본 연구는 오픈소스 대규모 추론 모델 DeepSeek-R1의 안전성을 종합적으로 평가하여, R1과 폐쇄형 모델 간의 안전성 격차, 추론 모델의 추론 능력과 위험성의 상관관계, 그리고 모델의 사고 과정 자체의 안전 문제 등을 밝혔습니다. 이는 대규모 추론 모델의 안전한 개발 및 배포를 위한 지속적인 연구와 노력의 필요성을 강조합니다.

본 기사는 딥 강화학습(RL)의 시뮬레이션 기반 학습에서 발생하는 Sim-to-Real Gap 문제 해결을 위한 최신 연구 동향을 소개합니다. Longchao Da 등 연구자들의 논문을 바탕으로, 기존 기법부터 초거대 언어 모델 활용 기술까지 다양한 접근 방식을 소개하고, 향후 연구 방향에 대한 전망을 제시합니다.

본 연구는 LLM 기반 의료 플랫폼 DeepSeek에 대한 사용자의 사용 의도와 신뢰도 간의 관계를 분석한 결과, 신뢰가 사용 의도에 중요한 매개 역할을 하며, 사용 편의성과 유용성은 신뢰와 사용 의도를 모두 증진시키지만, 위험 인식은 사용 의도를 저해한다는 것을 밝혔습니다. 이를 통해 의료 AI 플랫폼 개발 및 적용에 있어 신뢰 구축, 사용자 중심 설계, 위험 관리의 중요성을 강조합니다.

블록체인 기반 연합 학습 모델 FedAnil은 비동일 분포 데이터 문제와 보안 취약성을 해결하여 기존 방식 대비 정확도와 효율성을 크게 향상시켰습니다. 실제 데이터셋을 활용한 실험 결과는 FedAnil의 우수성을 증명합니다.

이화여대 연구팀이 개발한 SynthSleepNet은 다양한 생체 신호를 활용한 혁신적인 수면 분석 AI 모델로, 기존 기술보다 높은 정확도와 효율성을 제공하며 수면 장애 진단 및 모니터링 분야에 획기적인 발전을 가져올 것으로 기대됩니다.