새로운 AI 알고리즘 RND가 연구 아이디어의 혁신성을 효과적으로 평가하는 방법을 제시하며, 전문가 라벨링 없이도 확장 가능한 검증 데이터셋을 생성할 수 있는 방법론을 함께 개발했습니다. 컴퓨터 과학과 생의학 분야에서 최고 성능을 기록하였으며, 특히 도메인 간 일관성 있는 성능을 보여주는 것이 특징입니다.

Liger는 추가 매개변수 없이 사전 훈련된 LLM을 게이트 선형 순환 모델로 변환, LoRA와 Liger Attention을 통해 원래 LLM 성능 수준을 회복하며, 0.02%의 사전 훈련 토큰으로 Transformer 기반 LLM 성능의 93%를 달성하는 혁신적인 기술입니다.

AskToAct는 LLM의 도구 사용 능력 향상을 위한 혁신적인 프레임워크로, 자기 수정적 명확화를 통해 모호한 사용자 질의를 해결하고, 고품질 학습 데이터 자동 생성 및 오류 수정 메커니즘을 통해 높은 정확도와 효율을 달성합니다. 다양한 API에 대한 일반화 능력과 적은 계산 자원으로 GPT-4 수준의 성능을 보여주는 획기적인 연구 성과입니다.

Ahmed Dawoud와 Shravan Talupula가 개발한 ProRCA는 DoWhy 라이브러리를 기반으로 한 인과 추론 기반의 근본 원인 분석(RCA) 패키지입니다. 기존의 상관관계 기반 방법론의 한계를 극복하고, 조건부 이상 탐지, 노이즈 기반 속성 부여, 깊이 우선 경로 탐색 등의 기법을 통해 다층적이고 동적인 환경에서도 정확한 근본 원인을 분석합니다. 합성 이상 현상 주입 실험을 통해 정확성을 검증하였으며, 향후 다양한 분야에서 활용될 것으로 기대됩니다.

AI 시스템의 외부 평가는 중요하지만, 개발자와 평가자의 상호 프라이버시 문제가 걸림돌입니다. 기존 방식의 한계를 지적하고, 암호화 및 하드웨어 기반 접근 등 해결책을 제시하는 연구가 발표되었습니다. AI의 윤리적이고 안전한 발전을 위해 상호 프라이버시 보장이 필수적입니다.