related iamge

중국 역사 속으로: 대규모 역할극 AI 에이전트 데이터셋 BaiJia 등장!

BaiJia는 중국 역사 인물들을 활용한 대규모 역할극 에이전트 데이터셋으로, 다양한 형태의 역사 기록을 통합하여 제작되었습니다. 실험 결과, 기존 LLM의 역할극 능력 향상에 효과적임을 보여주었으며, 역사적 역할극 과제에 대한 LLM 개발 및 평가에도 기여할 것으로 예상됩니다.

related iamge

AI 학계의 혁신: 공정하고 정확한 개인화된 연합 학습을 위한 Calibre

Chen, Su, Li 세 연구원이 개발한 Calibre는 자기 지도 학습(SSL)을 개선하여 개인화된 연합 학습에서 공정성과 정확성을 동시에 향상시키는 혁신적인 프레임워크입니다. 클라이언트 특정 프로토타입 손실과 프로토타입 기반 집계 알고리즘을 통해 클라이언트 간 데이터 이질성 문제를 해결하고 최첨단 성능을 달성했습니다.

related iamge

ProtCLIP: 기능 정보 기반 단백질 다중 모드 학습의 혁신

Zhou 등의 연구팀이 개발한 ProtCLIP은 기능 정보 기반 다중 모드 학습을 통해 단백질 연구의 새로운 지평을 열었습니다. 대규모 데이터셋 ProtAnno와 혁신적인 사전 훈련 패러다임을 통해 22개 벤치마크에서 SOTA 성능을 달성, 단백질 기능 이해 및 신약 개발 등에 획기적인 발전을 가져올 것으로 기대됩니다.

related iamge

OneKE: 도커 기반 지식 추출 시스템의 혁신

OneKE는 도커 기반의 스키마-기반 LLM 에이전트 기반 지식 추출 시스템으로, 웹과 PDF에서 다양한 분야의 지식을 추출합니다. 여러 에이전트와 구성 가능한 지식베이스를 통해 다양한 시나리오 지원 및 성능 향상을 가능하게 하며, 벤치마크 데이터셋과 사례 연구를 통해 효율성과 적응성을 검증했습니다. 깃허브와 비디오 데모를 통해 오픈소스로 공개되어 높은 접근성과 활용성을 제공합니다.

related iamge

초저전력 AI 학습의 혁신: LEGEND 알고리즘으로 연산 속도 2배 향상!

중국과학원 연구진이 개발한 LEGEND 알고리즘은 LoRA 기반의 연합 미세조정(FedFT) 방식을 개선하여 초저전력 환경에서의 AI 학습 효율을 획기적으로 높였습니다. 80대의 상용 기기를 활용한 실험 결과, 기존 솔루션 대비 최대 2.8배의 속도 향상과 42.3%의 통신 비용 절감 효과를 확인했습니다.