LLM

TimeLens2는 영상 내 특정 사건이 발생하는 시간 구간을 정확히 찾아내는 범용 멀티모달 거대언어모델입니다. 기존 모델 대비 파라미터 규모는 획기적으로 줄이면서도 성능은 최상위 수준을 달성했습니다.

거대언어모델이 학습 데이터뿐만 아니라 경험을 통해 스스로 편향을 형성한다는 연구 결과가 나왔습니다. 채용 과정에서 인공지능이 인간보다 더 강력한 고정관념을 적용할 위험이 제기됩니다.

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.

오픈AI가 자사 거대언어모델의 취약점을 스스로 점검하는 인공지능 해커 'GPT-Red'를 개발했습니다. 이 시스템은 모델 간 대결을 통해 보안성을 높이며, 실제 환경을 모방한 훈련장에서 공격 기술을 학습합니다.

앤스로픽 연구진이 거대언어모델 내부에서 답변 생성 전 개념을 고민하는 영역인 'J-스페이스'를 확인했습니다. 이번 연구는 인공지능의 블랙박스 문제를 해결하고 의사결정 과정을 실시간으로 추적하는 새로운 가능성을 제시합니다.

아마존 웹 서비스가 기업용 생성형 인공지능 플랫폼인 아마존 베드록에서 미니맥스의 최신 파운데이션 모델을 제공합니다. 기업은 이를 통해 보안 환경에서 소프트웨어 엔지니어링과 에이전트 기반 작업을 수행할 수 있습니다.

강화학습 과정에서 발생하는 모델의 학습과 추론 간 불일치 문제를 해결하는 새로운 프레임워크가 제시되었습니다. 연구진은 추론 성능을 직접적으로 향상하는 단조 추론 정책 개선(MIPI) 기법을 통해 학습 안정성을 확보했습니다.

상하이 AI 연구소 등 공동 연구진이 거대언어모델(LLM) 에이전트의 장기 기억 성능을 정밀하게 측정하는 새로운 테스트베드 '에이전틱STS'를 개발했습니다. 이 플랫폼은 복잡한 게임 환경을 통해 에이전트의 의사결정 과정을 체계적으로 분석합니다.

하버드대학교 등 공동 연구진이 거대언어모델의 연산 효율을 극대화하는 '프로그램-애즈-웨이트(PAW)' 기술을 발표했습니다. 이 기술은 복잡한 자연어 작업을 경량화된 신경망 아티팩트로 변환하여 추론 비용과 메모리 사용량을 획기적으로 줄입니다.

생성형 인공지능 기술을 악용한 정교한 피싱 공격이 증가하면서 기존 보안 방식의 한계가 드러나고 있습니다. 아마존 베드록의 파운데이션 모델을 도입해 이메일의 맥락과 행동 패턴을 분석하는 새로운 보안 전략을 제시합니다.