Lingjun Zhao 등 연구진은 대규모 비디오-언어 모델의 환각 문제 해결을 위해 환각 수정을 학습 목표로 활용하는 HACA 프레임워크를 제시했습니다. HACA는 비디오와 언어 간 정합성을 향상시켜 비디오 캡션 바인딩 및 텍스트-비디오 검색 과제에서 성능 향상을 보였습니다.

이지상현, 류칭펑, 엘카미 모스타파 연구팀은 비디오 확산 트랜스포머의 효율적인 배포를 위한 정적 양자화 방법을 개발했습니다. 단계별 보정 데이터와 채널/텐서 양자화 기법을 활용하여, 자원 제약 기기에서도 고품질 비디오 생성을 가능하게 하였으며, 이는 AI 대중화 및 지속 가능한 AI 발전에 기여할 것으로 예상됩니다.

Elliot Schumacher, Dhruv Naik, Anitha Kannan 연구팀이 개발한 RareScale 모델은 LLM과 전문가 시스템을 결합하여 희귀 질병 진단의 정확도를 17% 이상 향상시켰습니다. 575가지 이상의 희귀 질병을 대상으로 한 실험에서 우수한 성능을 보였으며, 의료 현장에서 희귀 질병 진단의 효율성을 높이는 데 기여할 것으로 기대됩니다.

본 기사는 뉴로모픽 컴퓨팅 기반 오디오 분류에 대한 최신 연구 동향을 소개하며, 기존 방식의 한계를 극복하는 뉴로모픽 접근 방식의 장점과 잠재적 가능성, 그리고 남아있는 과제들을 균형 있게 조명합니다. Amlan Basu 등 연구자들의 논문을 바탕으로 SNN, 메모리스터 등 핵심 기술과 다양한 방법론을 분석하고, 향후 연구 방향을 제시합니다.

본 연구는 시각적 정보 검색 증강 생성(V-RAG) 프레임워크를 통해 의료 멀티모달 대규모 언어 모델(MLLM)의 환각 문제를 해결하고 정확도를 향상시켰다는 내용입니다. MIMIC-CXR 및 Multicare 데이터셋 실험 결과, 빈도에 관계없이 의료 개체 식별 정확도가 향상되었으며, RadGraph-F1 점수 또한 개선되었습니다.