최신 연구에 따르면, GPT-4를 포함한 대규모 언어 모델(LLM)은 선전 감지 능력이 기대만큼 높지 않지만, 특정 유형의 선전에서는 기존 모델보다 우수한 성능을 보입니다. LLM의 선전 감지 기술 발전을 위해서는 더 많은 연구가 필요합니다.

본 연구는 대규모 언어 모델(LLM)의 강화 학습 기반 사후 훈련에 대한 기존 주장에 대해 비판적인 분석을 제시합니다. 단순화된 구조적 가정들이 강화 학습을 결과 중심의 지도 학습으로 만든다는 점을 밝히고, 실험을 통해 반복적인 지도 학습 미세 조정이 강화 학습과 유사한 성능을 달성함을 보여줍니다.

희소한 에피소드 기억을 기반으로 공간적 세계 모델을 구축하는 ESWM(Episodic Spatial World Model)이라는 혁신적인 신경망이 개발되었습니다. 최소한의 데이터로 높은 효율성과 적응력을 보이며, 새로운 환경 탐색 및 내비게이션에 탁월한 성능을 보여줍니다. 향후 다양한 분야에 응용될 가능성이 높지만, 실제 세계 적용과 윤리적 고려가 중요한 과제로 남아있습니다.

Hiya Bhatt 등 연구진이 개발한 HarmonE는 MAPE-K 루프 기반의 자가 적응형 MLOps 아키텍처로, 지속 가능성 목표를 달성하며 변화하는 환경에 효과적으로 적응합니다. 지능형 교통 시스템 디지털 트윈을 활용한 검증 결과, 정확성 유지 및 지속 가능성 목표 달성을 확인했습니다.

허성실, 캘빈 머독, 마이클 프룰크스, 크리스티 밀러 연구팀은 시선 추적 기술을 활용한 경량화된 삼자 대화 차례 예측 모델을 개발했습니다. 이 모델은 시선 정보와 화자 위치 정보를 효율적으로 통합하여 예측 정확도를 높였으며, 개인 정보 보호에도 중점을 두었습니다. 이 기술은 스마트 안경 등 웨어러블 기기의 청각 보조 기능 개선에 기여할 것으로 기대됩니다.