Lacuna Inc.의 Aleksey Kudelya와 Alexander Shirnin이 개발한 LIBU(LoRA enhanced influence-based unlearning) 알고리즘은 LLM에서 민감한 정보를 효율적이고 안전하게 제거하는 혁신적인 방법입니다. 영향 함수와 2차 최적화 기법을 결합하여 모델의 전반적인 성능 저하를 최소화하면서 다양한 작업 환경에서 우수한 성능을 보였습니다. 이는 AI의 윤리적 활용과 개인정보 보호에 중요한 기여를 할 것으로 기대됩니다.

본 기사는 Mikel K. Ngueajio 등 연구진의 페르소나 기반 LLM을 이용한 증오 발언 대응 시스템 평가 연구를 소개합니다. 연구는 LLM이 생성하는 반박 메시지의 가독성, 감정적 어조, 윤리적 안전성 등을 다각적으로 평가하여 향후 AI 개발 방향을 제시합니다.

Chengdong Wu 등 연구진이 개발한 딥 강화학습 기반 자율주행 차량 측면 제어 시스템은 MPC-PID 제어기와 DRL을 결합하여 불완전한 차량 정보에도 효과적인 제어 성능을 보이며, 자율주행 시스템 개발의 효율성을 높일 잠재력을 가지고 있습니다.

중국과학원 자동화연구소 연구팀이 개발한 EMPO는 거대 시각 언어 모델의 환각 문제를 효과적으로 해결하는 새로운 방법입니다. 오픈소스 데이터를 활용하여 고품질 선호도 데이터를 자동 생성하고, 실험 결과 환각률을 최대 85.9%까지 감소시키는 놀라운 성과를 거두었습니다.

Sven Kirchner와 Alois C. Knoll의 연구는 LLM을 활용한 자동차 소프트웨어 개발 프레임워크를 제시, 안전 중요 시스템의 코드 생성 및 검증 과정을 자동화하고 안전 기준 준수를 보장합니다. ACC 시스템 개발을 통한 검증 결과, GenAI가 안전 중요 영역에서 효율성과 안전성을 향상시킬 수 있음을 확인했습니다.