related iamge

AUTOPREP: 자연어 질문 기반의 똑똑한 데이터 준비 시스템

AUTOPREP은 자연어 질문에 기반한 데이터 준비를 위한 멀티 에이전트 프레임워크로, Planner, Programmer, Executor 세 가지 구성 요소를 통해 질문에 맞는 데이터 준비 과정을 효율적으로 수행하며, 실제 TQA 데이터셋을 사용한 실험에서 기존 최고 성능을 뛰어넘는 결과를 보였습니다.

related iamge

딥러닝 기반 식물 질병 분류기의 설명 가능성 향상: ACE 방법의 혁신

본 연구는 ACE(Automated Concept-based Explanation) 방법을 이용하여 심층 학습 기반 식물 질병 분류기의 설명 가능성을 향상시킨 연구 결과를 제시합니다. ACE는 이미지 데이터에서 중요한 특징을 자동으로 식별하고, 모델의 편향까지도 드러내어, 농업 분야 식물 질병 관리에 활용 가능한 투명하고 신뢰할 수 있는 도구 개발에 기여할 것으로 예상됩니다.

related iamge

MoDULA: 다중 작업 학습을 위한 혁신적인 LLM 미세 조정 방법 등장!

MoDULA는 대규모 언어 모델의 효율적인 다중 작업 학습을 위한 혁신적인 방법으로, 기존 미세 조정 방법의 한계를 극복하고 계산 자원을 절약하면서 성능을 향상시킵니다. 유연한 플러그 가능성과 점진적 훈련 패러다임을 통해 효율성과 안정성을 높이며, LLM의 대중화와 다양한 분야 적용에 크게 기여할 잠재력을 지닌 기술입니다.

related iamge

끊임없이 변화하는 세상, AI가 풀어낸 사회 네트워크의 비밀: 동적 비진보적 영향력 극대화

본 논문은 동적이고 비진보적인 영향력 전파를 고려한 사회 네트워크에서 영향력 극대화 문제를 해결하기 위해 심층 강화 학습과 동적 그래프 임베딩을 활용한 DNIMRL 방법을 제안합니다. 다양한 실제 사회 네트워크 데이터셋을 사용한 실험 결과, DNIMRL은 기존 최고 성능 기법들을 능가하는 성능을 보여주었습니다.

related iamge

혁신적인 AI 메모리 압축 기술, CMT: 거대 언어 모델의 지속 학습을 위한 새로운 지평

본 기사는 인간의 기억 메커니즘에서 영감을 얻은 새로운 메모리 압축 기술 CMT에 대해 소개합니다. CMT는 거대 언어 모델의 지속적인 학습을 가능하게 하여 기존 모델의 한계를 극복하고, 더욱 효율적이고 정확한 AI 시스템 구축에 기여할 것으로 기대됩니다.