Transitive Array는 Transitive Sparsity라는 새로운 개념을 도입하여 GEMM 연산의 효율성을 획기적으로 높인 딥러닝 가속기입니다. 최첨단 가속기에 비해 속도와 에너지 효율이 크게 향상되었으며, LLaMA 모델에서도 높은 정확도를 유지합니다.

본 연구는 Segment Anything Model (SAM)을 3D 무릎 MRI 이미지의 반월상 연골 분할에 적용한 결과를 보고합니다. SAM은 일반적인 이미지 분할에 유용하지만, 3D U-Net과 비교했을 때 반월상 연골과 같이 미세하고 경계가 모호한 구조의 분할에서는 성능이 떨어지는 것을 확인했습니다. 이는 의료 영상 분할에 있어 모델 선택의 중요성을 시사합니다.

Siow Meng Low와 Akshat Kumar가 개발한 TraCeS는 희소한 안전 피드백을 기반으로 안전 강화 학습 에이전트의 안전성을 평가하고 최적화하는 혁신적인 방법입니다. 알려지지 않은 안전 정의를 학습하고 다양한 연속 제어 작업에 확장 가능하다는 장점을 가지고 있으며, 자율주행 및 로봇 제어 등 안전이 중요한 분야에 혁신적인 영향을 미칠 것으로 기대됩니다.

본 연구는 LLM의 지속가능성에 초점을 맞춰, 단순 성능 벤치마킹이 아닌 비용, 에너지 소비, 데이터 주권 등을 고려한 새로운 평가 기준을 제시합니다. 실제 업무 환경에서 11개의 LLM을 평가한 결과, GPT-4와 같은 대형 모델이 높은 성능을 보였지만, 소형 모델 또한 특정 상황에서는 우수한 성능을 보여줌을 확인했습니다. 이 연구는 AI 모델 선택의 폭을 넓히고, 더욱 책임감 있는 AI 활용을 위한 중요한 전환점을 마련했습니다.

최나영, 사이부카이레 피스, 최진호 박사 연구팀이 개발한 '팅커 테일즈'는 NFC 칩과 AI 음성인식 기술을 활용한 상호작용형 스토리텔링 프레임워크로, 어린이들의 이야기 구성 능력 및 AI 리터러시 향상에 기여할 것으로 기대됩니다. 어린이 AI 에이전트를 통한 시뮬레이션 결과, 안전하고 즐거운 AI 학습 환경을 제공하는 것으로 평가되었습니다.