Trillion Labs가 개발한 Trillion-7B는 토큰 효율성을 극대화한 한국어 중심의 다국어 LLM로, XLDA 메커니즘을 통해 효율적인 지식 전이를 달성하고, 낮은 비용으로 높은 성능을 구현했습니다. 4개 언어 27개 벤치마크에서 뛰어난 성능을 입증했습니다.

Songyuan Zhang 등 연구진이 개발한 Def-MARL 알고리즘은 에피그래프 형식을 이용하여 다중 로봇 시스템의 안전 최적 제어 문제를 해결합니다. 시뮬레이션 및 실제 로봇 실험 결과, Def-MARL은 우수한 성능과 안정성을 보였으며, 미래 다중 로봇 시스템 개발에 크게 기여할 것으로 예상됩니다.

본 연구는 대규모 언어 모델(LLM)을 활용하여 레거시 포트란 코드를 C++로 변환하는 연구로, 코드 변환의 정확성, LLM 생성 코드와 사람이 작성한 코드의 유사성, 그리고 변환 전후 코드의 출력값 유사성까지 정량적으로 분석하여 LLM 기반 코드 변환 기술의 현실적인 가능성과 한계를 제시했습니다. 두 개의 서로 다른 컴퓨팅 플랫폼에서 실험을 진행하여 결과의 일반화 가능성을 높였으며, 오픈소스 LLM을 활용하여 접근성을 확보했습니다. 이 연구는 레거시 코드의 현대화, 개발 시간 단축, 전문가의 부담 경감 등에 기여할 것으로 기대됩니다.

본 연구는 Datalog^¬와 부울 네트워크 이론 간의 공식적인 연결을 통해 Datalog^¬ 프로그램의 모델 이론에 대한 새로운 이해를 제시합니다. 프로그램의 사이클 구조와 모델의 존재성 및 유일성 간의 관계를 규명하고, 기존 연구의 오류를 수정하며, '트랩 공간'이라는 새로운 개념을 도입하여 Datalog^¬ 프로그램의 해석에 대한 새로운 시각을 제공합니다.

본 기사는 자율적 AI 개발의 위험성을 경고하는 최근 연구에 대한 심층 분석을 제공합니다. 연구진은 인간의 개입 없이 AI가 스스로 발전하는 위험을 지적하며, 이를 방지하기 위한 최소한의 안전 장치 4가지를 제안합니다. AI 기술 발전의 윤리적, 안전적 측면을 고려해야 할 시점임을 강조하며, 향후 연구 방향을 제시합니다.