리덩춘 박사 연구팀이 개발한 DynMoLE은 Tsallis 엔트로피 기반의 동적 라우팅과 보조 손실 함수를 통해 기존 MoLE의 한계를 극복하고 LLM 미세 조정의 성능을 크게 향상시켰습니다. 상식 추론 벤치마크에서 LoRA와 MoLA를 능가하는 성능을 보였으며, LLM 분야의 발전에 크게 기여할 것으로 예상됩니다.

미국, EU, 아시아의 AI 거버넌스 전략 비교 분석과, 이를 바탕으로 한 적응형 AI 거버넌스 프레임워크 제안에 대한 논문 리뷰. 각 지역의 강점을 통합하여 기술 발전과 윤리적 책임, 규제 일관성의 균형을 추구하는 실용적이고 미래지향적인 접근 방식을 제시.

고에너지 물리학 분야의 지속 가능한 발전을 위해서는 AI와 머신러닝 기반의 소프트웨어 혁신이 필수적이며, 새로운 하드웨어의 효율적 사용을 통해 환경적 영향을 최소화하는 지속 가능한 컴퓨팅 환경 구축이 중요함을 강조하는 논문 내용을 소개합니다.

본 연구는 이미지 분류 DNN에서 데이터 중복의 부정적 영향을 밝혔습니다. 중복은 모델 훈련 효율을 저하시키고 정확도를 낮추며, 특히 적대적 훈련 모델에서 클래스 간 중복 불균형 시 부정적 영향이 커집니다. 따라서 데이터 품질 관리는 고성능 AI 모델 개발의 필수 요소입니다.

Irfansha Shaik과 Jaco van de Pol의 연구는 SAT 기반 접근법을 통해 클리포드 회로의 CNOT 게이트 수와 깊이를 최적화하여 양자 컴퓨팅의 성능을 향상시켰습니다. 실험 결과, 기존 컴파일러보다 우수한 성능을 보였으며, 개방형 소스 도구 Q-Synth를 통해 접근 가능합니다.