마지마(Ji Ma) 연구팀의 연구는 LLM 기반 AI 에이전트의 사회적 행동을 조절하고 이해하기 위한 새로운 방법을 제시합니다. 독재자 게임을 활용하여 LLM의 내부 표상을 조작함으로써, 공정성과 친사회성을 개선할 수 있는 가능성을 확인했습니다. 이는 AI 정렬, 편향 제거, 사회적 시뮬레이션 개선에 중요한 시사점을 제공합니다.

본 기사는 Hao Kang 등이 발표한 'Flux Already Knows' 논문을 소개하며, 기존 훈련 방식 없이 이미지 생성을 가능하게 한 혁신적인 기술을 조명합니다. 모자이크 배치와 주목 메커니즘의 조합으로 놀라운 성능을 달성했으며, 다양한 응용 분야에서의 활용 가능성을 제시합니다.

본 기사는 AI 기반 구조물 손상 식별 모델 SDIGLM에 대한 최신 연구 결과를 소개합니다. 기존 모델의 한계를 극복하고 95.24%의 정확도를 달성한 SDIGLM은 다중 모달 사고 과정(CoT)을 통해 손상 특징을 자세히 설명하며, 구조물 안전 진단 분야에 혁신을 가져올 것으로 기대됩니다.

김병근, 권영훈 박사 연구팀이 개발한 혁신적인 AI 기반 ADHD 진단 트랜스포머 모델은 939명의 데이터를 기반으로 77.78%의 정확도를 달성했습니다. CNN 기반 임베딩 블록, 국소 시간적 어텐션, ROI 순위 기반 마스킹 등의 기술을 통해 rs-fMRI 데이터의 공간-시간적 특징을 효과적으로 활용하여 ADHD 진단의 정확성을 높였습니다.

워렌 주, 아이다 라메자니, 양 쉬 등 연구진은 텍스트와 이미지를 융합한 AI 모델을 통해 이미지 속 도덕적 판단을 정확하게 예측하고, 뉴스 이미지 분석으로 암묵적 편향을 발견하는 연구 결과를 발표했습니다. 이는 AI의 윤리적 판단 능력 향상과 사회적 편향 감지에 중요한 의미를 갖습니다.