DMind Benchmark는 Web3 분야에 특화된 최초의 종합적인 LLM 평가 벤치마크로, 9가지 핵심 영역에서 15개의 LLM을 평가하여 Web3 특화된 추론 및 응용 능력의 성능 차이를 밝히고, Web3 LLM 개발의 방향을 제시합니다. 데이터셋은 공개되어 향후 연구에 활용될 예정입니다.

Zhang과 Koyejo의 연구는 목표 지향적 동적 확률장에 대한 새로운 이론적 프레임워크를 제시하고, 인공지능 응용 관점에서의 설계 방법론을 탐구하여 복잡한 시스템 이해 및 활용 가능성을 제시합니다.

Wang Kangyu의 논문을 바탕으로, 기계 학습 에이전트가 인간과 달리 어려운 선택 상황을 다루지 못하는 한계와 그 해결 방안에 대한 탐구를 제시합니다. 다목적 최적화의 한계와 인간-기계 의사결정의 차이를 분석하며, 향후 연구 방향을 제시합니다.

Xiong Yi 등 연구진이 발표한 논문은 이종 클러스터 상에서 고처리량 LLM 추론을 위한 새로운 시스템을 제안합니다. 완전 탐색을 통한 배포 구성 최적화와 인스턴스별 처리 능력을 고려한 요청 스케줄링 메커니즘을 통해 최대 122.5%의 처리량 향상을 달성했습니다.

왕신과 리샤오치 연구팀의 논문은 AI를 활용하여 NFT 스마트 계약의 취약점을 분석하는 혁신적인 방법을 제시합니다. 의사결정 트리와 랜덤 포레스트 모델을 활용하여 효율적이고 정확한 분석을 수행하며, NFT 생태계의 보안 강화에 기여할 것으로 기대됩니다.