중국과학원 자동화연구소 연구진이 개발한 LoCA는 기존 LoRA의 한계를 극복하는 새로운 파라미터 효율적 미세 조정 방법으로, 주파수 영역 기반 iDCT를 활용하여 효율성과 표현력을 동시에 향상시켰습니다. 다양한 실험 결과를 통해 LoCA의 우수성이 입증되었습니다.

DeepCell은 PM 넷리스트와 AIG의 구조적, 기능적 통찰력을 통합하는 멀티뷰 표현 학습 프레임워크로, MCM(Mask Circuit Modeling) 메커니즘을 통해 자가 지도 학습을 수행하여 기존 방법보다 높은 예측 정확도와 재구성 충실도를 달성했습니다. 기능적 ECO에 적용하여 패치 생성 비용 및 실행 시간 감소와 품질 향상을 이끌어냈습니다.

본 연구는 토폴로지 미분을 활용하여 심층 신경망 아키텍처를 최적화하는 새로운 알고리즘을 제시합니다. 최적 제어 이론 및 최적 전달 이론을 접목하여 네트워크 구조의 효율적인 적응 전략을 제시하며, 다양한 실험을 통해 기존 방법 대비 우수한 성능을 입증합니다. 이 연구는 향후 AI 시스템 개발에 중요한 기여를 할 것으로 기대됩니다.

본 연구는 대규모 언어 및 비전-언어 모델의 안전성을 높이기 위해 강화 학습 기반의 적응형 위험 관리 시스템을 제시합니다. 기존 방법 대비 정확도, 신뢰도, 오류 검출률을 크게 향상시켜 안전 중요 응용 분야에 적용 가능성을 입증했습니다.

본 기사는 Yue Shengbin 등 연구진이 개발한 MASER(다중 에이전트 법률 시뮬레이션 드라이버)와 MILE(다단계 상호작용 법률 평가) 벤치마크를 소개합니다. MASER는 실제 법적 사례를 기반으로 LLM 학습을 위한 고품질 합성 데이터를 생성하고, MILE은 동적인 법률 시나리오에서 LLM의 성능을 평가하는 척도를 제공합니다. 이 연구는 LLM 기반 법률 지능 분야의 발전에 중요한 의미를 지닙니다.