왕원창, 장양시계 박사 연구팀은 불완전한 데이터로도 높은 정확도를 달성하는 혁신적인 AI 학습 프레임워크 'IJIP'를 개발했습니다. 이 연구는 실제 데이터의 불완전성 문제를 해결하고, 프롬프트 학습 및 텍스트 영역으로의 확장 가능성을 제시하며 AI 기술 발전에 크게 기여할 것으로 기대됩니다.

Peichao Lai 등 연구진이 개발한 SAS-Bench는 LLM 기반 단답형 채점(SAS) 시스템의 한계를 극복하기 위한 새로운 벤치마크입니다. 세분화된 채점, 전문가 주석, 다양한 질문 유형 등을 제공하며, 1,030개 질문과 4,109개 답변으로 구성된 오픈소스 데이터셋도 함께 공개되었습니다. 이 연구는 더욱 공정하고 교육적으로 의미있는 AI 기반 평가 시스템 개발에 크게 기여할 것으로 기대됩니다.

REMEDI 알고리즘은 극심한 데이터 불균형 문제를 해결하기 위해 다양한 기본 모델을 훈련시키고, 상대적 성능 메타 특징을 도입하여 효과적인 모델 융합을 수행하며, 지식 증류를 통해 단일 효율적인 모델을 생성하는 혁신적인 멀티 스테이지 프레임워크입니다. 80만 명의 차량 소유자 데이터를 기반으로 한 실험 결과, REMEDI는 기존 방식보다 훨씬 우수한 성능을 보였으며, 산업 현장에서의 실제 문제 해결에 크게 기여할 것으로 기대됩니다.

LongCodeBench는 수백만 토큰의 컨텍스트를 처리하는 거대 언어 모델의 능력을 평가하기 위한 새로운 벤치마크입니다. 실제 GitHub 이슈를 바탕으로 개발된 이 벤치마크는 다양한 모델의 성능을 비교 분석하여 장문 컨텍스트 처리가 여전히 LLM의 주요 과제임을 보여줍니다.

중국과학원 연구진이 개발한 Comet은 LLM의 활성화 스파스성을 예측하여 MPC의 성능 오버헤드를 획기적으로 줄인 프라이빗 추론 시스템입니다. 기존 시스템 대비 속도와 통신량을 최대 2.6배 이상 향상시키는 놀라운 성능을 보였습니다.