Hanyong Lee

Ph.D. student in artificial intelligence at CAU AutoML Lab.

6 minute read

요약: 이 논문은 Toolformer라는 모델을 소개하며, 자기 지도 학습 방식(self-supervised approach)을 통해 외부 도구를 활용하여 작업 성능을 향상하는 방법을 배운다. Toolformer는 제로샷 성능(zero-shot performance)을 크게 개선하며, 다양한 API를 활용하여 더 큰 모델과 경쟁할 수 있는 능력을 보여준다.

1. 서론

image

Brown et al. (2020) 및 Chowdhery et al. (2022)에서 논의된 대규모 언어 모델(LLM, Large Language Model)은 제로샷 및 소수샷(few-shot) 자연어 처리 작업에서 인상적인 성능을 보여주었다. 그러나 이러한 모델에는 여러 가지 한계가 존재한다.

  • 실시간 정보에 접근할 수 없음
  • 사실을 환각(hallucinate)하는 경향
  • 저자원(low-resource) 언어에서 어려움
  • 수학적 연산 능력 부족
  • 시간적 흐름을 인식하는 능력 부족

이러한 문제를 해결하기 위해 검색 엔진이나 계산기 같은 외부 도구를 활용하는 방법이 제안되었다. 하지만 기존 접근법들은 대량의 인간 주석(human annotations)을 요구하거나 도구 사용을 특정 작업에 제한하여 일반적인 적용이 어렵다.

이를 극복하기 위해 우리는 Toolformer를 제안한다. Toolformer는 대규모 인간 주석 없이 자기 지도 학습 방식을 통해 도구 사용법을 학습하는 새로운 모델이다. 이 모델은 도구 사용 여부와 사용 방식을 자율적으로 결정하면서도 일반성을 유지하는 것을 목표로 한다.

우리의 접근 방식은 컨텍스트 내 학습(in-context learning)을 활용하여, 도구 사용의 몇 가지 예제를 통해 광범위한 데이터셋을 생성하는 것이다. 이를 위해 언어 모델링 데이터셋에 API 호출을 주석 처리하고, 자기 지도 학습 손실(self-supervised loss)을 이용해 그 효과를 평가한다. 이를 통해 Toolformer는 자율적으로 도구를 제어하는 법을 학습할 수 있다.

실험 결과, 사전 학습된 67억(6.7B) 개의 매개변수를 가진 GPT-J 모델을 기반으로 한 Toolformer는 다양한 다운스트림 작업에서 제로샷 성능을 크게 향상시켰으며, GPT-3 및 기타 대형 모델보다 우수한 성능을 보였다.

2. 접근 방식

image

우리는 언어 모델 M이 API 호출을 통해 다양한 도구를 활용할 수 있도록 개선하는 것을 목표로 한다. 각 API의 입력 및 출력이 텍스트 시퀀스로 표현될 수 있도록 설정하여, 특정 토큰을 사용해 API 호출을 텍스트에 자연스럽게 통합할 수 있도록 한다.

API 호출은 다음과 같은 튜플 형태로 표현된다:
[ c = (a_c, i_c) ] 여기서,

  • \(a_c\)는 API의 이름
  • \(i_c\)는 API의 입력 값

API 호출의 선형화(linearization)

image

우리의 접근 방식은 기본 데이터셋 C를 API 호출이 포함된 증강 데이터셋 \(C^*\)로 변환하는 3단계 과정으로 구성된다:

image

  1. API 호출 샘플링

    • 언어 모델 \(M\)이 특정 텍스트 예제에 대해 API 호출을 제안하도록 유도하는 프롬프트를 생성한다.
    • API 호출이 삽입될 가능성이 높은 위치를 샘플링하고, 사전 정의된 임계값을 사용해 필터링한다.

  2. API 호출 실행

    • 생성된 API 호출을 실제로 실행하여 결과를 얻는다. 결과는 텍스트 시퀀스로 변환된다.

  3. API 호출 필터링

    • API 호출과 그 결과가 모델의 예측 손실을 줄이는지 평가한다.
    • API 호출이 유용한 경우에만 유지하고, 그렇지 않은 경우 제거한다.

최종적으로 필터링된 API 호출이 원본 텍스트와 결합되며, 이 데이터셋 \(C^*\)를 사용해 모델 M을 미세 조정한다. 이를 통해 모델은 피드백을 통해 도구를 효과적으로 사용하는 법을 학습한다.

추론 시, 모델 M은 일반적인 텍스트를 디코딩하다가 API 호출 응답이 필요한 토큰을 생성하면, 디코딩을 일시 중단하고 응답을 받아서 계속 진행한다.

3. 도구

우리는 일반적인 언어 모델이 가진 한계를 극복하기 위해 다양한 도구를 탐색한다. 각 도구는 다음 두 가지 조건을 만족해야 한다:

  1. 입력과 출력이 텍스트 시퀀스로 표현 가능해야 한다.
  2. 사용 예시를 소량 확보할 수 있어야 한다.

다섯 가지 도구를 사용한다:

  1. 질문 응답 시스템(Question Answering System)

    • Atlas 모델을 활용한 검색 기반 QA 시스템
    • 간단한 사실 기반 질문에 대한 답을 제공

  2. 계산기(Calculator)

    • 사칙연산(덧셈, 뺄셈, 곱셈, 나눗셈) 수행
    • 소수점 둘째 자리까지 반올림하여 결과 제공

  3. 위키백과 검색 엔진(Wikipedia Search Engine)

    • 특정 검색어에 대해 위키백과의 짧은 텍스트 조각 반환
    • BM25 검색 모델 사용

  4. 기계 번역 시스템(Machine Translation System)

    • NLLB 모델을 활용하여 다국어 번역 수행
    • 200개 이상의 언어 지원, 저자원 언어 포함

  5. 캘린더 API(Calendar API)

    • 현재 날짜 반환

각 도구에 대한 추가 세부 사항은 부록 A에 제공된다.

4. 실험

우리는 추가적인 감독 없이 다양한 작업에서 모델이 자율적으로 도구를 활용할 수 있는지를 평가한다. 실험은 다음과 같이 구성된다.

4.1 실험 설정

  • 데이터셋 생성:

    • CCNet의 하위 데이터셋 사용
    • 특정 API를 위한 텍스트 필터링 적용

  • 모델 미세 조정:

    • 배치 크기 및 학습률 설정

  • 기준 모델 비교:

    • 표준 GPT-J 모델
    • API 호출 없이 미세 조정된 모델
    • API 호출을 포함하여 미세 조정된 모델

4.2 다운스트림 작업 평가

  • LAMA: Toolformer는 사실 기반 문장을 완성하는 성능에서 다른 모델을 능가함
  • 수학 데이터셋: 계산기 도구를 적극 활용하여 수학적 추론 능력이 향상됨
  • 질문 응답: 위키백과 검색 도구를 활용하지만, GPT-3보다는 성능이 낮음
  • 다국어 QA: 다국어 처리 능력 향상, 하지만 언어별 성능 차이 큼
  • 시간 관련 데이터셋: 캘린더 API를 활용하여 시간 기반 작업 성능이 향상됨

4.3 언어 모델링 성능

API 호출을 포함한 미세 조정이 언어 모델 성능에 미치는 영향을 평가한 결과, 기본적인 언어 모델 성능 저하는 미미했다.

4.4 스케일링 법칙

모델 크기가 7.75억(775M) 개의 매개변수를 넘어설 때 외부 도구 사용 능력이 향상됨을 확인했다. 모델 크기가 커질수록 도구를 더 효과적으로 활용할 수 있었다.

5. 분석 (Analysis)

디코딩 전략 (Decoding Strategy)

이 섹션에서는 앞서 소개한 수정된 디코딩 전략을 분석한다. 기존 방식과 달리, 가장 가능성이 높은 토큰을 일관되게 생성하는 대신, 상위 k개 후보 토큰 내에 포함될 경우 <API> 토큰을 생성할 수 있도록 허용한다.

우리는 LAMA의 T-REx 하위 데이터셋 및 WebQS에서 k 값을 조정하며 성능을 평가하였다.

  • k 값이 증가할수록 모델이 API 호출을 더 자주 활용하며, API 호출이 이루어지는 경우 성능이 향상되었다.
  • 특히, API 호출이 이루어진 경우 모델의 교정 능력(calibration)이 향상되었으며, 낮은 성능을 보이는 경우에 API를 선택하는 경향이 있었다.
  • 그러나 k 값이 너무 커지면 교정 능력이 감소하는 현상이 관찰되었다.

데이터 품질 (Data Quality)

image

우리는 모델이 생성한 API 호출의 품질을 분석하였다.

  • 질적 분석 결과, 높은 점수를 받은 API 호출은 대체로 유용한 것으로 나타났다.
  • 반면, 낮은 점수를 받은 API 호출은 덜 유용할 가능성이 높았지만, 일부 경우에는 정보가 부족하더라도 혼란도를 낮추는 역할을 수행할 수 있었다.
  • 비필터링된 API 호출의 노이즈가 모델이 특정 API 호출 결과에 과도하게 의존하는 것을 방지하는 긍정적인 역할을 할 수도 있음이 관찰되었다.

6. 관련 연구 (Related Work)

언어 모델 사전 훈련 (Language Model Pretraining)

언어 모델 사전 훈련을 개선하는 다양한 전략이 존재한다. 대표적인 방법은 추가적인 텍스트 정보를 통합하는 방식이다.

  • 메타데이터 추가 (Keskar et al., 2019)
  • HTML 태그 활용 (Aghajanyan et al., 2021)
  • 위키백과 마크업 사용 (Schick et al., 2022)
  • 정보 검색 시스템을 통한 관련 텍스트 추가 (Guu et al., 2020; Borgeaud et al., 2021; Izacard et al., 2022)

기존 방법들은 추가 정보를 무차별적으로 제공하는 반면, Toolformer는 언제 어떤 정보를 요청할지 자율적으로 결정한다는 차별점을 가진다.

도구 활용 (Tool Use)

언어 모델이 외부 도구(예: 검색 엔진, 웹 브라우저, 계산기, 번역 시스템, Python 인터프리터 등)를 사용할 수 있도록 하기 위한 연구가 진행되어 왔다.

이전 연구들은 일반적으로 두 가지 방식 중 하나를 따른다:

  1. 광범위한 인간 감독(human supervision)에 의존

    • Komeili et al. (2022), Nakano et al. (2021), Thoppilan et al. (2022)

  2. 특정 작업을 위한 소수샷(few-shot) 설정 활용

    • Gao et al. (2022), Lazaridou et al. (2022), Yao et al. (2022)

Toolformer는 자기 지도 학습(self-supervised training)을 통해 특정 프롬프트 없이 도구 사용법을 학습한다. 이는 TALM (Parisi et al., 2022)과 유사한 접근 방식이지만, TALM은 다운스트림 작업을 위한 미세 조정(fine-tuning)에 한정된다는 차이가 있다.

부트스트래핑 (Bootstrapping)

자기 학습(self-training) 및 부트스트래핑(bootstrapping) 기법은 다양한 분야에서 연구되어 왔다.

  • 단어 의미 분별 (Yarowsky, 1995)
  • 관계 추출 (Brin, 1999; Agichtein and Gravano, 2000)
  • 구문 분석 (McClosky et al., 2006; Reichart and Rappoport, 2007)
  • 시퀀스 생성 (He et al., 2020)
  • 소수샷 텍스트 분류 (Schick and Schütze, 2021a)
  • 검색 (Izacard and Grave, 2021)
  • 추론 (Zelikman et al., 2022)

Toolformer 역시 혼란도(perplexity)-기반 필터링 단계를 사용하여 예측을 개선한다는 점에서 이와 유사한 접근 방식을 따른다.

7. 한계 (Limitations)

우리 방법은 언어 모델이 자기 지도 학습 방식으로 도구 사용을 학습할 수 있도록 하지만, 다음과 같은 한계가 존재한다.

  1. 연쇄적 도구 사용(Chained Tool Use) 불가

    • Toolformer는 각 API 호출을 독립적으로 생성하므로, 여러 도구를 연쇄적으로 활용하는 기능이 부족하다.
    • 미세 조정 데이터셋에 이러한 사례가 포함되지 않았기 때문.

  2. 대화형 도구 사용(Interactive Tool Usage) 미지원

    • Toolformer는 검색 엔진과 같은 대화형 도구를 사용할 수 없다.
    • 검색 결과를 탐색하거나 쿼리를 수정하는 기능이 없기 때문에 활용이 제한적이다.

  3. 입력 문구의 표현 방식에 민감함

    • Toolformer는 API 호출을 결정할 때 입력 문구의 세부 표현 방식에 영향을 받음.
    • 이는 일반적인 언어 모델이 프롬프트(prompt)에 민감한 특성과 유사하다.

  4. 샘플 비효율성(Sample Inefficiency)

    • 매우 많은 문서를 처리해야 함에도 불구하고, 성공적인 API 호출 수는 적음.
    • 예를 들어, 100만 개 이상의 문서를 처리해야 수천 개의 유용한 API 호출만 생성됨.
  1. 도구별 비용 문제 고려 부족
    • Toolformer는 API 호출의 계산 비용을 고려하지 않음.
    • 특정 도구의 사용 비용이 높을 경우 비효율적일 수 있음.

이러한 한계를 해결하면 모델의 효율성과 활용도가 더욱 향상될 것이다.

8. 결론 (Conclusion)

우리는 Toolformer를 소개하였다. Toolformer는 검색 엔진, 계산기, 번역 시스템 등의 다양한 도구를 API 호출을 통해 활용할 수 있는 자기 지도 학습 언어 모델이다.

  • Toolformer는 미래 토큰의 혼란도를 줄이는 API 호출을 필터링하여 미세 조정된다.
  • 이 접근 방식은 제로샷 성능을 크게 향상시키며, 6.7B 파라미터 규모의 GPT-J 모델이 GPT-3보다 우수한 성능을 발휘할 수 있도록 한다.

Toolformer는 대형 모델이 외부 도구를 활용하는 방법을 학습하는 새로운 패러다임을 제시하며, 기존의 감독 학습 방식 없이도 성능을 크게 개선할 수 있음을 입증하였다.

독자 의견

  • 본 연구에서는 생성형 언어모델의 능력을 tool로 증강하기 위해 Toolformer를 제안하였고, 효과적인 성능을 기록하였다.
  • 그러나 아직 일부 API 샘플링에 대한 효율성이 낮기 때문에 이를 보완할 추가 학습 데이터셋 또는 reasoning 방법을 추가 적용할 필요가 있다.
  • 각 도구에 대한 cost와 task의 난이도를 고려하여 api 사용 여부를 결정하는 부분도 필요할 것이다.

Comments

You May Also Enjoy