WaferLLM은 웨이퍼 규모 AI 가속기의 성능을 극대화하는 혁신적인 LLM 추론 시스템입니다. PLMR 디바이스 모델과 MeshGEMM, MeshGEMV 알고리즘을 통해 기존 시스템보다 훨씬 빠르고 에너지 효율적인 LLM 추론을 가능하게 합니다.

본 연구는 시각-언어-행동 모델의 블랙박스 문제와 인지 아키텍처의 한계를 극복하기 위해 OpenVLA 모델의 은닉층을 분석하여 상징적 표현을 추출하고, 이를 DIARC-OpenVLA 시스템에 통합하여 실시간 상태 모니터링을 가능하게 함으로써 로봇 제어의 신뢰성과 해석성을 향상시켰습니다.

Hanyu Wang 등 연구진이 개발한 TruthFlow는 질문에 특화된 수정 벡터를 생성하여 LLM의 거짓 정보 생성 문제를 해결하는 혁신적인 AI 모델입니다. 다양한 최첨단 LLM에서 효과를 입증했으며, 뛰어난 전이 학습 능력 또한 보여주었습니다.

본 기사는 홍량 치(Hongliang Chi) 외 연구팀의 논문 "Unifying and Optimizing Data Values for Selection via Sequential-Decision-Making"을 바탕으로 데이터 선택 문제를 순차적 의사결정 문제로 재구성하여 최적의 데이터 값을 찾는 새로운 방법에 대해 소개합니다. 동적 계획법과 학습된 이분 그래프를 활용한 효율적인 근사 계획을 통해 기존 방법들을 통합하고 개선하는 내용을 다룹니다.

새로운 음성 인식 모델 '정렬기-인코더'는 기존 모델보다 훨씬 빠르고 효율적이며, 자체 정렬 기능을 통해 모델의 투명성을 높였습니다. 이는 음성 인식 기술 발전에 중요한 이정표가 될 것으로 예상됩니다.