본 기사는 홍예 류와 리카르도 헤나오가 발표한 모델 기반 점수 순위를 이용한 스마트 단어 치환 기술에 대한 연구 결과를 소개합니다. 이 기술은 인간의 주관적인 평가에 의존하지 않고, BARTScore를 이용하여 문장의 질을 객관적으로 평가하며, 기존 모델들을 능가하는 성능을 보여줍니다. 인간의 레이블링 과정을 생략하여 효율성을 높인 이 기술은 AI 분야에 큰 영향을 미칠 것으로 기대됩니다.

본 기사는 Ariel Szabo와 Uzy Hadad의 연구 논문 "Crypto Miner Attack: GPU Remote Code Execution Attacks"를 바탕으로 GPU 기반 AI 시스템의 보안 취약성과 암호화폐 채굴 공격에 대한 위험성을 심층적으로 분석합니다. GPU의 병렬 처리 특성으로 인해 탐지가 어려운 RCE 공격의 기술적 세부 사항을 설명하고, 정적 및 모델 스캐닝을 통한 효과적인 방어 전략을 제시합니다.

본 기사는 단 몇 분 만에 대규모 언어 모델(LLM)에 보편적인 탈옥 백도어를 심는 새로운 공격 기법 JailbreakEdit에 대해 다룹니다. 기존 방식보다 효율적이고 은밀한 이 공격은 모델 편집 기술과 다중 노드 목표 추정 기법을 활용하며, 높은 성공률과 안전성을 동시에 달성합니다. 하지만 이는 LLM 안전성에 대한 새로운 우려를 제기하며, 더욱 강력한 방어 메커니즘 개발의 필요성을 시사합니다.

소비자급 GPU에서도 효율적인 진화적 모델 병합을 가능하게 하는 머지큐브(MERGE$^3$) 프레임워크가 개발되었습니다. IRT(Item Response Theory)를 활용하여 계산 비용을 50배 줄이면서 성능은 유지하는 혁신적인 기술로, 다국어 및 교차 언어 모델 병합의 새로운 표준을 제시하고 오픈소스로 공개되었습니다.

RAMer 모델은 다자간 다모달 다라벨 감정 인식 문제에 대한 혁신적인 해결책을 제시하며, 실제 환경의 제약을 고려한 강력한 성능을 보여줍니다. 적대적 학습, 대조 학습 등 다양한 기술을 활용하여 기존 방식의 한계를 극복하고 최첨단 성능을 달성했습니다.