PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.24083v1cs.CL

CAVEWOMAN: How Large Language Models Behave Under Linguistic Input and Output Compression

Cavewoman은 LLM의 입력·출력 언어 압축을 과제 정확도, 항목당 실현 비용, 제약 없는 기준 생성과의 의미 일치로 함께 평가하는 이중 채널 프로토콜이며, 8개 모델과 5개 벤치마크에서 출력 압축은 대부분 모델의 실제 비용을 1.4–2.4배(최대 3배) 줄이는 반면 입력 압축은 정확도가 떨어지면서 응답이 길어져 순비용이 평균 약 1.15배 증가한다. 출력 압축에서는 비추론 모델에서 정답인 생성의 상당 부분이 표면 텍스트가 모델 자신의 제약 없는 기준 생성과 의미적으로 어긋나는 현상이 관찰된다.