KORGym은 LLM의 추론 능력을 다각적으로 평가하는 새로운 플랫폼으로, 50개 이상의 게임과 상호작용적 평가를 지원합니다. 19개의 LLM과 8개의 VLM을 대상으로 한 실험 결과, 모델 패밀리의 일관된 추론 패턴과 독점 모델의 우수한 성능이 확인되었으며, 모달리티, 추론 전략 등 다양한 요소의 영향이 분석되었습니다. KORGym은 LLM 추론 연구 및 평가 방법론 발전에 크게 기여할 것으로 기대됩니다.

Yanzhe Wen 등 연구진이 발표한 논문에서 제시된 Open-world Graph Assistant (OGA)는 LLM을 활용하여 오픈월드 그래프 학습의 데이터 불확실성 문제를 해결하는 혁신적인 프레임워크입니다. 적응형 레이블 추적성과 그래프 레이블 주석기를 결합하여 기존 방법의 한계를 극복하고, 실험을 통해 효과와 실용성을 입증했습니다. 이는 AI 기술 발전에 중요한 진전이며, 앞으로 다양한 분야에 활용될 것으로 기대됩니다.

중국과학원 자동화연구소 연구진이 개발한 AudioJailbreak는 기존의 텍스트 기반 공격과 달리 오디오를 이용하여 대규모 오디오-언어 모델(LALM)을 공격하는 새로운 기법입니다. 비동기성, 보편성, 은밀성, 무선 환경에서의 강건성 등의 특징을 통해 기존 공격의 한계를 극복하고 광범위한 공격 시나리오를 가능하게 합니다. 이 연구는 LALM의 보안 취약성을 보여주는 동시에, 향후 더욱 안전하고 강건한 모델 개발을 위한 중요한 이정표가 될 것입니다.

JARVIS는 11명의 연구진이 개발한 멀티 에이전트 프레임워크로, 합성 데이터로 학습된 도메인 특화 LLM, 맞춤형 컴파일러, 고급 검색 메커니즘 등을 활용하여 고품질 EDA 스크립트를 생성합니다. 기존 모델 대비 향상된 정확성과 신뢰성을 갖추었으며, EDA 분야에서 LLM의 활용 가능성을 넓혔습니다.

딥러닝 기반 프레임워크 SDLog는 소프트웨어 로그에서 민감한 정보를 효율적이고 정확하게 식별하여 기존 정규 표현식 기반 방법의 한계를 극복합니다. 높은 정확도와 효율성으로 개인정보 보호와 데이터 활용이라는 두 마리 토끼를 모두 잡을 수 있는 혁신적인 기술입니다.