Exploring the Impact of Pretraining Corpora on the Performance of Language Models

Q: 이 논문에서 정의한 사전 훈련 말뭉치란 무엇인가?

언어 모델을 훈련시키기 위해 사용되는 대규모 텍스트 데이터 집합을 의미한다. 이는 모델의 초기 지식을 형성하는 데 결정적인 역할을 수행하며, 본 연구에서는 도서, 전문 서적, 뉴스 및 이들의 혼합 형태로 구성되어 모델의 성능에 미치는 영향을 분석하는 핵심 변수로 활용된다.

Q: 사전 훈련 말뭉치의 구성 방식이 언어 모델의 성능에 어떤 영향을 미치는가?

연구 결과, 다양한 도메인을 통합한 Mixup 말뭉치가 전반적으로 가장 우수한 성능을 보였다. 특히 Perplexity와 In-context learning 능력에는 상당한 영향을 미치지만, Fine-tuning 성능에는 영향이 미미하며 오히려 다운스트림 작업 데이터의 도메인 소스가 더 큰 영향을 미치는 것으로 나타났다.

Yujin Jeong; Jaehwan Lee; Chanwoo Park; Donghun Choi; Jaejin Lee

추천

검색

질문

자료유형: 학술대회자료

저자정보: Yujin Jeong (Seoul National University) Jaehwan Lee (Seoul National University) Chanwoo Park (Seoul National University) Donghun Choi (Seoul National University) Jaejin Lee (Seoul National University)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2024 한국컴퓨터종합학술대회 논문집

발행연도: 2024.6

수록면: 996 - 998 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Despite advances in model size to improve performance, research on pretraining corpora remains scarce. To understand the impact of the corpus on model capability, we comprehensively evaluate the performance of language models trained on corpora from different domains. The evaluation results show that the pretraining corpus has a signifi ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)