Gao Weicheng 연구원은 신경망 없이 벽 너머 레이더 인간 활동 인식을 달성하는 새로운 방법을 제시했습니다. 템플릿 매칭과 토폴로지 유사도 비교를 활용한 이 방법은 물리적 해석 가능성을 높이고 오픈소스 코드 공개를 통해 학계의 공동 연구를 촉진합니다.

연세대학교 연구팀이 개발한 ECoRAG는 LLM 기반 RAG에서 긴 문맥의 오버헤드를 줄이기 위해 증거 기반 압축 방식을 도입, LLM 성능 향상 및 비용 효율성을 확보했습니다. 깃허브에서 코드를 공개하여, AI 기술 발전에 기여할 것으로 기대됩니다.

본 연구는 거대 언어 모델(LLM)의 편향성 문제를 기계적 해석 가능성 관점에서 분석하여, 편향된 행동에 책임이 있는 내부 요소를 식별하고, 그 특징과 제거의 영향을 탐구했습니다. GPT-2와 Llama2 모델을 중심으로 진행된 이 연구는 편향성이 모델 내부에 국소적으로 존재하며, 제거 시 다른 NLP 작업에도 영향을 미칠 수 있음을 보여주어, LLM의 윤리적 개발과 활용에 대한 중요한 시사점을 제시합니다.

본 기사는 중국과학원 연구진이 개발한 Knowledgeable-r1이 기존 RAG 시스템의 한계를 극복하고 지식 집약적 과제에서 성능 향상을 달성한 내용을 소개합니다. Knowledgeable-r1은 공동 샘플링 및 다중 정책 분포 정의를 통해 모델의 지식 활용을 극대화하며, 특히 반실제 시나리오에서 17.07%의 성능 향상을 보였습니다. 공개된 코드를 통해 더 많은 연구가 이어질 것으로 기대됩니다.

양치개, 호니오, 이이준, 이홍의 교수 연구팀은 대규모 오디오-언어 모델(LALM)의 청각 속성 인식 과정을 심층 분석하여, LALM의 성능 향상을 위한 새로운 방법을 제시했습니다. LALM의 층 심화에 따른 속성 정보 변화와 청각 입력 의존성 분석을 통해, AI 소리 인식 기술의 발전에 기여하는 획기적인 연구 결과를 발표했습니다.