본 기사는 사이버보안 LLM 학습을 위한 혁신적인 오픈소스 데이터셋 Primus에 대한 소개입니다. Primus는 사전 학습부터 추론 증류까지 다양한 학습 단계를 지원하며, 공개된 벤치마크에서 뛰어난 성능 향상을 보였습니다. ODC-BY 및 MIT 라이선스로 공개되어, 전 세계 연구자들의 협력을 통한 사이버보안 분야 발전을 촉진할 것으로 기대됩니다.

중국 저장대학교 연구진이 발표한 ReLearn은 기존 LLM '잊기' 방식의 한계를 극복하고, 학습을 통해 효과적으로 정보를 잊는 새로운 방법을 제시합니다. 새로운 평가 지표를 통해 망각과 생성 품질을 균형 있게 평가하고, 실험을 통해 ReLearn의 효과를 입증했습니다.

방글라데시어를 위한 최초의 대규모 사전 훈련 언어 모델 TituLLMs가 개발되었으며, 10억 및 30억 매개변수 크기의 두 가지 모델과 5개의 새로운 벤치마킹 데이터셋이 공개되었습니다. 이는 저자원 언어 처리 분야에 중요한 기여를 할 것으로 기대됩니다.

본 기사는 다중 모달 대규모 언어 모델(MLLM)의 안전성 평가를 위한 새로운 벤치마크 MMSafeAware에 대한 연구 결과를 소개합니다. 연구 결과, 기존 MLLM들은 안전성 인식 측면에서 미흡하며, 안전성 향상을 위한 추가 연구가 필요함을 강조합니다.

중국과학원과 영국 사우샘프턴대학교 공동 연구진이 스택형 지능형 메타표면(SIM) 기반 송수신기 설계를 통해 근거리 광대역 무선 시스템의 효율성과 성능을 크게 향상시켰습니다. 계층별 반복 알고리즘, MMSE 송신 프리코딩, 반복적 워터필링 전력 할당 알고리즘 등을 통해 홀로그램 MIMO 시스템의 성능을 극대화하고 다중 사용자 지원을 가능하게 했습니다. 시뮬레이션 결과는 SIM 기반 시스템의 우수성을 입증했으며, 향후 차세대 통신 기술 발전에 크게 기여할 것으로 예상됩니다.