Yi-Kai Zhang, De-Chuan Zhan, Han-Jia Ye 세 연구원은 거대 언어 모델(LLM)의 효율적인 활용을 위해 '능력 기반 지시 조정'이라는 새로운 패러다임을 제시했습니다. Model-SAT 프레임워크를 통해 각 지시에 최적의 LLM을 선택하는 라우팅 기법을 개발하여, 기존 모델보다 우수한 성능과 효율성을 달성했습니다.

고엔트로피 합금(HEA) 연구는 기존 합금 설계의 패러다임을 전환하여 지속 가능한 야금학의 새로운 가능성을 열었습니다. 다성분 폐기물을 활용한 합금 개발과 인공지능 기반 설계 도구의 활용이 중요하며, 이를 통해 더욱 안전하고 효율적인 미래 사회를 구축하는 데 기여할 것으로 기대됩니다.

본 기사는 중국과학원 연구진의 LLM 성능 예측 프레임워크인 COD에 대한 소개입니다. COD는 기존 방법의 한계를 극복하고, 700억 매개변수 LLM에서 뛰어난 예측 정확도를 달성하여 LLM 개발의 효율성 향상에 기여할 것으로 기대됩니다.

본 기사는 대규모 언어 모델(LLM)의 벤치마크 오염 문제를 해결하기 위한 워터마킹 기법에 대한 연구 결과를 소개합니다. 실험 결과, 워터마킹은 벤치마크의 유용성을 유지하면서 오염 검출의 효과성을 입증하여 LLM 평가의 신뢰성을 향상시킬 수 있음을 보여줍니다.

Baichuan-Audio는 음성 이해와 생성을 통합한 엔드투엔드 오디오 거대 언어 모델로, 실시간 음성 상호작용을 가능하게 합니다. 텍스트 기반 정렬된 음성 생성, 다중 코드북 음성 변환, 그리고 두 단계 사전 훈련 전략을 통해 실시간 음성 대화와 질문 응답에서 뛰어난 성능을 보입니다. 코드, 모델, 훈련 데이터가 공개되어 더욱 발전 가능성을 열었습니다.