related iamge

획기적인 AI 추론 모델 'Mulberry' 등장: 단계별 추론과 반추 능력으로 새로운 지평을 열다

중국과학원 연구진이 개발한 'Mulberry'는 집단 몬테카를로 트리 탐색(CoMCTS) 기반의 새로운 MLLM으로, 단계별 추론 및 반추 능력을 통해 기존 모델의 한계를 뛰어넘는 성능을 보여줍니다. Mulberry-260k라는 방대한 데이터셋을 활용한 훈련을 통해 다양한 벤치마크에서 우수한 결과를 달성하였으며, 향후 AI 분야의 발전에 크게 기여할 것으로 기대됩니다.

related iamge

데이터 기반 자기 지도 학습: 그래프 표현 학습의 새로운 지평을 열다

Ahmed E. Samy, Zekarias T. Kefatoa, Sarunas Girdzijauskasa 연구팀이 데이터 기반 자기 지도 학습을 활용한 그래프 표현 학습 방법을 제시했습니다. 자동화된 그래프 증강 학습을 통해 기존 방법의 한계를 극복하고, 동질 및 이질 그래프 모두에서 최첨단 성능을 달성했습니다.

related iamge

M-Ped: 거대 언어 모델을 위한 다중 프롬프트 앙상블 디코딩 기법

본 논문은 다중 프롬프트 앙상블 디코딩 기법인 M-Ped를 제시하여 거대 언어 모델(LLM)의 성능 향상을 도모합니다. 여러 프롬프트를 사용하여 생성된 결과를 통합하는 방식과 효율적인 배치 추론을 위한 왼쪽 패딩 전략을 통해 기계 번역, 코드 생성, 텍스트 단순화 등 다양한 NLP 작업에서 상당한 성능 향상을 달성했습니다.

related iamge

2024 비디오 이상 탐지의 혁명: LLM과 VLM의 등장

거대 언어 모델(LLM)과 비전-언어 모델(VLM)의 도입으로 비디오 이상 탐지(VAD) 분야가 급격한 발전을 이룰 것으로 예상됩니다. 해석력 향상, 정교한 시간적 추론, 데이터 효율성 증대, 그리고 개방형 세계 적용 가능성 확대 등 다양한 측면에서 혁신적인 변화가 예상됩니다. 이는 다양한 분야에 파급 효과를 가져올 잠재력을 지닙니다.

related iamge

깨끗한 데이터가 AI의 생명줄? 데이터 손상과 머신러닝 모델 성능의 상관관계 연구 결과 발표!

Liu Qi와 Ma Wanjing 연구팀의 연구는 데이터 손상이 머신러닝 모델 성능에 미치는 영향을 심층적으로 분석하고, 데이터 손상 완화 전략에 대한 귀중한 통찰력을 제공합니다. 특히 잡음 데이터의 심각성과 데이터 증강의 한계를 제시하며, 데이터의 질과 양의 균형이 AI 모델 성능에 중요함을 강조합니다.