최근 연구에 따르면, GPT-4를 포함한 주요 LLM들의 창의성이 지난 18~24개월 동안 향상되지 않았으며, 모델 간, 모델 내 변동성이 크다는 사실이 밝혀졌습니다. 이는 AI 창의성 평가의 어려움과 LLM 활용의 현실적인 제약을 보여주는 결과입니다.

프랑스어 개방형 은행 거래 데이터를 위한 특화된 텍스트 분류 시스템이 개발되어 기존 일반 분류 방식보다 향상된 성능을 보였습니다. 이는 프랑스 시장 특수성을 고려한 언어 모델 훈련을 통해 가능했습니다.

Mir Md Sajid Sarwar, Sudip Samanta, Rajarshi Ray 연구팀이 개발한 AUTONAV는 로봇의 자율주행을 위한 매핑, 위치 추정, 경로 계획을 자동화하는 도구입니다. 모듈형 아키텍처를 통해 다양한 알고리즘을 손쉽게 통합하고 비교할 수 있으며, 실내 시뮬레이션 환경에서 성공적으로 시연되었습니다. 이는 로봇 자율주행 기술의 발전에 중요한 기여를 할 것으로 기대됩니다.

징위안 장 등 10명의 연구진이 발표한 '데이터 대사' 논문은 데이터 중심 프레임워크를 통해 효율적인 VLM(비전 언어 모델) 개발의 가능성을 제시합니다. 소형 모델 Capybara-VL은 기존 대규모 모델을 능가하는 성능을 보이며, 데이터 관리 및 활용에 대한 새로운 패러다임을 제시합니다.

Xingguang Ji 등 연구진이 개발한 Capybara-OMNI는 경량화된 효율적인 훈련 방식을 통해 텍스트, 이미지, 비디오, 오디오를 이해하는 옴니모달 MLLM입니다. 모델 개발 과정과 독점 벤치마크를 공개하여 재현성과 접근성을 높였으며, 채팅 기반 버전과 함께 모델 가중치, 훈련 데이터, 추론 코드를 GitHub에 공개하여 오픈소스 커뮤니티에 기여했습니다.