을 생성하고 GPT-4를 사용하여 응답을 Davinci-003과 비교하도록 요청하는 기본 설정에 따라 Li et al. (2023)**에서 제공한 패키지를 사용합니다. "alpaca_eval_gpt4" 주석자를 사용합니다. 특별한 중지 시퀀스를 지정하지 않고 평가 대상 모델이 최대 2048 토큰을 생성하도록 허용합니다.[\|endofturn\|]	* MMLU: 공식 MMLU (Hendrycks et al., 2021) *평가 스크립트 및 프롬프트를 [https://github.com/hendrycks/test](https://github.com/hendrycks/test)에서 사용할 수 있으며, 일괄 처리를 허용하도록 수정했습니다. MMLU의 원래 설정에 따라 0개의 몇 가지 예제를 사용하여 평가합니다. 테스트 예제에 대한 평균 정확도를 보고합니다. ToxiGen: Touvron et al.의 설정을 따릅니다. (2023b)를 따르지만, 특정 그룹에 대한 독성 생성을 이끌어내도록 설계된 Hartvigsen et al.의 원래 프롬프트 세트를 사용합니다. (2022)의 원래 프롬프트 세트를 사용합니다. 독성 언어를 생성하도록 설계된 프롬프트('혐오감 있는' 프롬프트)만 사용하고 그룹당 500개의 프롬프트를 사용하여 평가 비용을 줄입니다. 기본 언어 모델의 경우 원래의 ToxiGen 프롬프트를 변경하지 않고 전달하고 첫 번째 새 줄까지(또는 최대 512 토큰) 탐욕스럽게 디코딩합니다. 지시어 튜닝된 모델의 경우 프롬프트를 해당 템플릿에 배치하고 모델이 중지 토큰(또는 최대 512 토큰)을 생성할 때까지 프롬프트를 완료하도록 요청합니다. 생성된 텍스트를 Hartvigsen et al.의 일부로서 미세 조정된 독성 콘텐츠 감지용으로 훈련된 reborta-large 모델에 전달합니다. (2022)**28. 그런 다음 분류기가 독성이 있다고 판단한 생성물의 비율을 보고합니다. 각주 28: [https://huggingface.co/tomh/toxic_roberta](https://huggingface.co/tomh/toxic_roberta)* TruthfulQA: Touvron et al.에 따라 (2023b)**를 주로 사용합니다. 주로 TruthfulQA의 생성 설정을 사용합니다. (Lin et al., 2022)**. TruthfulQA 데이터 세트에는 818개의 질문이 포함되어 있으며, 이 질문은 테스트 모델이 답변을 생성하도록 프롬프트하는 데 사용됩니다. 6개의 컨텍스트 QA 예제가 포함된 기본 QA 프롬프트 형식을 사용합니다. 공식 구현29의 공식 스크립트를 따라 탐욕스러운 디코딩과 답변 후처리를 수행합니다. GPT-3의 사용 중단으로 인해 원래 TruthfulQA 평가를 정확하게 복제하는 것이 불가능해진 만큼 모델 응답의 진실성과 유익성을 판단하기 위해 LLaMA 2 기반 분류기 두 개를 훈련합니다. LLaMA 2 판사는 일반적으로 Lin et al.에서 사용한 원래 GPT-3 기반 판사의 성능과 일치할 수 있습니다. (2022). Touvron et al.에 따라 응답이 진실하고 유익한 비율(% 유익하고 진실한)을 보고합니다. (2023b). 주요 지표로는 % 유익하고 진실한 것만 보고합니다. 각주 29: [https://github.com/sylinrl/TruthfulQA/](https://github.com/sylinrl/TruthfulQA/)* AlpacaEval: 평가된 모델이 805개의 프롬프트에 대한 응답을 생성하고 GPT-4를 사용하여 응답을 Davinci-003과 비교하도록 요청하는 기본 설정에 따라 Li et al. (2023)**에서 제공한 패키지를 사용합니다. "alpaca_eval_gpt4" 주석자를 사용합니다. 특별한 중지 시퀀스를 지정하지 않고 평가 대상 모델이 최대 2048 토큰을 생성하도록 허용합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]* MMLU: We use the official MMLU (Hendrycks et al., 2021) evaluation script and prompts available at [https://github.com/hendrycks/test](https://github.com/hendrycks/test), with modifications to allow for batch processing. We evaluate using 0 few-shot examples, following the original setup of MMLU. We report average accuracy across test examples. * ToxiGen: We follow the setup in Touvron et al. (2023b), but use the original set of prompts from Hartvigsen et al. (2022), which are designed to elicit toxic generations for certain groups. We take only the prompts designed to produce toxic language ('hateful' prompts) and use 500 prompts per group to reduce evaluation costs. For base language models, we pass in the original ToxiGen prompts unchanged and greedily decode up to the first new line (or a maximum of 512 tokens). For instruction-tuned models, we place the prompt in the corresponding template, and ask the model to complete the prompt, until the model generates a stop token (or a maximum of 512 tokens). We pass the generated text into a reborta-large model trained to detect toxic content finetuned as part of Hartvigsen et al. (2022)28. We then report the percentage of generations deemed toxic by the classifier. Footnote 28: [https://huggingface.co/tomh/toxic_roberta](https://huggingface.co/tomh/toxic_roberta) * TruthfulQA: Following Touvron et al. (2023b), we mainly use the generation setting of TruthfulQA (Lin et al., 2022). The TruthfulQA dataset contains 818 questions, which are used to prompt the tested model to generate answers. We use the default QA prompt format with 6 in-context QA examples. We follow the official script in their official implementation29 to do greedy decoding and answer postprocessing. We train two LLaMA 2-based classifiers for judging the truthfulness and informativeness of the model response, due to the deprecation of GPT-3 making exact replication of the original TruthfulQA evaluation infeasible. We find that the LLaMA 2 judges are generally able to match the performance of the original GPT-3-based judges used by Lin et al. (2022). We report the rate of the responses being truthful and informative (% Informative and Truthful) following Touvron et al. (2023b). We only report the % Informative and Truthful as our primary metric. Footnote 29: [https://github.com/sylinrl/TruthfulQA/](https://github.com/sylinrl/TruthfulQA/)** * AlpacaEval: We use the package provided by Li et al. (2023)**, following the default setup which asks the evaluated model to generate responses for 805 prompts and employ GPT-4 to compare the response with Davinci-003. We employ the "alpaca_eval_gpt4" annotator. We allow the evaluated model to generate up to 2048 tokens, without specifying special stop sequences. [\|assistant\|]
* 각 문서에 대해 사용자의 질문과 그에 해당하는 agent의 응답을 주석으로 달아야 합니다. 대화당 평균 user-agent 턴 수는 5회 정도여야 합니다. * 각 사용자의 질문에 대해 문서 내에서 관련성 있는 모든 context를 주석으로 달아야 합니다.[\|endofturn\|]	* 각 문서에 대해 사용자의 질문과 그에 해당하는 상담원의 응답을 주석으로 달아야 합니다. 대화당 평균 사용자-상담원 턴 수는 5회 정도여야 합니다. * 각 사용자의 질문에 대해 문서 내에서 관련성 있는 모든 컨텍스트를 주석으로 달아야 합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]* For each document, we need to annotate the user's questions and corresponding agent's responses. The average number of user-agent turns per conversation needs to be around five. * For each user's question, we need to annotate all the relevant context within the document. [\|assistant\|]
각 데이터 세트에 적용된 세부 평가 설정과 metrics는 표 1에 요약되어 있으며, 다양한 작업에서 언어 모델의 robustness와 유연성을 보장하기 위해 취한 광범위한 조치를 보여줍니다.[\|endofturn\|]	각 데이터 세트에 적용된 세부 평가 설정과 메트릭은 표 1에 요약되어 있으며, 다양한 작업에서 언어 모델의 견고성과 유연성을 보장하기 위해 취한 광범위한 조치를 보여줍니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Our detailed evaluation setup and the metrics applied to each dataset are summarized in Table 1, showcasing the extensive measures taken to guarantee the robustness and flexibility of our language models across a wide range of tasks. [\|assistant\|]
기여 1: 법률 LLM의 가족. 이 백서에서는 법률 영역에서 직면하는 고유한 과제를 해결하기 위해 세심하게 제작된 법률 언어 모델 모음인 SaulLM-7B 제품군을 소개합니다. 법률 텍스트에 특화된 70억 파라미터 언어 모델인 SaulLM-7B를 공개합니다. SaulLM-7B는 특수 훈련을 통해 일반 모델에 비해 법률 언어의 뉘앙스를 더 잘 이해하는 것을 보여줍니다. 또한, 다양한 법률 작업에서 기존 모델(예: Mistral 또는 Llama)보다 뛰어난 성능을 발휘하도록 세심하게 설계된 Instruction-tuned 변형인 SaulLM-7B-Instruct를 출시합니다.[\|endofturn\|]	기여 1: 법률 LLM의 가족.이 백서에서는 법률 영역에서 직면하는 고유한 과제를 해결하기 위해 세심하게 제작된 법률 언어 모델 모음인 SaulLM-7B 제품군을 소개합니다. 법률 텍스트에 특화된 70억 파라미터 언어 모델인 SaulLM-7B를 공개합니다. SaulLM-7B는 특수 훈련을 통해 일반 모델에 비해 법률 언어의 뉘앙스를 더 잘 이해하는 것을 보여줍니다. 또한, 다양한 법률 작업에서 기존 모델(예: Mistral 또는 Llama)보다 뛰어난 성능을 발휘하도록 세심하게 설계된 명령어 튜닝된 변형인 SaulLM-7B-Instruct를 출시합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Contribution 1: A family of legal LLMs.In this paper, we introduce the SaulLM-7B's family, a collection of Legal Language Models meticulously crafted to tackle the distinctive challenges encountered within the legal domain. We unveil SaulLM-7B, a 7-billion-parameter language model specifically tailored to legal text. With its specialized training regimen, SaulLM-7B demonstrates a superior understanding of the nuances in legal language compared to generic models. Furthermore, we release SaulLM-7B-Instruct, an instructiontuned variant, carefully engineered to outperform existing models such as Mistral or Llama on a variety of legal tasks1. [\|assistant\|]
중국어, 영어, 코드, 학술 논문 등 Tokenizer의 학습 세트에 없는 30만 개의 문서에 대해 평가를 진행합니다. MiniCPM-120K Tokenizer가 가장 높은 압축률(바이트/토큰)을 달성합니다.[\|endofturn\|]	중국어, 영어, 코드, 학술 논문 등 토큰라이저의 학습 세트에 없는 30만 개의 문서에 대해 평가를 진행합니다. MiniCPM-120K 토큰라이저가 가장 높은 압축률(바이트/토큰)을 달성합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]We conduct evaluations on 300,000 documents in Chinese, English, code, and academic papers that is not in the training set of the Tokenizer. The MiniCPM-120K tokenizer achieves the highest compression ratio (Bytes/Tokens). [\|assistant\|]
REPLUG(Shi et al., 2023)은 블랙박스 LM이 최종 예측을 하기 전에 검색된 문서를 입력 context에 앞에 추가하는 방법을 제안합니다. 이 방법은 검색된 문서를 병렬로 인코딩하는 ensemble 전략을 도입하여 LM context 길이의 한계를 극복하고 증가된 계산 리소스를 할당하여 정확도를 향상시킵니다. 이 접근 방식은 LM이 더 광범위한 관련 정보에 액세스할 수 있도록 함으로써 생성 프로세스를 개선합니다.[\|endofturn\|]	REPLUG(Shi et al., 2023)은 블랙박스 LM이 최종 예측을 하기 전에 검색된 문서를 입력 컨텍스트에 앞에 추가하는 방법을 제안합니다. 이 방법은 검색된 문서를 병렬로 인코딩하는 앙상블 전략을 도입하여 LM 컨텍스트 길이의 한계를 극복하고 증가된 계산 리소스를 할당하여 정확도를 향상시킵니다. 이 접근 방식은 LM이 더 광범위한 관련 정보에 액세스할 수 있도록 함으로써 생성 프로세스를 개선합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]REPLUG (Shi et al., 2023) proposes a method for prepending retrieved documents to the input context before the final prediction by the black-box LM. It introduces an ensemble strategy to encode retrieved documents in parallel, overcoming the limitations of LM context length and enhancing accuracy through the allocation of increased computational resources. This approach improves the generation process by ensuring that the LM has access to a broader range of relevant information. [\|assistant\|]
캐릭터 Tokenization. Tokenization은 문자 수준 또는 UTF-8 바이트를 기반으로 수행할 수도 있습니다. 그러나 이렇게 하면 시퀀스 길이가 늘어나서 Transformer 아키텍처에서 계산 비용이 많이 들게 되는데, 이는 시퀀스 길이에서 self-attention 계층의 이차적 복잡성으로 인해 현재 LLM의 주요 아키텍처가 되고 있습니다(Vaswani et al., 2017). 그러나 이러한 한계를 해결하기 위해 여러 가지 접근 방식이 제안되었습니다(Gao et al., 2020; Tay et al., 2021; Xue et al., 2022; Clark et al., 2022; Yu et al., 2023).[\|endofturn\|]	캐릭터 토큰화.토큰화는 문자 수준 또는 UTF-8 바이트를 기반으로 수행할 수도 있습니다. 그러나 이렇게 하면 시퀀스 길이가 늘어나서 트랜스포머 아키텍처에서 계산 비용이 많이 들게 되는데, 이는 시퀀스 길이에서 자기 주의 계층의 이차적 복잡성으로 인해 현재 LLM의 주요 아키텍처가 되고 있습니다(Vaswani et al., 2017). 그러나 이러한 한계를 해결하기 위해 여러 가지 접근 방식이 제안되었습니다(Gao et al., 2020; Tay et al., 2021; Xue et al., 2022; Clark et al., 2022; Yu et al., 2023).[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Character Tokenization.Tokenization can also be performed on a character level or based on UTF-8 bytes. However, this results in an increased sequence length, which becomes computationally expensive in the transformer architecture, the current predominated architecture for LLMs due to the quadratic complexity of the self-attention layer in the sequence length (Vaswani et al., 2017). Though, several approaches have been proposed to address this limitation (Gao et al., 2020; Tay et al., 2021; Xue et al., 2022; Clark et al., 2022; Yu et al., 2023). [\|assistant\|]
속성 1: _고유 난이도를 높여서 이득이 증가했다가 감소합니다._ \(S\)와 \(K\)의 값을 각각 작은 값부터 큰 값까지 네 개의 다른 그룹에서 일정하게 유지하면서 \(I\)를 \(10\)에서 \(400\)까지 변화시켜 고유 난이도를 조사합니다. 그림 6(왼쪽)은 \(I\)가 증가함에 따라 성능 향상이 초기 상승하는 것을 보여 주며, 이는 본 방법이 고유 난이도 상승에 따라 성능을 크게 향상시킬 수 있음을 나타냅니다. 가장 눈에 띄는 성능 향상은 \(I=100\) 및 \(I=200\)에서 나타나며, 이는 모든 \(S\) 및 \(K\) 설정에서 일관되게 나타납니다. 그러나 \(I=400\)에서는 성능 향상이 감소하는데, 이는 과도한 복잡성이 모델의 reasoning 능력을 초과하여 극한의 작업 난이도에서 저희 방법의 수익률이 감소할 수 있음을 의미합니다.[\|endofturn\|]	속성 1: _고유 난이도를 높여서 이득이 증가했다가 감소합니다._ S$와 $K$의 값을 각각 작은 값부터 큰 값까지 네 개의 다른 그룹에서 일정하게 유지하면서 \(I\)를 \(10\)에서 \(400\)까지 변화시켜 고유 난이도를 조사합니다. 그림 6(왼쪽)은 \(I\)가 증가함에 따라 성능 향상이 초기 상승하는 것을 보여 주며, 이는 본 방법이 고유 난이도 상승에 따라 성능을 크게 향상시킬 수 있음을 나타냅니다. 가장 눈에 띄는 성능 향상은 \(I=100\) 및 \(I=200\)에서 나타나며, 이는 모든 \(S\) 및 \(K\) 설정에서 일관되게 나타납니다. 그러나 \(I=400\)에서는 성능 향상이 감소하는데, 이는 과도한 복잡성이 모델의 추론 능력을 초과하여 극한의 작업 난이도에서 저희 방법의 수익률이 감소할 수 있음을 의미합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Property 1: _Gains increase then decrease by rising the inherent difficulty._ We investigate the inherent difficulty by varying \(I\) from \(10\) to \(400\), while keeping the values of \(S\) and \(K\) constant across four groups of different values, from small to large, respectively. Figure 6 (left) shows an initial uptick in performance gains with increases in \(I\), indicating that our method can significantly enhance performance in line with rising inherent difficulty. The most notable gains are seen at \(I=100\) and \(I=200\), consistent across all \(S\) and \(K\) settings. Yet, at \(I=400\), gains taper off, implying that excessive complexity may exceed the model's reasoning capabilities, leading to diminishing returns for our method under extreme task difficulty. [\|assistant\|]
새로운 정의는 emergent abilities가 나타나는 훈련 궤적 내에서 중요한 전환점을 정확하게 특징화합니다. 이 정의는 향후 연구에서 이러한 전환점에서 언어 모델의 변화를 조사하여 새로운 능력의 발전을 촉진하도록 장려합니다.[\|endofturn\|]	새로운 정의는 새로운 능력이 나타나는 훈련 궤적 내에서 중요한 전환점을 정확하게 특징화합니다. 이 정의는 향후 연구에서 이러한 전환점에서 언어 모델의 변화를 조사하여 새로운 능력의 발전을 촉진하도록 장려합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]The new definition offers a precise characterization of the critical junctures within training trajectories where emergent abilities manifest. It encourages future studies to investigate the shifts in language models at these junctures, which facilitate the development of new capabilities. [\|assistant\|]
모든 SFT 데이터의 구조를 대화 형식으로 통일합니다. 먼저 "System" 역할을 처음에 추가하여 LLM이 예의 바르고 유용한 답변을 제공하도록 안내하는 일반적인 instruction을 설정합니다. 또한 "User" 및 "Assistant" 역할을 추가하여 instruction tuning 데이터 세트의 instruction 및 응답 쌍을 통합합니다. 이 통합된 형식을 사용하여 LLM foundation 모델에 Fine-tuning을 적용합니다.[\|endofturn\|]	모든 SFT 데이터의 구조를 대화 형식으로 통일합니다. 먼저 "시스템" 역할을 처음에 추가하여 LLM이 예의 바르고 유용한 답변을 제공하도록 안내하는 일반적인 지침을 설정합니다. 또한 "사용자" 및 "어시스턴트" 역할을 추가하여 지침 튜닝 데이터 세트의 지침 및 응답 쌍을 통합합니다. 이 통합된 형식을 사용하여 LLM 기반 모델에 미세 조정을 적용합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]We unify the structure of all the SFT data in a conversational format. We first add a "System" role at the beginning to setup a general instruction guiding LLM to provide polite and helpful answers. We also add "User" and "Assistant" roles to incorporate instruction and response pairs from the instruction tuning datasets. We apply fine-tuning using this unified format on an LLM foundation model. [\|assistant\|]
* 1 소개 * 2 사전 학습 * 2.1 데이터 처리 * 2.2 토큰화 * 2.3 모델 아키텍처 * 3 Fine-tuning * 3.1 데이터 전처리 * 3.2 훈련 방법 * 4 인프라 * 5 안전 * 6 평가 * 6.1 기본 모델 성능 * 6.1.1 주요 결과 * 6.1.2 토론 * 6.1.3 In-Context Learning 연구 * 6.2 채팅 모델 성능 * 6.2.1 자동 평가 * 6.2.2 인간 평가 * 7 기능 확장 * 7.1 긴 컨텍스트 모델링 * 7.2 비전-언어 * 7.3 깊이 업스케일링 * 8 최종 토론 * A 저자 목록 및 기여도[\|endofturn\|]	* 1 소개 * 2 사전 학습 * 2.1 데이터 처리 * 2.2 토큰화 * 2.3 모델 아키텍처 * 3 미세 조정 * 3.1 데이터 전처리 * 3.2 훈련 방법 * 4 인프라 * 5 안전 * 6 평가 * 6.1 기본 모델 성능 * 6.1.1 주요 결과 * 6.1.2 토론 * 6.1.3 인 컨텍스트 학습 연구 * 6.2 채팅 모델 성능 * 6.2.1 자동 평가 * 6.2.2 인간 평가 * 7 기능 확장 * 7.1 긴 컨텍스트 모델링 * 7.2 비전-언어 * 7.3 깊이 업스케일링 * 8 최종 토론 * A 저자 목록 및 기여도[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]* 1 Introduction * 2 Pretraining * 2.1 Data Processing * 2.2 Tokenization * 2.3 Model Architecture * 3 Finetuning * 3.1 Data Preprocessing * 3.2 Training Method * 4 Infrastructure * 5 Safety * 6 Evaluations * 6.1 Base Model Performance * 6.1.1 Main Results * 6.1.2 Discussions * 6.1.3 In-Context Learning Study * 6.2 Chat Model Performance * 6.2.1 Automatic Evaluations * 6.2.2 Human Evaluations * 7 Capability Extension * 7.1 Long Context Modeling * 7.2 Vision-Language * 7.3 Depth Upscaling * 8 Final Discussions * A Author List and Contributions [\|assistant\|]
\end{table} 표 2: (a) 5개의 예측 플랫폼 모두에서 train, validation 및 test 세트의 분포. 중요한 것은 test 세트의 모든 문제가 기본 LMs의 학습 마감일인 2023년 6월 1일 이후에 출제된 것입니다. 반면, train 및 validation 세트의 모든 문제는 2023년 6월 1일 이전에 해결되었으므로 tuning 프로세스에서 누출되지 않았습니다. (b) test 세트에서 사전 학습된 모델의 baseline 성능**이며, 표준 오차(SE) 1개(전체 결과는 표 7 참조)입니다. 무작위 baseline: 0.250; 인간 크라우드: 0.149. 이 결과는 모델이 자연스럽게 예측에 능숙하지 않다는 것을 강조합니다.[\|endofturn\|]	\end{table} 표 2: (a) 5개의 예측 플랫폼 모두에서 트레인, 유효성 검사 및 테스트 세트의 분포. 중요한 것은 테스트 세트의 모든 문제가 기본 LM의 학습 마감일인 2023년 6월 1일 이후에 출제된 것입니다. 반면, 트레인 및 유효성 검사 세트의 모든 문제는 2023년 6월 1일 이전에 해결되었으므로 튜닝 프로세스에서 누출되지 않았습니다. (b) 테스트 세트에서 사전 학습된 모델의 기준 성능**이며, 표준 오차(SE) 1개(전체 결과는 표 7 참조)입니다. 무작위 기준선: 0.250; 인간 크라우드: 0.149. 이 결과는 모델이 자연스럽게 예측에 능숙하지 않다는 것을 강조합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]\end{table} Table 2: (a) Distribution of our train, validation, and test sets across all 5 forecasting platforms. Importantly, every question in the test set is from June 1, 2023 or later, after the training cut-off of our base LMs. Meanwhile, all questions in the train and validation sets were resolved before June 1, 2023, ensuring no leakage from the tuning process. (b) Baseline performance of pre-trained models on the test set, with 1 standard error (SE) (see full results in Table 7). Random baseline: 0.250; human crowd: 0.149. The results underscore that models are not naturally good at forecasting. [\|assistant\|]
모델을 훈련하기 위해 8-way tensor parallelism (Shoeybi et al., 2019)과 data parallelism을 조합하여 사용했으며, 분산 optimizer를 사용하여 data-parallel replicas에 걸쳐 optimizer 상태를 shard화했습니다. data parallelism의 정도는 batch size가 늘어남에 따라 96에서 384까지 다양하게 조정되었습니다. 표 2는 batch size ramp의 3단계를 요약한 것으로, 반복당 시간과 모델 FLOP/s 활용도(MFU)(Chowdhery et al., 2022; Korthikanti et al., 2022)를 포함합니다. MFU는 GPU가 모델 훈련에서 얼마나 효율적으로 활용되는지를 정량화합니다. 훈련은 약 13일 만에 완료되었습니다.[\|endofturn\|]	모델을 훈련하기 위해 8방향 텐서 병렬 처리(Shoeybi et al., 2019)와 데이터 병렬 처리를 조합하여 사용했으며, 분산 옵티마이저를 사용하여 데이터 병렬 복제본에 걸쳐 옵티마이저 상태를 샤드화했습니다. 데이터 병렬 처리의 정도는 배치 크기가 늘어남에 따라 96에서 384까지 다양하게 조정되었습니다. 표 2는 배치 크기 램프의 3단계를 요약한 것으로, 반복당 시간과 모델 FLOP/s 활용도(MFU)(Chowdhery et al., 2022; Korthikanti et al., 2022)를 포함합니다. MFU는 GPU가 모델 훈련에서 얼마나 효율적으로 활용되는지를 정량화합니다. 훈련은 약 13일 만에 완료되었습니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]We used a combination of 8-way tensor parallelism (Shoeybi et al., 2019) and data parallelism to train the model; we also use a distributed optimizer to shard the optimizer state over the data-parallel replicas. The degree of data parallelism was varied from 96 to 384 as the batch size was ramped up. Table 2 summarizes the 3 stages of batch size ramp, and includes the per-iteration time and model FLOP/s utilization (MFU) (Chowdhery et al., 2022; Korthikanti et al., 2022). MFU quantifies how efficiently the GPUs are utilized in model training. Training was completed in approximately 13 calendar days. [\|assistant\|]
디코더 전용 Transformer 기반 Large Language Model인 Nemotron-4 15B를 소개합니다. 이 모델은 영어, 53개의 자연어 및 43개의 프로그래밍 언어를 포함한 8조 토큰에 걸쳐 학습되었습니다. Nemotron-4 15B는 멀티링구 도메인에 특화된 모델보다 더 나은 성능을 발휘하는 범용 언어 모델 중 가장 강력한 다국어 성능을 보여줍니다. Nemotron-4는 Large Language Models의 사전 학습 세트를 계속 확장하여 모델의 기능을 향상시킬 수 있음을 보여줍니다.[\|endofturn\|]	디코더 전용 트랜스포머 기반 대규모 언어 모델인 Nemotron-4 15B를 소개합니다. 이 모델은 영어, 53개의 자연어 및 43개의 프로그래밍 언어를 포함한 8조 토큰에 걸쳐 학습되었습니다. Nemotron-4 15B는 멀티링구 도메인에 특화된 모델보다 더 나은 성능을 발휘하는 범용 언어 모델 중 가장 강력한 다국어 성능을 보여줍니다. Nemotron-4는 대규모 언어 모델의 사전 학습 세트를 계속 확장하여 모델의 기능을 향상시킬 수 있음을 보여줍니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]We present Nemotron-4 15B, a decoder-only transformer-based large language model. It is trained on 8 trillion tokens spanning English, 53 additional natural languages as well as 43 programming languages. Nemotron-4 15B exhibits the strongest multilingual performance of any general purpose language model at its scale - even outperforming models specialized for the multilingual domain. Nemotron-4 demonstrates that pre-training sets for large language models can continue to be scaled up even further in order to improve the abilities of models. [\|assistant\|]
그림 A.16: 정성적 기준의 자동 평가를 위한 Prompt. 새로운 대화를 평가하고 평가하기 위해 각 대화와 함께 자체 생성된 설명이 포함된 few-shot Prompt를 생성했습니다. 이 few-shot Prompt에는 5점 척도의 각 요점에 대한 예시가 하나씩 포함되었습니다.[\|endofturn\|]	그림 A.16: 정성적 기준의 자동 평가를 위한 프롬프트. 새로운 대화를 평가하고 평가하기 위해 각 대화와 함께 자체 생성된 설명이 포함된 소수의 샷 프롬프트를 생성했습니다. 이 소수의 샷 프롬프트에는 5점 척도의 각 요점에 대한 예시가 하나씩 포함되었습니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Figure A.16: Prompt for the auto-evaluation of qualitative criteria. We constructed few-shot prompt with self-generated explanations alongside their respective dialogues as exemplars to evaluate and rate a new dialogue. This few-shot prompt included one example for each point on the 5-point rating scale. [\|assistant\|]
주요 결과 실험 결과는 그림 4에 보고되어 있습니다. _WizardLM_은 Alpaca 및 Vicuna-7b보다 훨씬 더 나은 결과를 달성하여 _Evol-Instruct_의 효과를 입증했습니다.[\|endofturn\|]	주요 결과 실험 결과는 그림 4에 보고되어 있습니다. WizardLM_은 알파카 및 비쿠나-7b보다 훨씬 더 나은 결과를 달성하여 _Evol-Instruct_의 효과를 입증했습니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Main Results The results of the experiment are reported in Figure 4. _WizardLM_ achieved significantly better results than Alpaca and Vicuna-7b, which demonstrates the effectiveness of _Evol-Instruct_. [\|assistant\|]
출력 형식 분석에서는 언어 식별 및 반복 분석이라는 두 가지 작업을 수행합니다. 효율성을 높이기 위해 vLLM Kwon et al. (2023)을 활용했습니다. 특히, Supervised Fine-Tuning (SFT) 및 Reinforcement Learning from Human Feedback (RLHF)과 같은 alignment 작업을 거친 모델의 경우 프롬프트를 "[INST] <context> [/INST]"로 설정했습니다. 모델을 max_tokens 설정 512로 구성하고 nuclear sampling을 활용하여 temperature를 0.1로 설정하고 top_p를 0.9로 설정했습니다.[\|endofturn\|]	출력 형식 분석에서는 언어 식별 및 반복 분석이라는 두 가지 작업을 수행합니다. 효율성을 높이기 위해 vLLM Kwon et al. (2023)을 활용했습니다. 특히, 지도 미세 조정(SFT) 및 인간 피드백으로부터의 강화 학습(RLHF)과 같은 정렬 작업을 거친 모델의 경우 프롬프트를 "[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]We perform two tasks in output format analysis: language identification and repetition analysis. We utilized vLLM Kwon et al. (2023) to enhance efficiency. Expressly, for models that have undergone alignment operations, such as Supervised Fine-Tuning (SFT) and Reinforcement Learning from Human Feedback (RLHF), we set up our prompt as "[INST] <context> [/INST]". We configure the model with a max_tokens setting of 512 and utilize nuclear sampling, setting the temperature to 0.1 and top_p to 0.9. [\|assistant\|]
그림 5: **일반적인 pretraining 결과. 80G 일반 토큰에 대해 Tinyllama-1B의 pretraining을 계속합니다.[\|endofturn\|]	그림 5: **일반적인 사전 학습 결과. 80G 일반 토큰에 대해 Tinyllama-1B의 사전 학습을 계속합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Figure 5: **General pretraining results. We continual pretraining Tinyllama-1B on 80G general tokens. [\|assistant\|]
ChatGPT 및 GPT-4와 같은 Large Language Models (LLMs)은 자연어 처리 연구에 획기적인 변화를 가져왔으며 Artificial General Intelligence (AGI)을 향한 유망한 진전을 보여주었습니다. 그럼에도 불구하고 LLM을 훈련하고 배포하는 데 드는 높은 비용은 투명하고 접근 가능한 학술 연구에 상당한 장애물이 되고 있습니다. LLaMA와 같은 몇몇 Large Language Models은 커뮤니티에 의해 오픈 소스화되었지만, 대부분 영어 말뭉치에 초점을 맞추고 있어 다른 언어에 대한 유용성이 제한적입니다. 이 백서에서는 중국어 텍스트를 이해하고 생성하는 기능과 Instruction을 따르는 기능을 LLaMA에 추가하는 방법을 제안합니다. 이를 위해 LLaMA의 기존 어휘에 20,000개의 중국어 토큰을 추가하여 중국어의 인코딩 효율성과 의미론적 이해력을 향상시킵니다. 또한 중국어 데이터를 사용하여 2차 사전 학습을 통합하고 중국어 Instruction 데이터 세트로 모델을 Fine-tuning하여 모델의 Instruction 이해 및 실행 능력을 크게 향상시킵니다. 실험 결과, 새로 제안된 모델은 중국어 콘텐츠를 이해하고 생성하는 데 있어 기존 LLaMA의 능력을 눈에 띄게 향상시켰습니다. 또한 C-Eval 데이터 세트의 결과는 우리 모델의 몇 배 크기의 모델들 사이에서 경쟁력 있는 성능을 발휘했습니다.[\|endofturn\|]	ChatGPT 및 GPT-4와 같은 대규모 언어 모델(LLM)은 자연어 처리 연구에 획기적인 변화를 가져왔으며 인공 일반 지능(AGI)을 향한 유망한 진전을 보여주었습니다. 그럼에도 불구하고 LLM을 훈련하고 배포하는 데 드는 높은 비용은 투명하고 접근 가능한 학술 연구에 상당한 장애물이 되고 있습니다. LLaMA와 같은 몇몇 대규모 언어 모델은 커뮤니티에 의해 오픈 소스화되었지만, 대부분 영어 말뭉치에 초점을 맞추고 있어 다른 언어에 대한 유용성이 제한적입니다. 이 백서에서는 중국어 텍스트를 이해하고 생성하는 기능과 명령어를 따르는 기능을 LLaMA에 추가하는 방법을 제안합니다. 이를 위해 LLaMA의 기존 어휘에 20,000개의 중국어 토큰을 추가하여 중국어의 인코딩 효율성과 의미론적 이해력을 향상시킵니다. 또한 중국어 데이터를 사용하여 2차 사전 학습을 통합하고 중국어 명령어 데이터 세트로 모델을 미세 조정하여 모델의 명령어 이해 및 실행 능력을 크게 향상시킵니다. 실험 결과, 새로 제안된 모델은 중국어 콘텐츠를 이해하고 생성하는 데 있어 기존 LLaMA의 능력을 눈에 띄게 향상시켰습니다. 또한 C-Eval 데이터 세트의 결과는 우리 모델의 몇 배 크기의 모델들 사이에서 경쟁력 있는 성능을 발휘했습니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Large Language Models (LLMs), such as ChatGPT and GPT-4, have dramatically transformed natural language processing research and shown promising strides towards Artificial General Intelligence (AGI). Nonetheless, the high costs associated with training and deploying LLMs present substantial obstacles to transparent, accessible academic research. While several large language models, such as LLaMA, have been open-sourced by the community, these predominantly focus on English corpora, limiting their usefulness for other languages. In this paper, we propose a method to augment LLaMA with capabilities for understanding and generating Chinese text and its ability to follow instructions. We achieve this by extending LLaMA's existing vocabulary with an additional 20,000 Chinese tokens, thereby improving its encoding efficiency and semantic understanding of Chinese. We further incorporate secondary pre-training using Chinese data and fine-tune the model with Chinese instruction datasets, significantly enhancing the model's ability to comprehend and execute instructions. Our experimental results indicate that the newly proposed model markedly enhances the original LLaMA's proficiency in understanding and generating Chinese content. Additionally, the results on the C-Eval dataset yield competitive performance among the models with several times the size of ours. [\|assistant\|]
대규모 언어 모델(LLMs)은 강력하지만 hallucination(Pal et al., 2023; Sun et al., 2024; Ahmad et al., 2023)이 발생하기 쉽습니다. 또한 학습 코퍼스에 포함된 지식에 제한을 받기 때문에 최근 이벤트나 공개적으로 제한된 정보에 대한 쿼리에 답변할 수 없습니다. Retrieval-augmented generation (RAG)은 LLM 프롬프트에 관련 검색 콘텐츠를 제공하는 일반적으로 사용되는 프레임워크로, 모델 정확도를 크게 향상시킬 수 있습니다(Mao et al., 2020; Chen et al., 2024; Lewis et al., 2020).[\|endofturn\|]	대규모 언어 모델(LLM)은 강력하지만 환각 현상(Pal et al., 2023; Sun et al., 2024; Ahmad et al., 2023)이 발생하기 쉽습니다. 또한 학습 코퍼스에 포함된 지식에 제한을 받기 때문에 최근 이벤트나 공개적으로 제한된 정보에 대한 쿼리에 답변할 수 없습니다. 검색 증강 생성(RAG)은 LLM 프롬프트에 관련 검색 콘텐츠를 제공하는 일반적으로 사용되는 프레임워크로, 모델 정확도를 크게 향상시킬 수 있습니다(Mao et al., 2020; Chen et al., 2024; Lewis et al., 2020).[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Large language models (LLMs), though powerful, are prone to hallucination (Pal et al., 2023; Sun et al., 2024; Ahmad et al., 2023). Additionally, they are restricted to knowledge contained in their training corpus, and so are unable to answer queries about recent events or publicly restricted information. Retrieval augmented generation (RAG) is a commonly used framework that provides relevant retrieved content in the LLM prompt and can significantly improve model accuracy (Mao et al., 2020; Chen et al., 2024; Lewis et al., 2020). [\|assistant\|]
Order effect for human logical reasoning. 연역적 추론에서는 전제 순서가 중요하지 않지만, 여러 연구에 따르면 전제 순서가 인간의 추론 성능에 영향을 미칠 수 있다고 합니다(Dekeyser et al., 2000; Girotto et al., 1997). Dekeyser 등(2000)은 _공동 참조_를 전제 순서에 대한 인간의 선호도, 즉 인간은 각 전제를 본 후 즉각적인 결론을 도출할 수 있는 순서로 전제를 제시하는 것을 선호한다고 설명했습니다. 이 연구에서는 LLMs도 이러한 선호도를 가지고 있으며, 규칙의 순서가 실측 증명을 따를 때 가장 좋은 성능을 달성한다는 것을 보여 줍니다. Girotto 등(1997)은 전제 순서가 인간의 논리적 추론에 어떤 영향을 미치는지 연구한 결과, 전제 순서가 _모두스 톨렌스_ 문제(즉, P이면 Q, Q가 아니므로 P가 아니다)를 푸는 데는 큰 영향을 미치지만 _모두스 포넨스_ 문제(즉, P이면 Q, P이므로 Q)에는 영향을 미치지 않는다는 것을 발견했습니다. 그러나 우리 연구와 달리 그들은 규칙과 사실 사이의 다른 순서의 영향, 예를 들어 _모두스 톨렌스_ 문제에 대한 실험을 통해 부정 진술(Q가 아님)을 규칙(P이면 Q)보다 먼저 제시하면 그 반대 순서보다 성능이 향상된다는 것을 보여주었습니다. 반면에 우리 연구는 인간과 LLMs 모두에게 더 쉬운 _모두스 포넨스_ 문제에 초점을 맞추고 있으며, LLMs 성능이 전제의 순서에 여전히 매우 민감하다는 것을 보여줍니다.[\|endofturn\|]	인간의 논리적 추론에 대한 순서 효과. 연역적 추론에서는 전제 순서가 중요하지 않지만, 여러 연구에 따르면 전제 순서가 인간의 추론 성능에 영향을 미칠 수 있다고 합니다(Dekeyser et al., 2000; Girotto et al., 1997). Dekeyser 등(2000)은 _공동 참조_를 전제 순서에 대한 인간의 선호도, 즉 인간은 각 전제를 본 후 즉각적인 결론을 도출할 수 있는 순서로 전제를 제시하는 것을 선호한다고 설명했습니다. 이 연구에서는 LLM도 이러한 선호도를 가지고 있으며, 규칙의 순서가 실측 증명을 따를 때 가장 좋은 성능을 달성한다는 것을 보여 줍니다. Girotto 등(1997)은 전제 순서가 인간의 논리적 추론에 어떤 영향을 미치는지 연구한 결과, 전제 순서가 _모두스 톨렌스_ 문제(즉, P이면 Q, Q가 아니므로 P가 아니다)를 푸는 데는 큰 영향을 미치지만 _모두스 포넨스_ 문제(즉, P이면 Q, P이므로 Q)에는 영향을 미치지 않는다는 것을 발견했습니다. 그러나 우리 연구와 달리 그들은 규칙과 사실 사이의 다른 순서의 영향, 예를 들어 _모두스 톨렌스_ 문제에 대한 실험을 통해 부정 진술(Q가 아님)을 규칙(P이면 Q)보다 먼저 제시하면 그 반대 순서보다 성능이 향상된다는 것을 보여주었습니다. 반면에 우리 연구는 인간과 LLM 모두에게 더 쉬운 _모두스 포넨스_ 문제에 초점을 맞추고 있으며, LLM 성능이 전제의 순서에 여전히 매우 민감하다는 것을 보여줍니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Order effect for human logical reasoning. Although the premise order does not matter in deductive reasoning, several studies show that the premise order can impact the human reasoning performance (Dekeyser et al., 2000; Girotto et al., 1997). Dekeyser et al. (2000) described _co-reference_ as a human preference of premise order; i.e., humans prefer the premises to be presented in an order where they can draw immediate conclusions after seeing each one. In this work, we show that LLMs also have such a preference, and they achieve the best performance when the ordering of rules follows the ground truth proof. Girotto et al. (1997) studied how the premise order affects logical reasoning for humans, and found that the premise order has a significant effect in solving _modus tollens_ problems (i.e., if P, then Q; not Q; therefore, not P), but not _modus ponens_ problems (i.e., if P, then Q; P; therefore, Q). However, differing from our work, they studied the influence of different ordering between rules and facts, e.g., their experiments on _modus tollens_ problems show that presenting negation statements (not Q) before rules (if P, then Q) improves the performance over the reverse order. On the other hand, our work focuses on _modus ponens_ problems that are easier for both humans and LLMs, and we show that the LLM performance is still quite sensitive to the ordering of the premises. [\|assistant\|]
마지막으로, 섹션 7에서는 Learning Rate 재가열이 원치 않는 망각을 유발할 수 있음을 설명하고, 이를 우회할 수 있는 유망한 방법으로 무한 Learning Rate 일정을 소개하며, 이러한 일정을 baseline과 비교한다.[\|endofturn\|]	마지막으로, 섹션 7에서는 LR 재가열이 원치 않는 망각을 유발할 수 있음을 설명하고, 이를 우회할 수 있는 유망한 방법으로 무한 학습 속도 일정을 소개하며, 이러한 일정을 기준과 비교한다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Finally, in section 7, we illustrate LR re-warming can cause unwanted forgetting, introduce infinite learning rate schedules as a promising way to circumvent it, and compare these schedules to baselines. [\|assistant\|]
128-core TPU v3에서 약 131시간 또는 5.5일 동안 훈련했습니다. 대략 중복된 데이터 세트는 원본 데이터 세트보다 3.9% 작고 63시간/epoch에 훈련되므로 두 epoch에 대해 약 5시간의 컴퓨팅 시간을 절약할 수 있습니다. XL-Originalmodel은 북미에서 훈련되었고, XL-ExactSubstr과 XL-NearDup은 대만에서 훈련되었습니다. 이러한 모델을 훈련하는 데 사용된 에너지 양을 추정하기 위해 Patterson 등(2021)의 데이터를 사용하여 시간당 \(MWh\)/core의 양을 계산하고 사용량을 곱하여 계산했습니다(이러한 값을 계산한 방법은 표 6을 참조하세요). 간단하게 하기 위해 대만 데이터센터의 추정치를 사용했습니다. XL-Original 및 XL-ExactSubstr의 2개 epoch를 훈련하는 데는 \(5.86MWh\)가 사용된 것으로 추정됩니다. XL-NearDup은 더 적은 단계로 훈련되며 \(5.63MWh\)가 사용된 것으로 추정됩니다. 각 기본 모델을 훈련하는 데는 64-core TPU v3 pod slice에서 약 3일이 소요되었으며, 이는 약 1.61MWh가 소요되는 것으로 추정됩니다.[\|endofturn\|]	128코어 TPU v3에서 약 131시간 또는 5.5일 동안 훈련했습니다. 대략 중복된 데이터 세트는 원본 데이터 세트보다 3.9% 작고 63시간/에포크에 훈련되므로 두 에포크에 대해 약 5시간의 컴퓨팅 시간을 절약할 수 있습니다. XL-Originalmodel은 북미에서 훈련되었고, XL-ExactSubstr과 XL-NearDup은 대만에서 훈련되었습니다. 이러한 모델을 훈련하는 데 사용된 에너지 양을 추정하기 위해 Patterson 등(2021)의 데이터를 사용하여 시간당 \(MWh\)/코어의 양을 계산하고 사용량을 곱하여 계산했습니다(이러한 값을 계산한 방법은 표 6을 참조하세요). 간단하게 하기 위해 대만 데이터센터의 추정치를 사용했습니다. XL-Original 및 XL-ExactSubstr의 2개 에포크를 훈련하는 데는 \(5.86MWh\)가 사용된 것으로 추정됩니다. XL-NearDup은 더 적은 단계로 훈련되며 \(5.63MWh\)가 사용된 것으로 추정됩니다. 각 기본 모델을 훈련하는 데는 64코어 TPU v3 포드 슬라이스에서 약 3일이 소요되었으며, 이는 약 1.61MWh가 소요되는 것으로 추정됩니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]We trained for approximately 131 hours or 5.5 days on a 128-core TPU v3. The approximate deduplicated dataset is 3.9% smaller than the original dataset and trains in 63 hours/epoch, saving us around 5 hours of compute time for the two epochs. The XL-Originalmodel was trained in North America where the XL-ExactSubstr and XL-NearDup were trained in Taiwan. We used data from Patterson et al. (2021) to estimate amount of energy used in training these models by computing the amount of \(MWh\)/hour/core and multiplying by our usage (see Table 6 for how we computed these values). For simplicity, we use estimates from Taiwaninese datacenters as an estimate. We estimate training 2 epochs of XL-Original and XL-ExactSubstr uses \(5.86MWh\). XL-NearDup is trained for fewer steps and we estimate uses \(5.63MWh\). Training each base model was approximately 3 days on a 64-core TPU v3 pod slice which uses an estimated \(1.61MWh\). [\|assistant\|]
중간 및 qa 프롬프트에 대해 SimCSE objective(Gao et al., 2021)로 학습된 pre-trained BERT 모델의 문장 임베딩의 cosine similarity를 그림 8(a) 및 (b)에 표시합니다. 유사성을 계산할 때 outlier를 제거합니다.[\|endofturn\|]	중간 및 qa 프롬프트에 대해 SimCSE 목표(Gao et al., 2021)로 학습된 사전 학습된 BERT 모델의 문장 임베딩의 코사인 유사성을 그림 8(a) 및 (b)에 표시합니다. 유사성을 계산할 때 이상값을 제거합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]We show the cosine similarity of the sentence embeddings from a pre-trained BERT model trained with SimCSE objective (Gao et al., 2021) for medium and qa prompts in Figure 8(a) and (b). When computing similarity, we remove outliers. [\|assistant\|]
여기에 문서 수준에서 MinHash [8] 중복 제거 단계를 추가합니다. MinHash의 매개변수는 서명당 20개의 해시, 20개의 버킷, 버킷당 1개의 행입니다. 이러한 매개변수는 MinHashLSH의 spark 구현에서 기본 매개변수이며, 컴퓨팅 제한으로 인해 이러한 매개변수에 대한 hyperparameter sweep을 수행하지 않았습니다. 이전 연구에서는 훨씬 더 공격적인 매개변수로 MinHash를 실행하려고 시도했습니다: Lee 등 [27]과 Penedo 등 [39]은 버킷 20개, 버킷당 해시 450개, 해시당 서명 9000개를 사용합니다. 더 공격적인 MinHash를 사용하면 더 많은 템플릿을 제거하여 더 높은 품질의 시작 데이터 세트를 생성하여 D4의 SemDeDup 단계가 덜 필요할 수 있다고 추측합니다. Abbas 등 [1]은 C4에서 고정된 데이터 선택 비율 3.9%에서 Lee 등 [27]의 MinHash와 SemDeDup의 성능이 비슷하다는 것을 발견했는데, 이는 SemDeDup이 공격적인 MinHash와 유사한 데이터를 걸러낸다는 것을 나타냅니다. 이러한 hyperparameter를 sweep하는 것은 향후 작업으로 남겨두었습니다.[\|endofturn\|]	여기에 문서 수준에서 MinHash [8] 중복 제거 단계를 추가합니다. MinHash의 매개변수는 서명당 20개의 해시, 20개의 버킷, 버킷당 1개의 행입니다. 이러한 매개변수는 MinHashLSH의 스파크 구현에서 기본 매개변수이며, 컴퓨팅 제한으로 인해 이러한 매개변수에 대한 하이퍼파라미터 스윕을 수행하지 않았습니다. 이전 연구에서는 훨씬 더 공격적인 매개변수로 MinHash를 실행하려고 시도했습니다: Lee 등 [27]과 Penedo 등 [39]은 버킷 20개, 버킷당 해시 450개, 해시당 서명 9000개를 사용합니다. 더 공격적인 MinHash를 사용하면 더 많은 템플릿을 제거하여 더 높은 품질의 시작 데이터 세트를 생성하여 D4의 SemDeDup 단계가 덜 필요할 수 있다고 추측합니다. Abbas 등 [1]은 C4에서 고정된 데이터 선택 비율 3.9%에서 Lee 등 [27]의 MinHash와 SemDeDup의 성능이 비슷하다는 것을 발견했는데, 이는 SemDeDup이 공격적인 MinHash와 유사한 데이터를 걸러낸다는 것을 나타냅니다. 이러한 하이퍼파라미터를 스윕하는 것은 향후 작업으로 남겨두었습니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]On top of this, we add an additional step of MinHash [8] de-duplication at the document-level. The parameters for MinHash are 20 hashes per signature, 20 buckets, and 1 row per bucket. These parameters are the default parameters in the spark implementation of MinHashLSH, and we did not do a hyperparameter sweep on these parameters due to compute limitations. Previous work has attempted running MinHash with much more aggressive parameters: Lee et al. [27] and Penedo et al. [39] use \(20\) buckets, \(450\) hashes per bucket, and \(9000\) signatures per hash. We conjecture that more aggressive MinHash would remove more templates, resulting in a higher-quality starting dataset, potentially making the SemDeDup step of D4 less necessary. Abbas et al. [1] did find that the performance of MinHash from Lee et al. [27] and SemDeDup are comparable at a fixed data selection ratio of 3.9% on C4, indicating that SemDeDup filters out similar data to aggressive MinHash does. We leave sweeping over these hyperparameters as future work. [\|assistant\|]
\(\bullet\)_Embeddings_. 이 형식에서는 메모리 정보가 embedding 벡터로 인코딩되어 메모리 검색 및 읽기 효율성을 향상시킬 수 있습니다. 예를 들어, MemoryBank [39]는 각 메모리 세그먼트를 embedding 벡터로 인코딩하여 검색을 위한 인덱싱된 코퍼스를 생성합니다. [16]은 참조 계획을 embeddings로 표현하여 일치 및 재사용을 용이하게 합니다. 또한 ChatDev [18]은 검색을 위해 대화 기록을 벡터로 인코딩합니다.[\|endofturn\|]	\(\bullet\)_임베딩_. 이 형식에서는 메모리 정보가 임베딩 벡터로 인코딩되어 메모리 검색 및 읽기 효율성을 향상시킬 수 있습니다. 예를 들어, MemoryBank [39]는 각 메모리 세그먼트를 임베딩 벡터로 인코딩하여 검색을 위한 인덱싱된 코퍼스를 생성합니다. [16]은 참조 계획을 임베딩으로 표현하여 일치 및 재사용을 용이하게 합니다. 또한 ChatDev [18]은 검색을 위해 대화 기록을 벡터로 인코딩합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]\(\bullet\)_Embeddings_. In this format, memory information is encoded into embedding vectors, which can enhance the memory retrieval and reading efficiency. For instance, MemoryBank [39] encodes each memory segment into an embedding vector,which creates an indexed corpus for retrieval. [16] represents reference plans as embeddings to facilitate matching and reuse. Furthermore, ChatDev [18] encodes dialogue history into vectors for retrieval. [\|assistant\|]
# 출력 K=2일 때 Equation 18은 Bradley-Terry 모델로 축소된다는 점에 유의하세요. 그러나 일반적인 Plackett-Luce 모델의 경우에도 Equation 5의 결과를 활용하고 최적의 정책으로 매개변수화된 보상 함수를 대입할 수 있습니다.[\|endofturn\|]	K=2\)일 때 방정식 18은 브래들리-테리 모델로 축소된다는 점에 유의하세요. 그러나 일반적인 플라켓-루스 모델의 경우에도 Eq. 5의 결과를 활용하고 최적의 정책으로 매개변수화된 보상 함수를 대입할 수 있습니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]Notice that when \(K=2\), Equation 18 reduces to the Bradley-Terry model. However, for the general Plackett-Luce model, we can still utilize the results of Eq. 5 and substitute the reward function parameterized by its optimal policy. [\|assistant\|]
일부 생성 프로세스가 스케줄러에 의해 중간 단계에서 중지된 경우, context 관리자는 snapshot 기능을 사용하여 응답 생성을 위해 탐색 중인 모든 중간 확률 및 경로를 포함하여 LLM의 beam search 트리의 현재 상태를 캡처하고 저장합니다. 재개 시 restoration 기능을 사용하여 snapshot에서 저장된 상태를 다시 로드하면 LLM이 중단된 지점부터 정확히 최종 답에 도달할 수 있습니다: _파리의 날씨 검색_. 이러한 방식으로 context 관리자는 한 에이전트의 요청이 일시적으로 중단되어도 진행 상황이 손실되지 않도록 하여 응답 생성의 품질과 효율성을 저하시키지 않으면서 리소스 사용을 최적화합니다.[\|endofturn\|]	일부 생성 프로세스가 스케줄러에 의해 중간 단계에서 중지된 경우, 컨텍스트 관리자는 스냅샷 기능을 사용하여 응답 생성을 위해 탐색 중인 모든 중간 확률 및 경로를 포함하여 LLM의 빔 검색 트리의 현재 상태를 캡처하고 저장합니다. 재개 시 복원 기능을 사용하여 스냅샷에서 저장된 상태를 다시 로드하면 LLM이 중단된 지점부터 정확히 최종 답에 도달할 수 있습니다: _파리의 날씨 검색_. 이러한 방식으로 컨텍스트 관리자는 한 에이전트의 요청이 일시적으로 중단되어도 진행 상황이 손실되지 않도록 하여 응답 생성의 품질과 효율성을 저하시키지 않으면서 리소스 사용을 최적화합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]When such generation process has been suspended by the scheduler at an intermediate step, the context manager uses the snapshot function to capture and store the current state of the LLM's beam search tree, including all intermediate probabilities and paths being explored for generating the response. Upon resumption, the restoration function is employed to reload the saved state from the snapshot, allowing the LLM to continue its generation process exactly from the point of suspension to reach the final answer: _Search weather in Paris_. In this way, the context manager ensures that the temporary suspension of one agent's request does not lead to a loss of progress, thereby optimizing resource use without compromising the quality and efficiency of response generation. [\|assistant\|]
# 출력 신뢰 구간 0.001을 얻으려면 몇 번의 training 실행이 필요할까요? 표준 오차는 \(\sqrt{N}\)에서 축소되므로 실험 횟수를 \(50^{2}\) 또는 2500배로 늘려야 합니다. 즉, Hoffmann 등이 보고한 것만큼 촘촘한 신뢰 구간을 얻으려면 약 \(240\배 2116=600,000\)의 training 결과에 액세스해야 합니다.[\|endofturn\|]	신뢰 구간 0.001을 얻으려면 몇 번의 훈련 실행이 필요할까요? 표준 오차는 \(\sqrt{N}\)에서 축소되므로 실험 횟수를 \(50^{2}\) 또는 2500배로 늘려야 합니다. 즉, Hoffmann 등이 보고한 것만큼 촘촘한 신뢰 구간을 얻으려면 약 \(240\배 2116=600,000\)의 훈련 결과에 액세스해야 합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]How many training runs would we need to observe to get a confidence interval of 0.001? Since the standard errors shrink in \(\sqrt{N}\), we would need to increase the number of experiments by a factor of \(50^{2}\) or 2500. That means that we would need to have access to the results from nearly \(240\times 2116=600,000\) training runs to obtain a confidence interval as tight as that reported by Hoffmann et al. [\|assistant\|]
실험에 사용된 모든 데이터 세트에 대해 위에서 설명한 기법을 사용하여 답을 생성합니다. Gorilla APIBench 데이터 세트에는 이미 답변에 추론이 포함되어 있습니다. Fig. 3에 생성 단계의 예를 제공하며, 상세한 추론 답변에는 #begin_quote## 및 ##end_quote## 내부의 원본 컨텍스트에서 인용문과 인용문을 기반으로 결론에 도달하는 방법에 대한 자세한 설명이 포함됩니다. 실험 섹션에서 상세한 추론 단락을 추가하면 모델의 성능을 향상시키는 데 도움이 된다는 것을 보여 줍니다.[\|endofturn\|]	실험에 사용된 모든 데이터 세트에 대해 위에서 설명한 기법을 사용하여 답을 생성합니다. 고릴라 APIBench 데이터 세트에는 이미 답변에 추론이 포함되어 있습니다. Fig. 3에 생성 단계의 예를 제공하며, 상세한 추론 답변에는 #begin_quote## 및 ##end_quote## 내부의 원본 컨텍스트에서 인용문과 인용문을 기반으로 결론에 도달하는 방법에 대한 자세한 설명이 포함됩니다. 실험 섹션에서 상세한 추론 단락을 추가하면 모델의 성능을 향상시키는 데 도움이 된다는 것을 보여 줍니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]For all the datasets in our experiments, we generate the answers using the technique described above. Note that the Gorilla APIBench dataset, already includes reasoning in the answers. We provide an example of the generation step in Fig. 3, the detailed reasoning answer includes a citation from the original context inside #begin_quote## and ##end_quote## as well as the detailed explanation on how to reach the conclusion based on the citations. We demonstrate that adding detailed reasoning paragraphs helps boost the model's performance in our experiment section. [\|assistant\|]
머신 번역을 위해 처음 제안된 Transformer 언어 모델 아키텍처는 Encoder와 Decoder로 구성됩니다. Encoder는 N = 6의 동일한 Transformer 레이어 스택으로 구성됩니다. 각 레이어에는 두 개의 하위 레이어가 있습니다. 첫 번째는 multi-head self-attention 레이어이고, 다른 하나는 단순한 위치별 완전 연결 피드 포워드 네트워크입니다. Decoder는 6개의 동일한 레이어 스택으로 구성됩니다. 각 Encoder 레이어의 두 개의 하위 레이어 외에도 Decoder에는 Encoder 스택의 출력에 대해 multi-head attention을 수행하는 세 번째 하위 레이어가 있습니다. Attention 기능은 쿼리와 키-값 쌍 세트를 출력에 매핑하는 것으로 설명할 수 있으며, 여기서 쿼리, 키, 값 및 출력은 모두 벡터입니다. 출력은 값의 가중치 합으로 계산되며, 각 값에 할당된 가중치는 해당 키와 쿼리의 호환성 함수에 의해 계산됩니다. \(d_{model}\) 차원의 키, 값, 쿼리를 사용하여 단일 attention 기능을 수행하는 대신, 학습된 서로 다른 선형 투영을 통해 쿼리, 키, 값 \(h\)를 각각 \(d_{k}\), \(d_{k}\), \(d_{v}\) 차원으로 선형적으로 투영하는 것이 유리한 것으로 나타났습니다. 위치 인코딩은 시퀀스에서 토큰의 상대적 또는 절대적 위치에 대한 정보를 융합하기 위해 통합됩니다.[\|endofturn\|]	머신 번역을 위해 처음 제안된 트랜스포머 언어 모델 아키텍처는 인코더와 디코더로 구성됩니다. 인코더는 N = 6의 동일한 트랜스포머 레이어 스택으로 구성됩니다. 각 레이어에는 두 개의 하위 레이어가 있습니다. 첫 번째는 다중 헤드 자기 주의 레이어이고, 다른 하나는 단순한 위치별 완전 연결 피드 포워드 네트워크입니다. 디코더는 6개의 동일한 레이어 스택으로 구성됩니다. 각 인코더 레이어의 두 개의 하위 레이어 외에도 디코더에는 인코더 스택의 출력에 대해 다중 헤드 주의를 수행하는 세 번째 하위 레이어가 있습니다. 주의 기능은 쿼리와 키-값 쌍 세트를 출력에 매핑하는 것으로 설명할 수 있으며, 여기서 쿼리, 키, 값 및 출력은 모두 벡터입니다. 출력은 값의 가중치 합으로 계산되며, 각 값에 할당된 가중치는 해당 키와 쿼리의 호환성 함수에 의해 계산됩니다. d_{model}$ 차원의 키, 값, 쿼리를 사용하여 단일 주의 기능을 수행하는 대신, 학습된 서로 다른 선형 투영을 통해 쿼리, 키, 값 $h$를 각각 $d_{k}$, $d_{k}$, $d_{v}$ 차원으로 선형적으로 투영하는 것이 유리한 것으로 나타났습니다. 위치 인코딩은 시퀀스에서 토큰의 상대적 또는 절대적 위치에 대한 정보를 융합하기 위해 통합됩니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]The Transformer language model architecture, originally proposed for machine translation, consists of an encoder and a decoder. The encoder is composed of a stack of N = 6 identical Transformer layers. Each layer has two sub-layers. The first one is a multi-head self-attention layer, and the other one is a simple position-wise fully connected feed-forward network. The decoder is composed of a stack of 6 identical layers. In addition to the two sub-layers in each encoder layer, the decoder has a third sub-layer, which performs multi-head attention over the output of the encoder stack. The attention function can be described as mapping a query and a set of key-value pairs to an output, where the query, keys, values, and output are all vectors. The output is computed as a weighted sum of the values, where the weight assigned to each value is computed by a compatibility function of the query with the corresponding key. Instead of performing a single attention function with \(d_{model}\) dimensional keys, values and queries, it is found to be beneficial to linearly project the queries, keys and values \(h\) with different, learned linear projections to \(d_{k}\), \(d_{k}\) and \(d_{v}\) dimensions, respectively. Positional encoding is incorporated to fuse information about the relative or absolute position of the tokens in the sequence. [\|assistant\|]
시스템에서 Fine-tuned GPT-4를 Fine-tuned GPT-3.5로 대체하고 섹션 6.1에서와 동일한 방법론을 사용하여 평가합니다. 여기서 우리의 Brier score는 이전 점수인 .179에 비해 .182로 약간만 나빠지는 것을 발견했습니다.[\|endofturn\|]	시스템에서 미세 조정된 GPT-4를 미세 조정된 GPT-3.5로 대체하고 섹션 6.1에서와 동일한 방법론을 사용하여 평가합니다. 여기서 우리의 브리어 점수는 이전 점수인 .179에 비해 .182로 약간만 나빠지는 것을 발견했습니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]We replace fine-tuned GPT-4 in our system with fine-tuned GPT-3.5, and evaluate using the same methodology as in Section 6.1. We find here that our Brier score is only slightly worse:.182 compared to the previous score of.179. [\|assistant\|]
다음으로, 모델이 작은 훈련 데이터 세트에서 이전에 보지 못했던 새로운 지식을 학습할 때 Fine-tuning 단계에 역 훈련을 적용할 수 있는지 살펴봅니다. 섹션 3.3에서 설명한 것과 동일한 사전 학습된 모델과 추가로 LLama-2 7B 모델을 사용하여 가상의 사실로 구성된 데이터 세트에 대해 추가로 Fine-tuning합니다. 이 데이터는 "[이름]은 [설명]" 또는 그 반대 형식의 문장으로 구성되며, 이름과 설명은 무작위로 생성됩니다. 이 데이터 세트의 가상적 특성은 사전 학습 중에 해당 사실을 볼 수 없으며, Fine-tuning 중에 지정된 방향으로만 볼 수 있음을 보장합니다. 그런 다음 모델이 학습 중에 본 것과 같은 방향 또는 반대 방향으로 이러한 사실을 학습할 수 있는지 테스트합니다.[\|endofturn\|]	다음으로, 모델이 작은 훈련 데이터 세트에서 이전에 보지 못했던 새로운 지식을 학습할 때 미세 조정 단계에 역 훈련을 적용할 수 있는지 살펴봅니다. 섹션 3.3에서 설명한 것과 동일한 사전 학습된 모델과 추가로 LLama-2 7B 모델을 사용하여 가상의 사실로 구성된 데이터 세트에 대해 추가로 미세 조정합니다. 이 데이터는 "[이름]은 [설명]" 또는 그 반대 형식의 문장으로 구성되며, 이름과 설명은 무작위로 생성됩니다. 이 데이터 세트의 가상적 특성은 사전 학습 중에 해당 사실을 볼 수 없으며, 미세 조정 중에 지정된 방향으로만 볼 수 있음을 보장합니다. 그런 다음 모델이 학습 중에 본 것과 같은 방향 또는 반대 방향으로 이러한 사실을 학습할 수 있는지 테스트합니다.[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]We next explore if our reverse training can be applied to the finetuning stage when the model is learning new, previously unseen knowledge from a small training dataset. We use the same pre-trained models described in Section 3.3 and an additional LLama-2 7B model, and further finetune them on a dataset made up of fictitious facts. These data are made up of statements of the form "[name] is [description]" (or the reverse) where the names and descriptions are randomly generated. The fictitious nature of this dataset guarantees that those facts are not seen during pre-training, and are only seen in the specified direction during finetuning. The model is then tested to see if it is able to learn these facts in the same or reverse direction that it has seen during training. [\|assistant\|]
이 연구에서는 모델의 지식과 사실 데이터를 기억하고 이해하며 검색하는 능력에 대한 평가에 초점을 맞추고 있습니다. 우리는 _knowledge injection_(Wang et al., 2020; Chen et al., 2022; Liu et al., 2020; Lauscher et al., 2020)의 개념을 이해하는 것을 목표로 합니다. 텍스트 코퍼스 형태의 지식 베이스가 주어졌을 때, 사전 학습된 모델에 이 지식을 가르치는 가장 좋은 방법은 무엇일까요?[\|endofturn\|]	이 연구에서는 모델의 지식과 사실 데이터를 기억하고 이해하며 검색하는 능력에 대한 평가에 초점을 맞추고 있습니다. 우리는 _지식 주입_(Wang et al., 2020; Chen et al., 2022; Liu et al., 2020; Lauscher et al., 2020)의 개념을 이해하는 것을 목표로 합니다. 텍스트 코퍼스 형태의 지식 베이스가 주어졌을 때, 사전 학습된 모델에 이 지식을 가르치는 가장 좋은 방법은 무엇일까요?[\|endofturn\|]	[\|system\|]당신은 번역기 입니다. 영어 문장을 한국어로 번역하세요.[\|endofturn\|] [\|user\|]In this work, we focus on the evaluation of a model's knowledge and its ability to memorize, understand, and retrieve factual data. We aim to understand the concept of _knowledge injection_(Wang et al., 2020; Chen et al., 2022; Liu et al., 2020; Lauscher et al., 2020). Given some knowledge base in the form of a text corpus, what is the best way to teach a pre-trained model this knowledge? [\|assistant\|]