구진진 연구원의 논문은 AI 이미지 처리 분야의 패러다임을 모델 중심에서 에이전트 시스템 중심으로 전환할 것을 제안합니다. 딥러닝의 한계를 극복하고 인간 전문가 수준의 유연성과 적응성을 갖춘 지능형 시스템 개발을 목표로 합니다.

희소 자동 인코더(SAE)를 이용한 AI 모델 해석의 취약성을 밝힌 연구 결과. 작은 입력 변화로도 개념 표현을 조작할 수 있어 모델 모니터링 및 감독에 대한 신뢰성에 의문을 제기하며, 더 강건한 해석 방법론 개발의 필요성을 강조합니다.

본 기사는 Roland Daynauth 등 연구진이 개발한 새로운 LLM 평가 시스템 SLMEval을 소개합니다. SLMEval은 기존 방식의 한계를 극복하고 실제 환경에서 높은 정확도와 비용 효율성을 보이며 인간의 판단과 높은 상관관계를 달성합니다.

본 연구는 거대 언어 모델(LLM)을 활용하여 영어 filler-gap 의존 구문의 구조를 분석하고, 기존 언어학 이론에 대한 새로운 통찰을 제시합니다. 분포된 교환 개입(Distributed Interchange Interventions) 기법을 통해, LLM이 다양한 구문을 유사하게 처리하는 메커니즘을 밝히고, 단어 빈도, filler 유형, 문맥 등 기존 이론에서는 간과되었던 요소들이 언어 구조에 미치는 영향을 분석했습니다. 이는 LLM이 언어학 연구의 새로운 도구로 활용될 수 있음을 보여주는 중요한 사례이며, 기존 언어 이론의 수정 및 보완을 촉구하는 연구 결과입니다.

페르시아어 의료 분야 소규모 언어 모델의 성능 향상을 위한 연구. 온라인 데이터 활용으로 자원 제약 환경에서도 의료 AI 적용 가능성을 제시.