본 기사는 Weisong Sun 등 연구진이 개발한 경량화된 코드 포이즈닝 탐지 기술인 KillBadCode를 소개합니다. KillBadCode는 코드의 자연스러움을 기반으로 포이즈닝된 코드를 효과적으로 탐지하며, 기존 기술보다 훨씬 빠르고 효율적입니다.

중국과기대 연구진이 리만 기하학 기반의 혁신적인 MoE-LoRA 파인튜닝 기법을 개발, 초거대 언어 모델의 효율성 및 안정성을 크게 향상시켰습니다. GitHub를 통해 소스 코드를 공개하여 연구 활성화에 기여했습니다.

본 연구는 XAI를 활용하여 MSW의 전단강도를 정확하게 예측하는 새로운 모델을 제시합니다. MLP와 SHAP 분석을 통해 높은 예측 정확도와 모델의 투명성을 확보했으며, 폐기물 구성요소의 영향을 정량적으로 분석하여 폐기물 관리 방식 개선에 기여합니다.

정다현, 서재형, 이재욱, 박찬준, 임휘석 연구팀이 개발한 CoME(Conflict-free Model Editing)은 기존 LLM의 오래되거나 잘못된 정보로 인한 신뢰성 저하 문제를 해결하기 위해 'unlearning' 기반의 모델 편집 방법을 제시합니다. GPT-J와 LLaMA-3 모델 실험을 통해 CoME의 효과성과 신뢰성 향상을 검증하였습니다.

AI와 머신러닝을 활용한 암 재발 예측 분석 연구는 유전체 정보, 임상 증상, 치료 정보 등 방대한 데이터 분석을 통해 개인 맞춤형 의료 및 예방적 환자 관리를 가능하게 합니다. 이는 암 환자의 생존율과 삶의 질 향상에 크게 기여할 것으로 기대됩니다.