본 기사는 의료 영상 분류 AI 모델의 적대적 공격 취약성을 해결하기 위해 제안된 새로운 공격 프레임워크 CoRPA에 대해 소개합니다. CoRPA는 기존 방식과 달리 임상적 오류에 초점을 맞춰 실제 의료 현장의 오류를 모방하며, MIMIC-CXR-JPG 데이터셋을 통해 그 효과를 검증했습니다. 이는 의료 AI의 안전성 확보를 위한 중요한 연구 결과입니다.

본 기사는 LLM을 활용한 역사적 텍스트 NER 기술의 혁신적인 발전에 대한 내용을 다룹니다. 기존 NLP 방식의 한계를 극복하고, 인문학적 접근을 통해 높은 정확도와 접근성을 확보한 연구 결과를 소개하며, AI와 인문학의 융합이 가져올 미래를 조망합니다.

본 기사는 Chen Yongchao 등 연구진이 개발한 CodeSteer라는 새로운 방법을 소개합니다. CodeSteer는 대규모 언어 모델(LLM)의 코드/텍스트 생성을 효과적으로 유도하여 기존 모델의 성능을 크게 향상시키는 기술입니다. GPT-4o에 적용된 CodeSteer는 기존 최고 성능 모델들을 능가하는 결과를 보였으며, 다른 LLM에도 적용 가능하여 뛰어난 일반화 성능을 입증했습니다. 이 연구는 LLM의 발전에 큰 기여를 할 것으로 기대됩니다.

이 논문은 LLM 기반 대화형 에이전트의 동적 벤치마킹을 위한 새로운 프레임워크를 제시합니다. 합성 사용자와의 상호작용을 통해 정보 추출, 맥락 인식, 적응적 참여 능력을 평가하며, 실험 결과 적응 전략이 데이터 추출 정확도 향상에 기여함을 보여줍니다. 향후 연구는 추가 지표 통합 및 적용 범위 확장을 목표로 합니다.

위정현, 박민재, 이재호 연구원이 개발한 PuDDing 알고리즘은 프롬프트에 따라 대규모 언어 모델의 트랜스포머 블록을 동적으로 제거하여 추론 속도를 높이고 정확도를 향상시키는 혁신적인 기술입니다. 상식 추론 벤치마크에서 기존 방식보다 우수한 성능을 보였으며, 더욱 효율적이고 지속가능한 AI 시스템 구축에 기여할 것으로 기대됩니다.