AI 연구

거대언어모델은 강화학습을 통해 단계별 추론 과정을 학습하며 성능을 높입니다. 최근 모델들은 사용자가 직접 추론 노력을 설정할 수 있는 기능을 도입하고 있습니다. 이러한 기술적 변화와 연산 비용의 관계를 분석합니다.

오픈에이아이가 인공지능 기술의 실질적인 업무 가치를 측정하는 새로운 점수표를 발표했습니다. 네 가지 핵심 지표를 통해 기업의 재무적 성과와 효율성을 평가합니다.

문샷 AI가 2조8000억 파라미터 규모의 오픈 웨이트 모델 Kimi K3를 공개했습니다. 이 모델은 프론트엔드 코딩 분야에서 업계 최고 수준의 성능을 기록했습니다.

다르마OCR이 특정 언어에 집중한 학습 전략으로 범용 모델을 능가하는 성능을 입증했습니다. 모델의 크기보다 데이터 집중도가 인공지능 성능을 결정한다는 점을 시사합니다.

씽킹 머신즈가 975B 파라미터 규모의 오픈 웨이트 모델 잉클링을 선보였습니다. 아파치 2.0 라이선스를 채택해 접근성을 높였으며 실무 중심의 에이전트 작업에 최적화했습니다.

데이터브릭스가 씽킹 머신즈 랩의 오픈 웨이트 모델인 잉클링을 자사 플랫폼에 통합했습니다. 기업은 이를 통해 자체 데이터를 활용한 코딩 및 에이전트 추론 작업을 효율적으로 수행할 수 있습니다.

허깅페이스가 기존의 기술 중심 평가 방식을 넘어 인간의 대화 능력을 측정하는 새로운 벤치마크 리얼 월드 보이스 이큐를 공개했습니다. 이 지표는 100만 건 이상의 인간 평가 데이터를 바탕으로 음성 AI의 실질적인 성능을 분석합니다.

칭화대학교와 바이트댄스 등 공동 연구진이 소형 모델의 강화학습 결과를 대형 모델로 효율적으로 전이하는 Direct-OPD 기법을 발표했습니다. 이 기술은 고비용의 강화학습 과정을 거치지 않고도 대형 모델의 추론 성능을 크게 향상합니다.

코덱스와 챗GPT 워크의 사용자 수가 지난 6개월 동안 10배 이상 증가하며 700만 명을 넘어섰습니다. 인공지능 업계는 단순 모델 성능 경쟁을 넘어 작업당 비용을 최적화하는 방향으로 전략을 수정하고 있습니다.

세종대학교 연구진이 기존 비디오 이해 인공지능 모델 평가 방식의 문제점을 분석한 '비디오-오아시스'를 발표했습니다. 연구 결과 기존 벤치마크 데이터의 절반 이상이 영상 없이도 정답을 맞힐 수 있는 것으로 나타났습니다.