Tianwei Ni 등 연구진은 대규모 언어 모델의 추론 능력 향상을 위한 새로운 방법을 제시했습니다. 학습과 망각 데이터를 활용한 미세 조정을 통해 추론 시간을 180배 단축하고, Game-of-24 및 Countdown 벤치마크에서 우수한 성능을 달성했습니다.

개인의 쉽게 얻을 수 있는 정보만으로 고품질의 개인 맞춤형 뇌 MRI 분할 영상을 합성하는 CSegSynth 모델 개발. 기존 모델 대비 우수한 성능과 높은 정확도를 기록하며 의료 영상 분석 분야에 혁신을 가져올 것으로 기대.

본 기사는 AI 기반 NFT 스마트 계약 취약성 분석에 대한 최신 연구 결과를 소개합니다. 기존의 수동 분석 방식의 한계를 극복하고, 랜덤 포레스트 모델을 활용하여 높은 정확도의 취약성 탐지에 성공한 연구 내용을 상세히 다루고 있습니다.

본 논문은 대규모 언어 모델(LLM)의 비용 및 성능 문제를 해결하기 위해 3단계의 비용 효율적인 종단간 LLM 배포 파이프라인을 제시합니다. 프로토타이핑, 지식 전이, 모델 압축 과정을 통해 초소형 LLM을 구축하여 저비용, 저지연, 고성능을 달성하는 혁신적인 방법을 제시합니다.

소셜 컴퓨팅 기반의 새로운 AI 예측 프레임워크 SCRAG이 소개되었습니다. 기존 LLM의 한계를 극복하고 X 플랫폼 실험에서 10% 이상의 성능 향상을 보였으며, 홍보, 위기 관리 등 다양한 분야에 활용될 것으로 기대됩니다.