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.
생성형 AI의 취약점을 탐지하고 방어하기 위한 AI Red Team의 개념과 단계별 공격 전략을 소개한다.
LG AI Research는 AI 윤리 세미나를 통해 AI가 초래할 수 있는 실질적 리스크를 정의하고 이를 체계적으로 분류하는 연구를 진행한다.
신뢰할 수 있는 AI 경험을 설계하기 위해 Microsoft와 Google의 AI 툴킷을 분석하고 실무 적용 방안을 제시한다.
신뢰할 수 있는 AI 경험을 설계하기 위해 Microsoft와 Google의 AI Toolkit을 분석하고 실무 적용 가이드라인을 제시한다.
AI Agent의 자율적 의사결정과 협력 방식을 시뮬레이션을 통해 분석하고 윤리적 메커니즘의 필요성을 제시한다.
LG AI Research가 성능과 효율성을 극대화한 EXAONE 3.5 오픈소스 모델 3종을 공개했다.
LG AI연구원이 성능과 경제성을 모두 잡은 EXAONE 3.5 모델 3종을 오픈소스로 공개했다.
LG AI Research가 복잡한 PCB 설계 공정을 효율화하기 위한 AI 기반 자동 배선(Auto-routing) 기술을 연구한다.
LG AI 연구원이 복잡한 제약 조건을 해결하기 위해 Grid 기반과 Continuous Space 방식을 결합한 PCB 자동 배선 기술을 개발했다.
AI 서비스의 UI/UX 설계 과정에서 발생할 수 있는 기만적 패턴을 분석하고 윤리적 설계 방안을 제시한다.
LG AI Research는 기존 가우시안 데이터 중심의 한계를 넘어 비정형 데이터에서 상호 정보량(MI) 추정 성능을 검증할 수 있는 새로운 벤치마크를 제안했다.
LG AI연구원이 비정형 데이터 환경에서 상호 정보량(MI) 추정 성능을 엄밀하게 검증할 수 있는 새로운 벤치마크를 제안했다.
LG AI Research가 B-spline을 활용해 정형 데이터의 복잡한 분포에 맞춰 동적으로 정규화하는 새로운 기술을 제안했다.
LG AI연구원이 B-spline을 활용해 데이터 특성에 맞춰 동적으로 변환되는 Tabular 데이터 정규화 기법을 제안했다.
LG AI연구원이 테이블 데이터의 구조적 특징을 보존하며 학습 성능을 극대화하는 새로운 증강 기법 AGATa를 발표했다.
AI Briefing