Xu Jie 등 연구진이 제안한 RML은 샘플 수준 어텐션과 모의 섭동 기반 대조 학습을 통해 이기종적이고 불완전한 다중 뷰 데이터에서도 강건한 성능을 보이는 혁신적인 다중 뷰 학습 방법론입니다. 비지도 클러스터링, 노이즈 레이블 분류, 크로스 모달 검색 등 다양한 응용 분야에서 효과를 입증하였습니다.

본 기사는 중국과학원 연구팀이 개발한 'Ticktack'이라는 새로운 방법론을 소개합니다. Ticktack은 60갑자 표현과 극좌표를 활용하여 거대 언어 모델(LLM)의 장기간 시간적 정렬 문제를 해결하는 데 중점을 두고 있으며, 사후 학습 기반의 시간적 표현 정렬을 통해 시간 관련 작업의 성능을 향상시킵니다. 본 연구는 LLM의 시간적 지능 향상에 큰 기여를 할 것으로 기대됩니다.

본 기사는 코드 대규모 언어 모델(Code LLM)의 추론 능력 평가를 위한 새로운 벤치마킹 도구 'tool'에 대한 연구를 소개합니다. 기존 방식의 한계점을 극복하고 데이터 오염 문제를 해결하기 위해 동적 데이터 생성 방법을 도입한 'tool'은 더욱 신뢰할 수 있는 Code LLM 평가를 가능하게 합니다.

류야팅 등 6명의 연구원이 개발한 DM-Adapter는 텍스트 기반 인물 검색 분야의 계산 비용과 과적합 문제를 해결하고, Mixture-of-Experts와 Parameter-Efficient Transfer Learning을 결합하여 최첨단 성능을 달성한 혁신적인 기술입니다.

Georgios P. Georgiou의 연구는 사이프러스 EFL 교사들을 대상으로 AI 기반 발음 교육의 활용 현황과 교사들의 인식을 조사했습니다. 연구 결과, 교사들은 AI의 효과와 도입 의지를 높게 평가했으며, 특히 고등교육 및 성인 교육 분야 교사와 훈련 경험이 많은 교사들의 AI 활용도가 높았습니다. 이는 교사들의 맞춤형 AI 교육의 필요성을 시사하며, AI 기반 발음 교육의 긍정적 전망을 보여줍니다.