TELLME는 대규모 언어 모델의 도메인 적응을 위한 새로운 방법입니다. 테스트 기반 학습(TEL) 원리를 활용하여 모델의 학습 효율을 높이고, 퀴즈를 통해 효율적인 도메인 전문 지식 습득과 장기 기억 유지에 기여합니다. 금융 도메인에서 기존 방법보다 최대 23.6% 성능 향상을 보여줍니다.
TELLME는 기존 방식의 대규모 데이터셋 확보 어려움과 높은 컴퓨팅 비용 문제를 해결합니다. 테스트 기반 학습 원리를 CPT와 결합하여 효율적인 도메인 전문 지식 습득과 장기 기억 유지 효과를 얻을 수 있습니다.
실험 결과, TELLME는 장기 기억 유지 능력에서 9.8% 향상을 달성했습니다. 이는 기존 CPT 방식의 한계를 극복하고, 지속적인 학습 효율을 높이는 데 기여하는 결과입니다.