Tejas Jayashankar, J. Jon Ryu, Gregory Wornell이 개발한 Score-of-Mixture Training (SMT)은 $\alpha$-skew Jensen-Shannon divergence를 최소화하는 새로운 단일 단계 생성 모델 훈련 프레임워크입니다. 다양한 노이즈 레벨에서 혼합 분포의 스코어를 추정하는 방식으로, 간편한 구현과 안정적인 훈련을 제공하며, CIFAR-10 및 ImageNet 64x64 데이터셋에서 기존 방법들과 비교하여 우수한 성능을 보였습니다.

본 기사는 LiSA라는 새로운 AI 공격 기법에 대해 다룹니다. 기존 방식과 달리 링크 추천 시스템을 악용하여 GNN의 취약점을 공략하며, 실제 데이터셋에서 높은 성공률을 보였습니다. 이는 AI 보안에 대한 새로운 도전 과제를 제시하며, 더욱 강력하고 안전한 AI 시스템 개발의 필요성을 강조합니다.

Hongyin Zhang 등 연구진이 개발한 GEVRM(Goal-Expressive Video Generation Model)은 내부 모델 제어(IMC) 원리를 활용하여 외부 환경 변화에도 강인한 로봇 비주얼 조작을 가능하게 하는 혁신적인 모델입니다. 텍스트 기반 비디오 생성과 프로토타입 대조 학습을 통해 외부 변화를 효과적으로 처리하며, CALVIN 벤치마크에서 최첨단 성능을 달성했습니다.

Tel Aviv University와 LISN 연구진은 역전파 정보를 활용하여 임의의 DAG 신경망을 동적으로 성장시키는 새로운 전략을 제시했습니다. 이는 훈련 시간과 비용을 절감하고, 지속 가능한 AI 개발에 기여할 것으로 기대됩니다.

Chang Zong 등 연구팀이 개발한 EvidenceMap은 소규모 언어 모델을 활용하여 생의학 질문 응답의 정확성과 효율성을 크게 향상시킨 혁신적인 방법입니다. 소규모 모델의 미세 조정을 통해 대규모 모델을 능가하는 성능을 달성하여, 자원 제약이 있는 환경에서도 고품질의 질문 응답 시스템 구축을 가능하게 합니다.