AI 기반 뷰티 도구가 자존감 저하 및 외모 개선 행동 증가와 관련이 있으며, 특히 여성에게 더 큰 영향을 미칠 수 있다는 연구 결과가 발표되었습니다. AI 개발 과정에서 윤리적 고려와 책임감 있는 디자인의 중요성을 강조합니다.

Zhang 등(2025)의 연구는 MMLA라는 새로운 벤치마크를 통해 거대 언어 모델의 다중 모달 언어 분석 능력을 평가하고, 그 한계를 밝혔습니다. 61,000개 이상의 다중 모달 발화 데이터를 활용한 실험 결과, 미세 조정된 모델조차도 60~70%의 정확도에 그쳤습니다. 하지만 공개된 데이터셋과 코드는 향후 연구 발전에 기여할 것으로 기대됩니다.

본 논문은 거대 비주얼 언어 모델(LVLM)의 시각적 변화에 대한 취약성을 밝히고, 이를 평가하기 위한 새로운 벤치마크 프레임워크 V$^2$R-Bench를 제시합니다. 연구 결과, 고성능 모델조차 간단한 작업에서 저조한 성능을 보이며 인간과 유사한 시각적 한계를 보이는 것으로 나타났습니다. 이는 LVLM의 아키텍처적 결함으로 인한 것으로 밝혀졌으며, 미래 LVLM 설계의 혁신을 위한 중요한 시사점을 제공합니다.

Ashish Ranjan 등 연구진이 발표한 'Scalable Permutation-Aware Modeling for Temporal Set Prediction' 논문은 순열 동변환 및 불변 변환을 활용하여 시간 집합 예측 문제의 확장성을 크게 개선한 새로운 모델을 제시합니다. 다양한 벤치마크에서 기존 최고 성능 모델과 비교하여 우수한 결과를 보이며, 시간 집합 예측 분야의 발전에 크게 기여할 것으로 기대됩니다.

박찬희, 문현석, 박찬준, 임휘석 연구원 팀이 개발한 MIRAGE 벤치마크는 RAG 시스템 평가의 어려움을 해결하고, 새로운 평가 지표를 통해 RAG 시스템의 적응성을 측정하며, 공개된 데이터셋과 코드를 통해 RAG 연구의 발전에 기여합니다.