研究者らは、サンプル選択を出力レベルの代理指標から内部モデルダイナミクスへ移行するニューロン対応アクティブフューショット学習フレームワークであるNeuFSを提案した。この手法はニューロンの活性化パターンを使用してサンプルを表し、多様性を確保し幻覚を起こしやすい困難な例を特定するために二重基準戦略を採用している。

  • サンプル表現のために予測エントロピーと外部埋め込みの代わりにニューロン活性化パターンを使用する。
  • LLMが幻覚を起こしがちな情報豊富で困難なフューショットサンプルを優先するためにニューロンコンセンサスを使用する。
  • 広範な例のカバレッジのためにニューロンパターンを通じてフューショットサンプルの多様性を確保する。
  • 3つのデータセットにわたる推論とテキスト分類タスクにおいて、既存のAFSLベースラインを上回る性能を示す。

アブレーション研究により、内部ニューロン活性化が外部埋め込みよりもより原理的な選択シグナルを提供することが検証され、フレームワークの有効性が確認された。