중간 효과에서 길을 잃다
'중간 상실' 효과는 중간에 묻혀 있는 사실을 간과하면서 긴 입력의 시작이나 끝 부분에 정보가 나타날 때 정보를 가장 잘 사용하는 언어 모델의 경향입니다.
개요
It matters because it limits how much we can trust long-context models with retrieved documents.
심층 분석
스탠포드의 Liu와 동료들이 2023년 연구에서 확인한 결과, 모델에게 많은 문서를 제공하고 핵심 사실이 포함된 문서를 사용하여 답변하도록 요청했을 때 효과가 나타났습니다. 정확도는 U자형 곡선을 형성했습니다. 해당 구절이 프롬프트의 시작이나 끝 부분에 있을 때 가장 높았고, 중간에 있을 때 눈에 띄게 낮았습니다. 이는 긴 상황을 지원하는 것으로 판매되는 모델에도 적용됩니다. 검색 증강 생성에 대한 의미는 매우 뚜렷합니다. 프롬프트에 수십 개의 구절을 채워 넣는다고 해서 모델이 해당 구절을 균등하게 읽는다는 보장은 없습니다. 존재감뿐만 아니라 위치도 모델이 사실에 주의를 기울이는지 여부를 결정합니다. 작업은 원시 창 크기가 아닌 효과적인 사용의 문제로 긴 컨텍스트를 재구성했습니다.
기술적 통찰력
U자형 곡선은 주의와 위치 인코딩이 초점을 분배하는 방식에서 비롯된 것 같습니다. 훈련 데이터 구조 및 위치 체계에서 부분적으로 상속된 우선성 및 최신성 편향은 초기 및 후기 토큰에 추가 가중치를 부여합니다. 일부 디코더 아키텍처는 레이어를 통해 초기 토큰 정보를 강력하게 전파하기도 합니다. 결과적으로 중간 위치는 주의를 덜 받게 되므로 거기에 배치된 정답은 맥락에 완전히 존재하는 경우에도 효과적으로 무시될 수 있습니다.
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.
중간 효과의 미래
연구자들은 주의 수정, 위치 인식 훈련, 프롬프트 가장자리에 가장 관련성이 높은 구절의 순위를 다시 매기는 스마트한 검색을 통해 이 효과를 해결하고 있습니다. 이제 평가 제품군에는 효과적인 상황을 측정하기 위해 직위 전반에 걸쳐 '건초 더미 속의 바늘' 테스트가 포함됩니다. 아키텍처가 개선됨에 따라 U-곡선은 평탄화되지만 실무자들은 일관된 관심을 신뢰하기보다는 모델이 실제로 보이는 곳에 중요한 증거를 배치하는 파이프라인을 계속 설계할 것입니다.
실제 구현
RAG 시스템은 20개의 문서를 검색했지만 20개 중 10번째 항목에 도달했기 때문에 답변을 놓쳤습니다.
엔지니어는 검색 결과의 순위를 다시 지정하여 프롬프트에서 가장 관련성이 높은 부분을 첫 번째 또는 마지막에 배치합니다.
긴 문서 요약자는 계약 중간에 나타나는 주요 세부 사항을 과소평가합니다.
'건초 더미 속의 바늘' 벤치마크는 모델의 위치 정확도를 차트로 표시하기 위해 다양한 깊이의 사실을 숨깁니다.
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 Lost in the Middle Effect 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
음향 효과 생성
자주 묻는 질문
What is Lost in the Middle Effect?
'중간 상실' 효과는 중간에 묻혀 있는 사실을 간과하면서 긴 입력의 시작이나 끝 부분에 정보가 나타날 때 정보를 가장 잘 사용하는 언어 모델의 경향입니다. 이는 검색된 문서가 있는 장기 컨텍스트 모델을 얼마나 신뢰할 수 있는지를 제한하기 때문에 중요합니다.
핵심 사실이 긴 프롬프트를 통해 이동함에 따라 정확성은 어떤 형태를 취합니까?
관련 정보가 시작이나 끝 근처에 있고 중간에 내려가 U자 모양을 이룰 때 정확도가 가장 높습니다.
검색 증강 생성에 대해 중간 손실 효과는 무엇을 의미합니까?
단순히 구절을 포함하는 것만으로는 충분하지 않습니다. 프롬프트의 위치에 따라 모델이 이를 사용할 가능성이 달라집니다.
어떤 편견이 효과를 주도한다고 생각됩니까?
위치 인코딩 및 훈련 구조와 연결된 첫 번째 및 마지막 위치에 특별한 주의를 기울이면 U-곡선이 생성됩니다.
긴 컨텍스트 모델이 자동으로 이 효과를 방지합니까?
이 연구에서는 긴 컨텍스트로 판매되는 모델에서 창 크기가 균일한 사용을 보장하지 않는다는 효과를 발견했습니다.
파이프라인의 영향을 상쇄하는 데 도움이 되는 실제적인 단계는 무엇입니까?
시작이나 끝 근처에 가장 관련성이 높은 증거를 배치하면 모델이 가장 많이 집중하는 위치에 맞춰집니다.