메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
오지환 (한국과학기술원) 최정환 (한국과학기술원) 김희연 (한국과학기술원) 송환준 (한국과학기술원)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제31권 제2호
발행연도
2025.02
수록면
91 - 97 (7page)
DOI
10.5626/KTCP.2025.31.2.91

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
텍스트 요약 과제에서 LLM(Large Language Model)을 활용할 때, 원본 문서와 요약문 사이에 사실적으로 불일치하는 환각(Hallucination) 문제가 발생한다. 이를 해결하기 위해, 본 연구에서는 환각 수준을 조절할 수 있는 부정적 요약문을 생성하는 새로운 데이터 증강 기법과 이를 위한 언어 모델의 미세 조정 방법을 제안한다. 1만개 문서와 정답 요약문에서 세 가지로 환각 수준을 세분화한 부정적 요약문을 생성하여 총 4만개의 요약문으로 데이터를 증강한 후, 모델이 환각과 사실을 더 효과적으로 구분할 수 있도록 학습시킨다. CNNDM 데이터셋을 활용한 실험 결과, 정량화된 환각 수준을 포함한 부정적 데이터를 사용한 이 접근 방식은 생성된 요약문의 성능을 ROUGE 지표 기준 평균 7.3% 향상시키고, G-Eval 지표 기준 평균 6.3% 향상시켜 증강 데이터를 사용하지 않은 모델보다 뛰어난 성능을 보인다.

목차

요약
Abstract
1. 서론
2. 방법론 및 실험 설정
3. 실험 결과 및 분석
4. 결론
5. 한계 및 향후 연구 방향
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092460760