Amrit Diggavi Seshadri의 연구는 초거대 언어 모델의 추론 속도와 비용을 획기적으로 개선하는 '원샷 단축기법(OJFA)'을 제시합니다. 단 하나의 저차원 단축 경로를 사용하여 기존 방식 대비 30배 이상의 파라미터 감소를 달성하면서 성능 저하 없이 높은 정확도를 유지하는 것으로 나타났습니다. GPT2-XL, Phi3-Mini, Llama2-7B 등 다양한 모델에서 안정적인 성능을 검증하여 AI 기술 발전에 중요한 전환점을 마련했습니다.

인도 연구진이 개발한 CacheFormer는 컴퓨터 캐시 메모리 원리를 활용하여 Transformer 모델의 긴 문맥 처리 효율성을 크게 높였습니다. 4가지 어텐션 메커니즘의 조합으로 기존 최고 성능 모델 대비 평균 8.5%의 perplexity 개선을 달성, AI 모델 발전에 새로운 가능성을 열었습니다.

본 기사는 책임감 있는 AI(RAI)에 대한 최근 연구 논문을 바탕으로, RAI 표준화의 시급성과 사회적 압력의 역할을 분석하고, 미래 AI 생태계 구축을 위한 공동의 노력을 강조합니다. 특히, 각 산업계의 제각각인 윤리 기준과 RAI 구현의 어려움을 지적하며, 국제적인 협력을 통한 공통된 프레임워크의 필요성을 제시합니다.

FLoWN 모델은 이미지 학습 분야의 난제를 해결하기 위해 잠재 공간에서의 흐름을 모델링하여 신경망 매개변수를 생성하는 혁신적인 접근 방식을 제시합니다. 기존 모델을 능가하는 성능과 효율적인 파인튜닝 메커니즘을 통해 다양한 작업에 적용 가능하며, 이미지 인식 및 생성 분야의 발전에 크게 기여할 것으로 기대됩니다.

성균관대 연구팀이 텍스트 기반 게임 에이전트에 인격을 부여하는 PANDA 모델을 개발, 인격 특성이 에이전트 성능에 영향을 미침을 밝혀냈습니다. 특히 개방성이 높은 에이전트의 우수한 성능이 확인되었으며, 이는 인간 중심적 AI 개발에 중요한 의미를 가집니다.