본 기사는 대규모 언어 모델의 테스트 단계에서 성능을 향상시키는 새로운 기술인 테스트 타임 스케일링(TTS)에 대한 최신 연구 결과를 소개합니다. 중국과 홍콩 연구진의 연구는 TTS의 4가지 핵심 차원을 제시하고, 다양한 방법과 적용 사례를 분석하여 TTS의 효과와 향후 연구 방향을 제시합니다. TTS는 AI의 발전에 중요한 역할을 할 것으로 예상됩니다.

린 유샹 등 10명의 연구진은 감정의 원인을 추론하는 '감정 해석(EI)'이라는 새로운 개념과 대규모 벤치마크 EIBench, 혁신적인 주석 생성 파이프라인 CFSA를 제시했습니다. 이 연구는 감정 분석의 새로운 지평을 열고, 보다 공감적이고 맥락을 이해하는 AI 개발에 기여할 것으로 기대됩니다.

Yang Jiao, Xiaodong Wang, Kai Yang 연구팀이 개발한 PR-Attack은 기존 RAG 기반 LLM 공격의 한계를 극복하고 높은 성공률과 은닉성을 달성하는 혁신적인 공격 기법입니다. 이는 LLM 보안에 대한 심각한 우려를 제기하며, 강력한 방어 메커니즘 개발의 필요성을 강조합니다.

Charlotte Siska와 Anush Sankaran이 개발한 AttentionDefense는 소형 언어 모델의 어텐션 메커니즘을 활용하여 설명 가능하고 효율적인 AI 방어 시스템을 제공합니다. 기존 방어 시스템보다 우수한 성능과 강건성을 보이며, AI 안전성 향상에 크게 기여할 것으로 기대됩니다.

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.