연구자들은 샘플 선택을 출력 수준의 대리 지표에서 내부 모델 동역학으로 전환하는 뉴런 인식 능동적 퓨샷 학습 프레임워크인 NeuFS를 제안했습니다. 이 방법은 뉴런 활성화 패턴을 사용하여 샘플을 표현하고, 다양성을 보장하며 환각이 발생하기 어려운 예제를 식별하기 위해 이중 기준 전략을 사용합니다.
- 샘플 표현을 위해 예측 엔트로피와 외부 임베딩 대신 뉴런 활성화 패턴을 사용합니다.
- LLM이 환각을 일으키기 쉬운 정보량이 많고 어려운 퓨샷 샘플을 우선시하기 위해 뉴런 컨센서스를 사용합니다.
- 뉴런 패턴을 통해 퓨샷 샘플의 다양성을 보장하여 더 넓은 예제 커버리지를 확보합니다.
- 세 가지 데이터셋에 걸쳐 추론 및 텍스트 분류 작업에서 기존 AFSL 기반 모델보다 우수한 성능을 보입니다.
아블레이션 연구를 통해 내부 뉴런 활성화가 외부 임베딩보다 더 원칙적인 선택 신호를 제공한다는 것이 검증되었으며, 이는 프레임워크의 효과를 확인시켜 줍니다.