논문: LLM은 문서 Q&A 시나리오에서 얼마나 환각을 느끼는가? 온도, 상황 길이 및 하드웨어 플랫폼에 걸친 1,720억 개의 토큰 연구(2603.08274) 게시: 2026년 3월 9일. Emergent Mind에 대해 자세히 알아보기: https://www.emergentmind.com/papers/2603.08274 arXiv: https://arxiv.org/abs/2603.08274 무료로 가입하세요 인기 논문 이메일 다이제스트: https://www.emergentmind.com/subscribe X에서 팔로우하기: https://x.com/EmergentMind Discord에 참여하기: https://discord.gg/BhfTC4mTXq 이 프레젠테이션은 문서 질문 답변 작업을 수행하는 언어 모델의 환각에 대한 대규모 연구를 조사합니다. 연구자들은 실측 우선 평가 방법인 RIKER 프레임워크를 사용하여 최대 200,000개의 토큰, 온도 및 하드웨어 플랫폼까지 다양한 컨텍스트 길이를 갖춘 1,720억 개의 토큰에 걸쳐 35개의 개방형 가중치 모델을 테스트했습니다. 이 연구는 상황이 커짐에 따라 제작 속도가 높아지고 올바른 사실을 검색하는 모델의 능력과 거짓 사실을 만들어내는 경향 사이의 놀라운 단절로 인해 현재 모델이 환각에서 자유롭지 않다는 것을 보여줍니다.
