N 베스트 샘플링 및 순위 재지정
N개 최고 샘플링은 모델에서 여러 후보 답변을 생성한 다음 별도의 채점 단계를 사용하여 가장 좋은 답변을 선택합니다.
개요
It is one of the simplest, most reliable ways to trade extra compute at inference time for higher answer quality.
심층 분석
샘플링이 포함된 언어 모델은 실행할 때마다 다른 출력을 생성합니다. Best-of-N은 이를 활용합니다. N개의 후보 응답을 그린 다음 순위를 다시 매기고 상위 응답을 반환합니다. reranker는 학습된 보상 모델(인간 피드백을 통한 강화 학습에서 일반적임), 정확성을 확인하는 검증자 또는 다수 투표를 통한 답변 합의와 같은 간단한 경험적 방법일 수 있습니다. 모델에는 여러 시도 중 하나의 좋은 시도만 필요하기 때문에 특히 올바른 경로가 존재하지만 항상 첫 번째 샘플이 아닌 추론 및 코드 작업에서는 N이 커짐에 따라 품질이 급격하게 상승하는 경우가 많습니다. N에서 비용은 선형이며 득점자가 불완전한 경우 결국 정체되거나 심지어 역전됩니다. 이러한 실패 모드를 보상 해킹 또는 보상 과잉 최적화라고 합니다.
기술적 통찰력
N 베스트의 품질은 전적으로 득점자에게 달려 있습니다. 완벽한 검증기를 사용하면 정확도가 N 샘플 중 적어도 하나가 정확할 확률에 접근하며 이는 N에 따라 빠르게 증가합니다. 시끄러운 보상 모델을 사용하면 선택이 속일 수 있습니다. N을 매우 높게 밀면 점수가 높은 출력이 증폭되지만 실제로는 잘못된 출력이 증폭됩니다. 왜냐하면 득점원의 사각지대에 대해 최적화하고 있기 때문입니다. 이것이 바로 기술이 지속적으로 성과를 거두려면 보정되고 강력한 보상 모델이 중요한 이유입니다.
전략적 영향
속도와 규모
일관성을 유지하면서 언어 워크플로를 더 빠르게 진행할 수 있습니다.
접근 및 도달
언어와 의사소통 스타일 전반에 걸쳐 접근성을 확장합니다.
더 명확한 결정들
자동화가 반복을 처리하는 동안 팀은 판단에 더 많은 시간을 할애할 수 있습니다.
N 베스트 샘플링 및 순위 재지정의 미래
Best-of-N은 사고 사슬 및 트리 검색과 함께 추론 시간 확장의 핵심 구성 요소가 되고 있습니다. 더 스마트한 변형을 기대하세요: 가중 다수결 투표, 각 추론 단계에 점수를 매기는 프로세스 보상 모델, 신뢰도가 높아지면 샘플링을 중지하는 적응형 N. 특히 정확성을 확인할 수 있는 코드 및 수학의 경우 검증자가 향상됨에 따라 많은 샘플의 순위를 다시 지정하는 것이 기본 모델을 재교육하지 않고도 예비 컴퓨팅을 안정성으로 변환하는 표준 방법이 될 것입니다.
실제 구현
수학 문제에 대한 64개의 답을 샘플링하고 가장 많은 샘플이 동의하는 답을 선택합니다(자체 일관성/다수 투표).
여러 코드 완성을 생성하고 가장 많은 단위 테스트를 통과한 코드 완성을 자동 검증자로 유지합니다.
RLHF 파이프라인에서 여러 응답을 도출하고 사용자에게 제공할 가장 높은 보상 모델 점수 응답을 선택합니다.
여러 초안 요약을 생성하고 품질 모델로 순위를 다시 지정하여 가장 충실하고 간결한 요약을 반환합니다.
위험 및 가드레일
환각 사실은 보고서, 지원 흐름 또는 연구 결과에 조용히 포함될 수 있습니다.
신속한 민감도는 유사한 요청 간에 일관되지 않은 결과를 초래할 수 있습니다.
액세스 제어가 약한 경우 민감한 텍스트 데이터가 노출될 수 있습니다.
구현 로드맵
출시 전에 출력 형식, 톤, 품질 표준을 정의하세요.
정확성이 중요할 때마다 신뢰할 수 있는 출처를 통해 대응하세요.
고위험 결과물에 대한 인적 검토 체크포인트를 유지합니다.
실패 패턴을 추적하고 프롬프트나 워크플로를 정기적으로 재교육하세요.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Best-of-N Sampling and Reranking quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
온도 및 샘플링
자주 묻는 질문
What is Best-of-N Sampling and Reranking?
N개 최고 샘플링은 모델에서 여러 후보 답변을 생성한 다음 별도의 채점 단계를 사용하여 가장 좋은 답변을 선택합니다. 이는 더 높은 답변 품질을 위해 추론 시 추가 컴퓨팅을 교환하는 가장 간단하고 안정적인 방법 중 하나입니다.
N 베스트 샘플링의 핵심 아이디어는 무엇입니까?
Best-of-N은 여러 후보 응답을 뽑은 다음 순위를 다시 매겨 가장 높은 점수를 반환합니다.
N개 최선이 가장 도움이 되는 작업 종류는 무엇입니까?
모델이 가끔씩만 찾는 검증 가능한 정답이 있는 경우 더 많은 후보를 샘플링하면 해당 답이 맞을 확률이 높아집니다.
N 최선이 실제로 결과를 향상시키는지 여부는 주로 무엇이 결정합니까?
선택은 reranker만큼 좋습니다. 약하거나 편향된 득점자는 잘못된 답을 선택할 수 있습니다.
불완전한 보상 모델로 N이 매우 높게 밀릴 때 어떤 실패 모드가 나타날 수 있습니까?
결함이 있는 득점원에 대해 열심히 최적화하면 사각지대를 활용하는 출력이 증폭되므로 정확도가 정체되거나 떨어질 수 있습니다.
자체 일관성이라고도 알려진 간단한 순위 재지정 전략은 무엇입니까?
자체 일관성은 많은 추론 체인을 샘플링하고 대부분의 체인이 동의하는 최종 답을 선택합니다.