본 기사는 LLM 기반 인간 활동 인식 연구를 위한 새로운 데이터셋 MuRAL을 소개합니다. MuRAL은 다중 거주자 환경에서 수집된 풍부한 데이터와 자연어 주석을 제공하여 LLM의 성능 평가 및 향상에 기여할 것으로 기대됩니다. 그러나 연구 결과, LLM이 다중 사용자 모호성과 불명확한 센서 맥락 처리에 어려움을 겪는다는 점도 확인되었습니다.

본 기사는 Cui Yu, Cai Yujun, Wang Yiwei 연구팀의 최신 연구를 바탕으로, 기존보다 훨씬 적은 토큰으로 대규모 언어 모델(LLM)의 추론 과정을 중단시키는 새로운 공격 기법에 대해 소개합니다. 연구팀이 개발한 적응형 토큰 압축 프레임워크와 단순 산술 문제를 활용한 공격 방식은 LLM 기반 응용 프로그램의 보안에 대한 심각한 위협을 제기하며, AI 보안 강화의 중요성을 다시 한번 강조합니다.

리 차오, 저우 창화, 천 지아 교수팀의 연구는 기존 지식 증류의 한계를 극복하고, 교사 모델의 관계적 유도적 편향을 활용하여 학생 모델의 일반화 성능을 향상시키는 그룹 상대 지식 증류(GRKD) 방법을 제시했습니다. 특히 세분화된 클래스 분류에서 효과적이며, AI 분야의 혁신적인 발전에 기여할 것으로 기대됩니다.

본 기사는 중국 라이드헤일링 플랫폼 화샤오주에서 실제 적용된 새로운 AI 알고리즘 ICE-PKD에 대한 내용을 다룹니다. 시간에 따른 데이터 변화를 고려하여 마케팅 효과를 극대화하는 이 알고리즘은 컨트라팩추얼 회귀와 지식 증류를 기반으로 하며, 실험 결과 기존 방식보다 뛰어난 성능을 보였습니다.

본 연구는 AI 기반 3D 인간 얼굴 생성 기술의 품질 평가를 위한 대규모 벤치마크 데이터셋 Gen3DHF와 LMM 기반 평가 지표 LMME3DHF를 제시합니다. LMME3DHF는 기존 방법보다 우수한 성능을 보이며, Gen3DHF와 LMME3DHF는 논문 발표 후 공개될 예정입니다.