본 기사는 인지 AI 원리를 기반으로 한 새로운 기억 프레임워크 CAIM의 개발과 평가에 대한 연구 결과를 소개합니다. CAIM은 기존 LLM의 한계를 극복하고 장기간의 인간-AI 상호작용을 개선할 잠재력을 보여주는 획기적인 기술입니다.

카를스루에 공과대학(KIT)은 IWSLT 2025에서 대규모 언어 모델(LLM) 기반의 혁신적인 오프라인 음성 번역 및 지시 사항 준수 시스템을 선보였습니다. 다중 자동 음성 인식 시스템과 2단계 번역 과정을 통해 오프라인 음성 번역의 정확도를 높였으며, 음성 인코더와 LLM 통합을 통해 지시 사항 준수 시스템의 성능을 향상시켰습니다. 이 연구는 LLM을 활용한 음성 처리 기술의 미래를 보여주는 중요한 사례입니다.

초소형 AI 모델 TSPulse는 100만 개의 파라미터만으로 시간 순서 데이터 분석에서 탁월한 성능을 보이며, 기존 대규모 모델의 한계를 극복했습니다. 이중 공간 학습, 다중 헤드 삼각 측량 등 혁신적인 기술을 통해 다양한 작업에서 효율성과 정확성을 동시에 달성했습니다. 곧 오픈 소스로 공개될 예정입니다.

MindOmni는 강화학습 기반의 추론 생성 알고리즘 RGPO를 활용하여 시각 및 언어 데이터를 통합적으로 처리하는 다중 모달 대규모 언어 모델입니다. 수학적 추론을 포함한 다양한 벤치마크에서 우수한 성능을 입증했으며, 공개된 코드를 통해 누구나 활용 가능합니다.

중국 연구진이 개발한 새로운 LLM 훈련 프레임워크 SASR은 SFT와 RL을 단계적, 적응적으로 통합하여 기존 방식의 한계를 극복하고, 우수한 추론 능력을 보이는 LLM을 개발하는 데 성공했습니다. 인간의 학습 과정에서 영감을 얻은 이 혁신적인 접근 방식은 AI 발전에 새로운 지평을 열 것으로 기대됩니다.