FedMobile은 모바일 감지 시스템에서 모달 불완전성 문제를 해결하는 새로운 다중 모드 연합 학습 프레임워크로, 최대 90%의 정보 손실에도 강력한 학습 성능을 유지하며 기존 기술을 능가하는 성능을 보여줍니다.

고려대 김재홍 교수 연구팀의 수렴융합 패러다임(CFP) 이론은 힐베르트 공간과 역인과 관계를 활용하여 AI의 해석 가능성 문제를 해결하는 혁신적인 접근법을 제시합니다. 수학, 기술, 인과 관계의 통합적 관점은 AI 거버넌스 강화 및 투명성 확보에 기여할 것으로 예상됩니다.

최근 연구에서 소프트 토큰 공격(STA)이 대규모 언어 모델(LLM)의 언러닝 효과를 제대로 평가할 수 없다는 사실이 밝혀졌습니다. STA는 언러닝 여부와 관계없이 정보를 추출할 수 있어, 더욱 정교한 언러닝 기술과 평가 기준 개발의 필요성을 강조하고 있습니다.

본 기사는 LLM의 코드 생성 능력 향상을 위한 새로운 접근 방식인 CodeRSA에 대한 연구 결과를 소개합니다. 합리적 언어 행위(RSA) 프레임워크 기반의 CodeRSA는 최신 LLM과 인기 코드 생성 데이터셋을 사용한 실험에서 기존 방법보다 우수한 성능을 보여주었으며, LLM의 코드 생성 품질 향상에 대한 가능성을 제시합니다.

본 논문은 Kolmogorov-Arnold Networks (KANs)의 국소 신경가소성을 활용한 새로운 OOD 탐지 방법을 제시합니다. 기존 기술보다 우수한 성능과 강건성을 보이며, 머신러닝 시스템의 신뢰성 향상에 기여할 것으로 기대됩니다.