LG AI연구원이 영어와 한국어 성능이 뛰어난 전문가용 AI 모델 EXAONE 3.0 7.8B를 오픈소스로 공개했다.
LG AI Research가 오픈소스 LLM EXAONE 3.0 기반의 엔터프라이즈 AI 에이전트 ChatEXAONE을 공개했다.
LG AI연구원이 EXAONE 3.0을 기반으로 기업용 업무 혁신을 지원하는 AI 에이전트 ChatEXAONE을 공개했다.
LG AI연구원이 조직병리 이미지 분석에 특화되어 성능과 경제성을 모두 잡은 오픈소스 모델 EXAONEPath를 공개했다.
LG AI Research가 ICML 2024에서 Tabular 데이터의 자기지도 학습 성능을 높이는 Binning 기반의 Pretext Task 연구를 발표했다.
LG AI 연구원이 ICML 2024에서 Tabular 데이터의 학습 성능을 높이는 새로운 방법론을 발표했다.
LG AI Research가 ICML 2024에서 강화 학습과 확산 모델을 결합해 조합 최적화 문제를 해결하는 CADO 연구를 발표했다.
LG AI연구원이 확산 모델과 강화학습을 결합해 조합 최적화 문제를 해결하는 CADO 연구를 ICML 2024에서 발표했다.
ACL 2024에서 발표된 LLM의 한계 극복을 위한 최신 연구 트렌드와 LG AI Research의 성과를 소개한다.
ACL 2024 튜토리얼 세션을 통해 LLM의 텍스트 생성 평가 방식과 취약점 등 최신 연구 트렌드를 살펴본다.
차트의 시각적 정보를 이해하고 복잡한 추론을 수행하는 범용 차트 이해 모델 ChartInstruct를 소개한다.
차트 이해와 추론 능력을 극대화하기 위해 Instruction Tuning을 적용한 범용 차트 비전-언어 모델 ChartInstruct를 소개한다.
ACL 2024에서 발표된 연구를 중심으로 LLM의 추론 효율성과 자원 사용량을 최적화하는 최신 기술들을 살펴본다.
ACL 2024에서 발표된 AI 생성 텍스트 탐지 기술의 한계와 이를 보완하는 최신 연구들을 살펴본다.
ACL 2024에서 발표된 최신 AI 생성 텍스트 탐지 기술의 동향과 주요 방법론을 정리했다.
ACL 2024에서 논의된 LLM의 신뢰성 평가 방법론과 효율성 향상을 위한 최신 연구 트렌드를 살펴본다.
ACL 2024에서 발표된 LLM의 신뢰성 평가 방법론과 복잡한 태스크 수행 능력 및 효율성 연구 동향을 살펴본다.
LG AI Research는 ACL 2024 워크숍을 통해 문화적 가치와 편향성을 반영한 LLM 개발의 중요성과 관련 연구를 소개했다.
LG AI Research가 Diffusion 모델을 활용해 배경 정보의 간섭을 줄이고 신규성 탐지 성능을 높이는 Projection Regret 기술을 제안했다.
LG AI 연구원이 Diffusion 모델을 활용해 배경 노이즈를 줄이고 이상 탐지 성능을 높인 Projection Regret 기술을 제안했다.
LG AI Research는 생성형 AI의 보안과 신뢰성을 높이기 위해 공격적 관점에서 취약점을 점검하는 AI Red Team을 도입했다.
AI Briefing