커리어리 친구들, 지난 주 주말 최근 인도에서 발행하는 애널틱스 온라인 매거진 뉴스레터를 읽다가 한 가지 GPT-3에 대해 흥미로운 논문이 있어서 읽어 보고 내용을 간추려 정리해 보았습니다. 이 인공지능 논문은 UC 버클리, 메릴랜드 대 및 UC 얼바인의 연구원들은 세계에서 가장 큰 언어 모델인 GPT-3를 여러 프롬프트에서 매우 불안정 할 수 있음을 보여 주었고, GPT-3의 성능과 정확도를 최대 30%까지 향상시키는 상황별 보정 방법(Contextual Calibration)을 개발했습니다. 이미 GPT-3 에서 퓨샷 러닝이 어떻게 구현되어 있는지 아시는 분들이라면 논문을 읽어 보는데 이해가 쉬울 것입니다. 물론, 그렇지 않고 처음 접하시는 분들께 GPT-2 와 GPT-3 의 근간이 되는 구글 Transformer 논문과 OpenAI 의 GPT-3 관련 논문인 "Language Models are Few-Shot Learners" 에서 메타학습과 퓨샷 러닝에 대해 조금더 부연 설명을 해 놓았습니다. 호기심이 당기시나요? 그렇다면 저의 브런치 글을 읽어 주세요!