저자들은 샘플 선택을 출력 수준 대리 지표에서 내부 모델 동역학으로 전환하는 뉴런 인식 능동적 퓨샷 학습 프레임워크인 NeuFS를 제안합니다. 뉴런 활성화 패턴을 활용하여 이 방법은 특정 지식 격차를 식별하고 인간 주석 비용을 줄이는 것을 목표로 합니다.

  • NeuFS는 외부 임베딩이나 예측 엔트로피 대신 뉴런 활성화 패턴을 사용하여 샘플을 직접 표현합니다.
  • 뉴런 패턴을 통해 다양성을 보장하고 뉴런 합의를 정량화하여 정보량이 풍부한 샘플을 우선순위화하는 이중 기준 전략을 사용합니다.
  • 세 데이터셋에 대한 실험 결과, NeuFS가 추론 및 텍스트 분류 작업에서 기존 능동적 퓨샷 학습 기반을 능가함을 보여줍니다.
  • 아블레이션 연구를 통해 내부 뉴런 활성화가 외부 임베딩보다 더 원칙적인 선택 신호를 제공한다는 것이 검증되었습니다.

이 프레임워크는 모델의 내부 상태를 활용하여 어려운 예시를 특정함으로써 퓨샷 데모스트레이션을 선택하는 데 더 효과적인 접근 방식을 제공합니다.