Liu Zhang 등 연구진은 신경망을 이용한 적분 분석 기법을 통해 SKINNY 암호 알고리즘의 취약점을 발견하고, 기존 최고 기록을 뛰어넘는 공격을 성공적으로 수행했습니다. 새로운 '중간 만남' 검색 프레임워크와 신경망 기반 특징 추출은 암호 분석 분야에 새로운 패러다임을 제시합니다.

카이스트 연구진이 이미지 수준 레이블만을 사용하여 의미 분할 학습을 가능하게 하는 완전 약지도 클래스 증분 학습 방법을 개발했습니다. 기존의 픽셀 단위 주석 작업의 부담을 없애고, 불확실성 기반 의사 레이블 생성 및 예시 기반 데이터 증강 기법으로 급격한 망각 문제를 해결하여, 기존 방식을 뛰어넘는 성능을 달성했습니다.

Trisha Das 등 연구진의 SECRET 모델은 AI 기반 임상시험 문서 유사도 검색 기술로, 기존 방식 대비 획기적인 성능 향상을 보이며 임상시험의 효율성 및 안전성을 크게 개선할 잠재력을 지닌다. 부분 정보만으로도 유사 임상시험 검색 및 환자-임상시험 매칭이 가능하여 의료 연구 및 환자 맞춤형 의료 서비스 발전에 크게 기여할 것으로 기대된다.

Philip S. Thomas의 "Qualia Optimization" 논문은 AI 시스템의 주관적 경험인 qualia를 최적화하는 문제를 제기하며, 강화 학습과 철학을 접목한 새로운 접근 방식을 제시합니다. AI의 '의식'에 대한 탐구는 기술적 발전과 함께 윤리적, 사회적 고려가 필수적임을 강조합니다.

본 기사는 Kian Ahrabian 등 연구진의 논문 "A Systematic Analysis of Base Model Choice for Reward Modeling"을 바탕으로, AI 보상 모델링에서 기본 모델 선택의 중요성을 강조하고, 최적의 모델 선택을 위한 체계적인 분석과 실험 결과를 소개합니다. 연구진은 기본 모델 선택에 따라 보상 모델 성능이 최대 14%까지 향상될 수 있음을 밝혔으며, 소규모 벤치마크 결과를 결합하여 모델 선택 정확도를 향상시키는 방법 또한 제시했습니다.