related iamge

교육의 미래를 여는 지식 추적과 거대 언어 모델의 만남

본 기사는 지식 추적(KT)과 거대 언어 모델(LLM)의 교육 분야 적용에 대한 최신 연구 결과를 소개합니다. LLM이 KT 모델의 한계를 극복하고 개인 맞춤형 학습을 지원하는 잠재력을 보여주지만, 다양한 교육 데이터 활용의 중요성을 강조합니다.

related iamge

연구 리포트: VLMs와 UDA의 만남 - 개방형 어휘 분할의 도약

이 연구는 VLMs와 UDA를 결합하여 개방형 어휘 분할의 정확도와 적응력을 크게 향상시킨 UDA-FROVSS 프레임워크를 제시합니다. 다중 스케일 문맥 데이터, 강력한 텍스트 임베딩, 계층별 미세 조정, 지식 증류, 도메인 간 혼합 샘플링 등의 기술을 활용하여 공유 범주 없이도 다양한 도메인에 효과적으로 적응 가능합니다.

related iamge

혁신적인 비디오 질문 답변 모델 LGQAVE: 질문 중심의 시각적 이해 극대화

Sai Bhargav Rongali 등 6명의 연구진이 개발한 LGQAVE 모델은 크로스 어텐션, miniGPT, Q-DGT를 활용하여 질문 중심의 비디오 이해를 극대화, 기존 모델들을 능가하는 성능을 보였습니다.

related iamge

가정 의료의 미래: CSSDH 온톨로지와 지속적 진료 네트워크의 상호운용성

본 기사는 디지털 기반 가정 의료의 발전과 함께 나타나는 데이터 상호운용성 문제를 다루고, 이를 해결하기 위한 CSSDH 온톨로지 모델의 제안을 소개합니다. CSSDH는 사회적 건강 결정 요인을 고려한 통합적인 접근을 통해 지속적 진료 네트워크의 상호운용성을 향상시키고자 합니다.

related iamge

균형 잡힌 세상을 위한 AI의 진화: EvoSampling 기법의 혁신

불균형 데이터 문제 해결을 위한 혁신적인 EvoSampling 기법은 유전 프로그래밍과 다중 그레인 기반 언더샘플링을 결합하여 데이터 품질을 향상시키고 분류 성능을 개선합니다. 20개의 데이터셋 실험 결과 우수한 성능을 입증하였으며, 지식 전이를 통한 GP 학습 속도 향상 또한 주목할 만합니다.