Voyager Paper review
๋ง์ธํฌ๋ํํธ์์ ์ค์ค๋ก ๊ณผ์ ๋ฅผ ์ ํ๊ณ , ์ฑ๊ณตํ ํ๋์ ์ฝ๋๋ก ์ ์ฅํด ์ฌ์ฌ์ฉํ๋ lifelong learning ์์ด์ ํธ. ReAct์ Reflexion์ ์ฌ๊ธฐ์ ๋๋ฌด ๋๊ตฌ๋ ๋ชป ๋ง๋ค์๋ค.
์ฑ๋ดยทNLPยทLLMยทAgent ๊ด๋ จ ๋ ผ๋ฌธ์ ์ฝ๊ณ ํต์ฌ๋ง ์ ๋ฆฌํ๋ ๊ณต๊ฐ์ ๋๋ค.
๋ง์ธํฌ๋ํํธ์์ ์ค์ค๋ก ๊ณผ์ ๋ฅผ ์ ํ๊ณ , ์ฑ๊ณตํ ํ๋์ ์ฝ๋๋ก ์ ์ฅํด ์ฌ์ฌ์ฉํ๋ lifelong learning ์์ด์ ํธ. ReAct์ Reflexion์ ์ฌ๊ธฐ์ ๋๋ฌด ๋๊ตฌ๋ ๋ชป ๋ง๋ค์๋ค.
ProfileยทMemoryยทPlanningยทAction, ์์ด์ ํธ 4๋ชจ๋์ด๋ผ๋ ํต๋ ์ ์ถ์ฒ. CoALA๊ฐ ์ด๋ก ์ด๋ผ๋ฉด ์ด ์๋ฒ ์ด๋ 2023๋ ๊น์ง์ ์์ด์ ํธ ์ฐ๊ตฌ ์ ์ฒด๋ฅผ ์ ๋ฆฌํ ์นดํ๋ก๊ทธ๋ค.
์์ด์ ํธ๋ฅผ ๋ณผ ๋ ์ธ ๊ฐ์ง๋ง ๋ฌผ์ผ๋ฉด ๋๋ค. ๋ฌด์์ ๊ธฐ์ตํ๋๊ฐ, ๋ฌด์์ ํ ์ ์๋๊ฐ, ์ด๋ป๊ฒ ๊ฒฐ์ ํ๋๊ฐ. ReAct๋ถํฐ Voyager๊น์ง๋ฅผ ์ด ์ธ ์ง๋ฌธ์ผ๋ก ์ ๋ฆฌํ ๋ ผ๋ฌธ.
LLM ์์ด์ ํธ 25๋ช ์ ๊ฐ์ ๋ง์์ ํ์ด๋์ผ๋ฉด ๋ฌด์จ ์ผ์ด ๋ฒ์ด์ง๋๊ฐ. ํ๋์ ์ ํ๋๊ฐ ์๋๋ผ, ๊ธฐ์ต-ํ์-๋ฐ์ฑ-๊ณํ ๊ตฌ์กฐ๊ฐ ๊ฒฝํ์ ๊ทผ๊ฑฐํ ๋ฏฟ์ ๋งํ ํ๋์ ์ ์ง์ํค๋์ง๋ฅผ ์ธก์ ํ ๋ ผ๋ฌธ.
์ฌ๋ ์ด๋ ธํ ์ด์ ์์ด LM์ด ์ค์ค๋ก ๋๊ตฌ ์ฌ์ฉ๋ฒ์ ๋ฐฐ์ด๋ค. โ์ด ๋๊ตฌ ํธ์ถ์ด ๋ค์ ํ ํฐ ์์ธก์ ์ฝ๊ฒ ํ๋๊ฐโ๋ผ๋ ํํฐ ํ๋๋ก ํ์ต ๋ฐ์ดํฐ๋ฅผ ๋ง๋ ๋ ผ๋ฌธ.
์คํจ๋ฅผ ๋ฐ์ฑ๋ฌธ์ผ๋ก ๋จ๊ฒจ ๋ค์ ์๋์ ์จ๋จน๋ ์์ด์ ํธ. ๊ฐ์ค์น ์ ๋ฐ์ดํธ ์๋ โ๋ง๋ก ํ๋ ๊ฐํํ์ตโ์ผ๋ก HumanEval 91%๋ฅผ ์ฐ์๋ค.
์ง๊ธ ๋ชจ๋ LLM Agent์ ๋ผ๋๊ฐ ๋ ๋ ผ๋ฌธ. Thought โ Action โ Observation ๋ฃจํ๋ถํฐ LangChain create_agent๊น์ง ๋ฏ์ด๋ณธ๋ค.
Llama Guard: LLM-based Input-Output Safeguard for Human-AI Conversations
Proxy-tuning: Tuning Language Models by Proxy
SOLAR 10.7B: Scaling Large Language Models with Simple yet Effective Depth Up-Scaling Paper review
A Survey of Large Language Models ๋ ผ๋ฌธ ๋ฆฌ๋ทฐ
2021 EMNLP ๊ฐ๋จ ๋ฆฌ๋ทฐ
Multi-Task Pre-Training for Plug-and-Play Task-Oriented Dialogue System
UBAR: Towards Fully End-to-End Task-Oriented Dialog System with GPT-2
Dual Slot Selector via Local Reliability Verification for Dialogue State Tracking
Preview, Attend and Review: Schema-Aware Curriculum Learning for Multi-Domain Dialog State Tracking
TripPy: A Triple Copy Strategy for Value Independent Neural Dialog State Tracking
Slot-Gated Modeling for Joint Slot Filling and Intent Prediction
Joint learning for intent, slot-filling
SOLOIST: Building Task Bots at Scale with Transfer Learning and Machine Teaching
Learning Relational Dependency Networks for Relation Extraction
Language-Independent Discriminative Parsing of Temporal Expressions
Semi-supervised Named Entity Recognition in noisy-text
Neural Machine Translation
Post-Training
SimpleTOD: A Simple Language Model for Task-Oriented Dialogue