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.
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.
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.
실천에 옮기기
왜 중요한가요?
- 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.
조심하세요
- 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.
다음 단계
- 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
무료 뉴스레터
일일 AI 브리핑 받기
매주 평일 아침마다 3개의 검증된 AI 스토리를 일반 영어로 작성합니다. 무료이며, 광고 없음.
매주 평일마다 한 번 이메일을 받습니다. 한 번 클릭으로 구독 해지. 주소를 판매하거나 공유하지 않습니다.
자신을 테스트해 보세요
Take the Lost in the Middle Effect quiz
모든 답변에 즉각적인 피드백과, 과정을 통과하면 검증 가능한 ID가 있는 공유 가능한 인증서를 제공합니다.
무료 AI 교육을 지원합니다. AI Understanding는 501(c)(3) 비영리 단체입니다 — 광고 없음, 유료 장벽 없음, 영원히. 기부하기
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.
What positional pattern did the lost-in-the-middle study report?
The paper observed a U-shaped pattern with weaker performance in the middle.
What was the study’s task setup?
The study evaluated long-context use with retrieval-style tasks.
What does this effect imply about a large context window?
The study found performance can depend on the position of relevant information.
A RAG prompt includes many retrieved passages. What should be evaluated?
The guide says stuffing passages does not ensure they are used evenly.
Why might a relevant fact in the middle be missed?
The paper observes that position affects effective use, not simply presence.