Shuhuai Ren 등 연구팀이 개발한 Next-Block Prediction(NBP) 모델은 기존 자동회귀 비디오 생성 모델의 속도 및 성능 한계를 극복했습니다. 블록 단위 예측과 양방향 어텐션을 통해 UCF101과 K600 데이터셋에서 우수한 성능을 보였으며, 기존 모델 대비 11배 빠른 속도를 달성했습니다.

EdgeEar는 저랭크 근사 기법을 활용하여 파라미터 수를 획기적으로 줄인 경량화된 귀 인식 모델로, 에지 디바이스에서 높은 정확도를 유지하며 동작합니다. UERC2023 벤치마크에서 최저 EER을 달성하여 그 성능을 입증하였으며, 귀 인식 기술의 상용화 가능성을 높였습니다.

AI 발전의 필수 요소인 인간 데이터의 질적 저하 문제를 다룬 논문 "Economics of Sourcing Human Data"를 분석하여, 대규모 언어 모델의 등장으로 인한 위기와 내재적 동기 부여를 통한 해결책을 제시합니다. 단순히 효율성만을 추구하는 기존 시스템의 한계를 극복하고, 인간 중심적인 접근 방식을 통해 지속 가능한 고품질 데이터 확보 방안을 모색합니다.

LLM 기반 코드 생성의 신뢰성 문제 해결을 위해 Ada/SPARK를 활용한 형식적 검증 프레임워크를 적용한 연구 결과, Marmaragan 도구를 통해 GPT-4를 이용한 실험에서 50.7%의 정확도를 달성, 향후 AI 기반 소프트웨어 개발의 안전성 향상에 기여할 것으로 예상.

Arjun Srinivasan, Vidya Setlur, Arvind Satyanarayan 연구팀이 개발한 Pluto는 텍스트와 차트의 의미적 통합을 지원하는 혁신적인 데이터 시각화 도구입니다. 사용자 연구 결과, Pluto는 데이터 시각화 작업의 효율성을 높이고 다양한 저술 전략을 지원하는 것으로 나타났습니다.