기존 머신러닝의 한계를 극복하기 위해 상관관계를 넘어 인과관계를 추론하는 Causal Representation Learning의 필요성과 원리를 다룬다.
인과 추론(Causal Inference) 관점에서 기존 머신러닝의 한계를 분석하고 인과 표현 학습의 필요성을 제시한다.
LLM을 활용해 복잡한 다중 홉 질의응답(MQA)에서 효율적인 문서 경로를 찾는 PromptRank 기술을 소개한다.
PromptRank는 비지도 검색과 LLM 리랭커를 결합해 멀티-홉 질의응답의 데이터 효율성을 높이는 기술이다.
시계열 데이터의 다중 해상도 정보를 활용해 예측 성능을 극대화하는 MAMA 프레임워크를 소개한다.
LG AI 연구원이 CVPR 2023에서 최신 비전 연구 동향을 살펴보고 NICE 워크숍을 통해 이미지 캡셔닝의 한계를 논의했다.
LG AI Research가 CVPR 2023에서 발표된 컴퓨터 비전 연구 트렌드와 LLM을 활용한 시각적 추론 기술을 분석했다.
LG AI Research가 과학 논문의 복잡한 추론을 해결하기 위한 QASA 방법론과 벤치마크를 공개했다.
LG AI 연구원이 ICML 2023에서 생성형 모델의 Unlearning 및 Causal Inference 등 최신 연구 성과를 발표했다.
LG AI Research가 ICML 2023에서 생성형 모델의 데이터 프라이버시를 보호하기 위한 효율적인 Unlearning 기술을 선보였다.
생성형 AI의 핵심인 거대 언어 모델(LLM)의 데이터 학습, 평가, 모델 구조를 상세히 분석한다.
LG AI Research의 EXAONE 모델이 한국어 기계 독해 성능 평가인 KorQuAD 2.0에서 1위를 차지했다.
LG AI연구원이 EXAONE LM 1.0을 활용해 한국어 기계독해 평가 KorQuAD 2.0에서 1위를 달성했다.
Google DeepMind가 액티브 러닝을 통해 무기 신소재 데이터베이스를 10배 확장하고 38만 개 이상의 새로운 안정적 소재를 발견했다.
LG AI Research의 수요 예측 스쿼드가 뉴욕에서 열린 M6 예측 경진대회에서 3개 부문 수상 성과를 거두었다.
NeurIPS 2023에서 발표된 RLHF 및 RLAIF의 최신 연구 동향과 주요 논문을 소개한다.
NeurIPS 2023에서 발표된 LLM의 성능, 안전성, 효율성 및 도구 활용 능력을 다룬 최신 연구 동향을 정리했다.
LG AI연구원이 NeurIPS 2023에서 정형 데이터(Tabular Data)의 딥러닝 성능을 높이기 위한 새로운 학습 방법론을 발표했다.
AI Briefing