Current State of Technology for Reflecting Sustainability and Recency of Generative Language Models over Time

본 연구는 생성형 AI 모델들이 가지는 최신성이 반영되지 않은 언어모델 활용으로 발생할 수 있는 환각현상과 사실성 문제 등 언어모델의 한계를 해결하고 최신성이 실시간으로 반영될 수 있도록 최신성 반영을 위한 기존 기술들의 주요 접근 방법들을 알아보는 데 주된 목적이 있다. 기술적인 측면에서, 인간처럼 대화로 소통하고 이용자들이 묻는 다양한 질문에 대해 맥락에 맞는 결과를 생성함으로써 인간과 같이 스스로 진화하는 AI의 가능성을 보여주고 있다. 방대한 데이터를 사용한 학습을 통해 미세조정된 파운데이션 모델을 통해 이전의 AI 대비 하나의 모델로 특정 업무를 넘어 다양한 업무수행이 가능하도록 진화되고 있다. 이러한 기술의 발전은 다양한 가능성과 동시에 위험을 내포한다. 기존 연구를 통해 생성형 언어모델의 변화와 가지고 있는 한계를 알아보고, 최근 부각되고 있는 언어모델이 가지는 환각현상과 최신성에 대한 관련 기술들의 현황을 살펴보았다. 생성형 AI의 활용 영역과 성능이 증가함에 따라 대두되는 환각현상에 대한 문제를 탐지하고 예방하기 위한 연구는 LLM의 유용성과 활용성을 향상시키기 위해 필수적이나, LLM이 출력하는 결과에 대한 진실성과 정확성의 균형은 여전히 해결해야 하는 문제로 인식되고 있다. 이러한 균형을 미세조정하고 LLM이 가지는 무결성을 손상시키지 않으면서 신뢰성을 향상시키고 언어모델의 내재 정보를 최신화하기 위한 학습기술과 외부정보 반영을 위한 추론 기술 등에 대한 연구가 필요하다.