중국과학기술대학 연구팀의 연구 결과, 머신 언러닝을 통해 LLMs4Code의 민감 정보 유출 문제를 완화하면서 코드 생성 능력을 유지할 수 있음이 확인되었습니다. 하지만 언러닝 이후 간접적인 유출 위험이 존재하여, 추가 연구가 필요함을 시사합니다.

BnTTS는 방글라데시어 음성합성 분야의 혁신적인 시스템으로, 제한된 데이터 환경에서도 뛰어난 성능을 보여주는 few-shot 학습 방식을 채택했습니다. XTTS 아키텍처를 기반으로 방글라데시어의 언어적 특성을 고려하여 설계되었으며, 기존 시스템보다 자연스러움과 명료성이 크게 향상되었습니다.

Hadamard 행렬 기반의 새로운 RNN인 HadamRNN은 이진 및 희소 삼항 가중치를 사용하면서도 고정밀도 모델에 필적하는 성능을 보여주었습니다. 이는 경량화된 AI 시스템 개발에 획기적인 전기를 마련할 것으로 기대됩니다.

Songlin Xu 외 6명의 연구진이 개발한 '전이적 반복적 반성(TIR)' 모듈은 대규모 언어 모델(LLM)을 활용하여 온라인 교육 환경에서 학생들의 학습 행동을 정교하게 시뮬레이션합니다. 6주간의 교육 워크숍을 통해 수집된 데이터를 바탕으로 개발된 이 모듈은 기존 모델보다 더욱 정확한 시뮬레이션 결과를 제공하며, 온라인 교육의 '디지털 트윈' 구현에 기여할 것으로 기대됩니다.

Zhu 외 연구팀이 개발한 3D 기반 AI 모델 FM-CT는 자기 지도 학습을 통해 두부 CT 영상 분석의 정확도를 크게 향상시켰습니다. 3D 구조 분석과 자기 지도 학습의 결합은 의료 영상 분석 분야에 새로운 가능성을 열었습니다.