2024
Concept-aware Data Construction Improves In-context Learning of Language Models
ŠTEFÁNIK, Michal, Marek KADLČÍK a Petr SOJKAZákladní údaje
Originální název
Concept-aware Data Construction Improves In-context Learning of Language Models
Autoři
ŠTEFÁNIK, Michal (703 Slovensko, garant, domácí), Marek KADLČÍK (203 Česká republika, domácí) a Petr SOJKA (203 Česká republika, domácí)
Vydání
Bangkok, Thailand, Findings of the Association for Computational Linguistics ACL 2024, od s. 12335-12352, 18 s. 2024
Nakladatel
Association for Computational Linguistics
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Spojené státy
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
elektronická verze "online"
Odkazy
Organizační jednotka
Fakulta informatiky
ISBN
979-8-89176-099-8
Klíčová slova česky
efektivita dat; hluboké jazykové modely; učení s vědomím konceptů; kontextové učení
Klíčová slova anglicky
data efficiency; LLM; concept-aware training; in-context learning
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 24. 10. 2024 19:04, Mgr. Michal Štefánik
Anotace
V originále
Many recent language models (LMs) are capable of in-context learning (ICL), manifested in the LMs’ ability to perform a new task solely from natural-language instruction. Previous work curating in-context learners assumes that ICL emerges from a vast over-parametrization or the scale of multi-task training. However, recent theoretical work attributes the ICL ability to concept-dependent training data and creates functional in-context learners even in small-scale, synthetic settings.In this work, we practically explore this newly identified axis of ICL quality. We propose Concept-aware Training (CoAT), a framework for constructing training scenarios that make it beneficial for the LM to learn to utilize the analogical reasoning concepts from demonstrations. We find that by using CoAT, pre-trained transformers can learn to better utilise new latent concepts from demonstrations and that such ability makes ICL more robust to the functional deficiencies of the previous models. Finally, we show that concept-aware in-context learners are much more effective in in-context learning a majority of unseen tasks compared to traditional instruction tuning, and fare comparably also to previous in-context learners trained in large-scale multitask learning requiring magnitudes of more training data.
Návaznosti
MUNI/A/1590/2023, interní kód MU |
| ||
MUNI/A/1608/2023, interní kód MU |
|