인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This study explores the effectiveness of Self-Consistency-based Prompt Tuning for improving the performance of Korean MRC(Machine Reading Comprehension) tasks. While LLM(Large Language Models) like ChatGPT(Chat Generative Pre-trained Transformer) and Gemini have achieved impressive results in English-based NLP(Natural Language Processing), their performance often degrades in Korean due to linguistic complexity and limited high-quality datasets. To address this, we propose a Hard Prompt Tuning framework combined with a Self-Consistency inference strategy using the light-weight Gemma2 2B(Billion) model. The method generates multiple answers to a single question and selects the most consistent response, improving reliability and contextual accuracy. Experiments conducted on KorQuAD(The Korean Question Answering Dataset) 1.0 and KLUE(Korean Language Understanding Evaluation) MRC datasets show significant gains in EM(Exact Match) and F1 Score as the number of sampled responses increases. Proposed model outperforms other compact LLMs, including Qwen2 1.5B and Phi-4 mini, and even surpasses the performance of LLaMA3.1 8B in key metrics, despite having fewer parameters. These results demonstrate that parameter-efficient prompt tuning with Self-Consistency can offer competitive accuracy and robustness for Korean MRC, especially in resource-constrained environments.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094346811
