
EMMA: 인간 수준의 다중 모달 추론을 향한 도전과 과제
EMMA 벤치마크는 다중 모달 대규모 언어 모델(MLLM)의 추론 능력을 평가하기 위해 개발되었습니다. 최첨단 MLLM들에 대한 평가 결과, 복잡한 다중 모달 및 다단계 추론 과제에서 상당한 한계가 드러났으며, 인간 수준의 다중 모달 추론 능력을 갖춘 MLLM 개발을 위한 모델 아키텍처 및 학습 방식의 혁신이 필요함을 시사합니다.

첨단 AI, 사이버 폭력과의 전쟁에서 새로운 무기를 꺼내들다: 언어 모델의 양면성
최첨단 언어 모델과 거대 언어 모델을 활용한 사이버 폭력 탐지 연구 동향을 분석한 논문을 소개하며, AI 기술의 양면성과 윤리적 사용에 대한 중요성을 강조합니다.

혁신적인 비디오 압축 기술: 고압축잠재공간을 위한 비디오 토크나이저의 점진적 성장
Aniruddha Mahapatra 외 연구팀은 저압축 모델의 표현을 활용하여 고압축 모델의 성능을 향상시키는 새로운 비디오 토크나이저를 개발했습니다. 크로스 레벨 피처 믹싱 모듈을 통해 기존 방법보다 뛰어난 재구성 품질과 시간적 압축률을 달성, 고품질 비디오 생성에 기여하는 혁신적인 연구입니다.

로봇 손 조작의 혁신: 단순 기술에서 복잡한 기술로의 도약
Qi Haozhi 등 연구진의 논문은 로봇의 손 조작 능력을 향상시키는 계층적 정책과 일반화 가능한 객체 자세 추정기를 제시하여 시뮬레이션에서 학습된 기술을 현실 세계로 쉽게 전이하고 복잡한 작업에도 강인성을 유지하는 혁신적인 결과를 보여주었습니다.

2024년 신경상징 AI: 급성장과 숙제
2020년 이후 급성장한 신경상징 AI 연구 현황을 분석한 논문에 따르면, 학습 및 추론 분야에 연구가 집중된 반면, 설명 가능성과 신뢰성, 메타인지 분야는 상대적으로 부족한 것으로 나타났습니다. 다학제적 연구를 통해 이러한 한계를 극복하는 것이 AI 발전에 중요합니다.