Para peneliti mengusulkan NeuFS, sebuah kerangka Pembelajaran Few-Shot Aktif yang Sadar Neuron yang menggeser pemilihan sampel dari proksi tingkat output ke dinamika model internal. Metode ini memanfaatkan pola aktivasi neuron untuk merepresentasikan sampel dan menggunakan strategi dua kriteria untuk memastikan keberagaman serta mengidentifikasi contoh menantang yang rentan terhadap halusinasi.
- Mengganti entropi prediktif dan embedding eksternal dengan pola aktivasi neuron untuk representasi sampel.
- Menggunakan konsensus neuron untuk memprioritaskan sampel few-shot yang informatif dan menantang yang cenderung dihalusinasi oleh LLM.
- Memastikan keberagaman sampel few-shot melalui pola neuron untuk cakupan contoh yang lebih luas.
- Mengungguli baseline AFSL yang ada pada tugas penalaran dan klasifikasi teks di tiga dataset.
Studi ablasi memvalidasi bahwa aktivasi neuron internal memberikan sinyal seleksi yang lebih berprinsip daripada embedding eksternal, mengonfirmasi efektivitas kerangka kerja tersebut.