대형언어모델에서의 파괴적 망각 발생 원인과 기존·확장적 망각 저항 기법 비평
- 자료 유형
- 실제 탐구보고서
- 합격 정보
- DGIST 기초학부
- 활동 유형
- 진로활동
- 교과 과목
- 프로그래밍, 심리학, 통합과학
- 탐구 키워드
- 인공지능 (머신러닝, NLP 등)
2026-05-21
로그인 후 이용해주세요
저장소에 저장되었습니다.
로그인 후 이용해주세요
내용 요약
대형언어모델을 포함한 인공지능 시스템에서 파괴적 망각이 실사용 환경에서 신뢰성을 저해하는 핵심 문제임을 인식함
EWC, LwF, 가변 람다 방식 등 기존 망각 저항 기법을 중심으로 관련 논문을 분석하고 성능 개선 효과를 정리함
기존 방법들이 데이터 도메인 변화나 학습 환경에 따라 성능 저하 및 적용 복잡성이라는 한계를 갖고 있음을 비판적으로 분석함
표현 학습, 메타러닝, 간격 반복, 생성적 리플레이 등 학습 중심 구조 기반의 새로운 해결 방향을 제안함
파괴적 망각 해결을 위한 구조적 접근이 향후 연속 학습 인공지능의 핵심 설계 요소가 될 수 있음을 도출함
탐구 보고서 전문
멘토의 다른 탐구 활동
꼭 알아주세요
- 본 자료와 관련된 모든 저작권은 (주)진학사에 있으며, 저작권법 제4장 및 제5장의 규정에 따라 일부 또는 전체를 복제, 배포, 업로드하거나 이를 바탕으로 한 2차 저작물을 제작하는 행위를 금합니다.
- 제공되는 탐구 보고서는 학생부종합전형으로 합격한 선배들의 실제 탐구 자료입니다. 이미 대학 입학사정관의 평가를 받은 자료이기에,이를 그대로 따라하기보다는 참고 자료로 활용하여 여러분만의 독창적인 탐구 보고서를 작성해 주시기 바랍니다. 선배들의 탐구 과정과 방법론을 참고하되, 여러분의 관심사와 관점을 반영한 차별화된 탐구를 진행하시길 권합니다.
- 하나의 아이디는 구매자 본인 이용을 기준으로 제공됩니다. 본인이 사용하는 PC/모바일에서는 이용 가능하나, 여러 명이 하나의 아이디를 공유해 이용할 수 없습니다. 부정 사용 방지를 위해 접속 IP 등 이용 로그가 기록될 수 있으며, 비정상 이용이 확인될 경우 서비스 이용이 제한될 수 있습니다.