LenVM은 토큰 단위로 남은 생성 길이를 예측하여 LLM의 추론 효율성과 성능을 최적화한다.
다중 뷰 트랜스포머를 위해 SE(3) 불변성과 기하학적 적응성을 갖춘 RayRoPE 위치 인코딩 방식을 제안한다.
Vision-Language Model이 이미지 예시로부터 시각 개념을 추론하고 적용하는 VICIS 모델이 제안됐다.
머신러닝 모델에서 영향도 낮은 데이터를 먼저 제거하면 언러닝 비용을 최대 50% 절감할 수 있다.
LLM이 자신의 출력만으로 검증기나 별도 학습 없이 코드 생성 능력을 크게 향상시킬 수 있다.
Apple TV가 Text와 ID Embedding을 결합한 개인화 검색으로 짧은 쿼리에서 정확도를 8% 향상시켰다.
입력 데이터의 극히 일부만 읽고도 데이터의 속성을 검증할 수 있는 이중 하위 선형 대화형 증명(dsIPPs) 체계를 구축했다.
제한된 자원으로도 데이터 분포의 복잡한 특성을 효율적으로 검증할 수 있는 대화형 증명 시스템을 구축했다.
함수의 위치 불변 속성 테스트와 분포의 속성 테스트는 유사하지만, 검증 단계에서는 두 개념 사이의 관계가 유지되지 않는다.
LLM이 함수를 잘못 호출하여 발생할 수 있는 위험을 방지하기 위해 호출의 정확도를 측정하는 불확실성 정량화 기술이 중요해지고 있다.
단 하나의 어텐션 레이어만으로 사전 학습된 시각적 표현을 이미지 생성에 적합한 저차원 잠재 공간으로 변환하는 FAE 프레임워크를 제안한다.
Apple Music이 다국어 검색 품질을 높이기 위해 Siamese bi-encoder 기반의 의미론적 검색 시스템을 도입했다.
사용자 행동을 정교하게 시뮬레이션하여 선제적 AI 에이전트를 평가하는 Pare 프레임워크와 벤치마크를 제안한다.
협상 에이전트의 행동 패턴을 통해 개인 정보를 추론하는 공격을 막기 위해 차분 프라이버시를 적용한 새로운 협상 정책을 제안했다.
On-Policy Distillation이 추론 모델 학습에 미치는 영향을 토큰 단위로 분석하는 진단 프레임워크를 제안한다.
MLLM의 1인칭 시점 비디오 이해력을 높이기 위해 시간적 추론을 강화하는 TGPO 알고리즘을 제안한다.
LLM의 안전 정렬이 모델 전체에 분산되지 않고 특정 뉴런에 집중되어 있어, 단 하나의 뉴런 조작만으로도 안전 가드레일을 무력화할 수 있음이 밝혀졌다.
LLM이 생성한 UI가 실제 웹사이트처럼 자연스러운 상호작용 흐름을 지원하는지 측정하는 FlowEval 프레임워크를 제안한다.
Weblica는 HTTP 캐싱과 LLM 기반 합성을 통해 시각적 웹 에이전트 학습을 위한 재현 가능하고 확장 가능한 환경을 제공한다.
강화학습과 Flow Matching을 결합해 멀티턴 이미지 편집 시 발생하는 오류 전파 문제를 해결했다.
LensVLM은 VLM이 텍스트가 포함된 이미지를 처리할 때 해상도 저하로 발생하는 인식 오류를 해결하기 위한 프레임워크다.
DynaMiCS는 특정 도메인의 성능을 높이면서도 기존 지식이나 안전성 같은 핵심 능력을 유지하도록 돕는 동적 혼합 최적화 기법이다.
AI Briefing