중국과학원 연구팀이 제시한 CoT-Bridge 모델은 사고의 도약 문제를 해결하여 LLM의 수학적 추론 능력을 향상시켰습니다. ScaleQM+ 데이터셋을 활용한 훈련을 통해 다양한 벤치마크에서 기존 모델 대비 최대 5.87%의 성능 향상을 달성했으며, 도메인 외 논리적 추론 과제에서도 효과를 보였습니다.

본 기사는 AI 기반 대화 훈련 시스템 CommCoach를 활용한 연구 결과를 바탕으로 관리자들의 의사소통 능력 향상에 대한 새로운 접근 방식을 제시합니다. 연구진은 관리자들의 요구를 반영하여 AI 시스템 설계의 중요한 요소들을 제시하며, AI 기술을 활용한 효과적인 직장 내 소통 훈련의 가능성을 보여줍니다.

본 기사는 중국과학원 연구팀이 개발한 자기 제어 학습(SBT) 프레임워크를 소개합니다. SBT는 거대 언어 모델(LLM)의 과도한 추론 문제를 해결하기 위해 모델 스스로 추론 과정을 조절하는 혁신적인 기술입니다. 수학적 벤치마크 실험 결과, SBT는 토큰 소비량을 최대 60% 감소시키면서 정확도는 유지하는 놀라운 성과를 보였습니다.

SHARP 시스템은 대규모 추론 모델(LRM)의 강화 학습 훈련을 위한 고품질 문제 합성을 통해 STEM 분야에서 AI 추론의 새로운 기준을 제시합니다. 3단계 프레임워크와 강화 학습 루프를 통해 전문가 수준의 성능 향상을 달성하였습니다.

AI를 이용한 뇌 활동 재구성 연구 성공! 언어 및 음성 모델 임베딩으로 고감마 신경 활동을 높은 정확도로 재현, 뇌 질환 진단 및 치료, 뇌-컴퓨터 인터페이스 발전 등에 혁신적 영향 기대.