Hank Gerba가 제안한 범용 서사 모델(UNM)은 생성형 AI를 활용한 스토리텔링의 새로운 패러다임을 제시합니다. 작가의 의도를 중심으로 AI와의 협업을 가능하게 하는 이 모델은 개방형 표준으로서 다양한 플랫폼 간의 상호 운용성을 확보하고, AI 기반 스토리텔링의 한계를 극복하는 데 기여할 것으로 기대됩니다.

Lin Sun 등 17명의 연구진이 발표한 논문에서 제시된 Branch-Merge 증류 기법은 기존 LLM 축소 기술의 한계를 극복하고, TinyR1-32B-Preview 모델을 통해 수학, 코딩, 과학 분야에서 성능 향상을 달성했습니다. 이는 계산 비용과 시간을 절감하면서 고성능 LLM을 개발하는 새로운 가능성을 제시합니다.

본 기사는 Jacqueline R. M. A. Maasch 등 연구진의 논문 "Compositional Causal Reasoning Evaluation in Language Models"을 바탕으로, 생성형 AI의 인과 추론 및 구성적 추론 능력 평가에 대한 새로운 프레임워크인 합성적 인과 추론(CCR)을 소개합니다. Llama, Phi, GPT 계열 모델을 대상으로 CCR 평가를 수행한 결과와 향후 연구 방향을 제시하며, AI 모델의 발전과 신뢰성 향상에 대한 시사점을 논의합니다.

본 기사는 오픈소스 LLM의 악용 방지를 위한 워터마킹 기술에 대한 최신 연구 결과를 소개합니다. Xu Yijie 등 연구진의 연구는 지적 재산권 침해와 LLM 사용 위반이라는 두 가지 악용 시나리오를 제시하고, 추론 시점 워터마킹 증류와 백도어 워터마킹이라는 두 가지 기술의 효과와 한계를 분석합니다. 실제 환경 적용을 고려한 섬세한 평가와 더불어, 미래 연구 방향을 제시하며 오픈소스 LLM의 안전한 활용을 위한 중요한 논의를 촉구합니다.

중국 연구진이 100만 GPU 시간과 100조 토큰을 활용한 대규모 실험을 통해 LLM의 최적 하이퍼파라미터 스케일링 법칙을 발견, 범용 최적화 도구를 개발했습니다. 이 연구는 다양한 모델 구조와 데이터 분포에 걸쳐 뛰어난 일반화 성능을 보이며 LLM 연구의 새로운 지평을 열었습니다.