AI Briefing#continual-learning
#continual-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#continual-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Google Research의 sleep framework가 LLM의 10M 토큰 기억과 추론 능력을 향상했다.
Apple이 장기 에이전트 훈련용 SCLATE를 공개해 한 달 시나리오를 몇 시간으로 압축했다.
Dwarkesh Patel의 패널 토론에서 AI 연구자들이 RSI의 누적 작업 특성과 지속 학습의 어려움을 논의했다.
Test Time Training은 새로운 Scaling Axis를 제시하지만, Continual Learning 문제는 아직 해결되지 않았다.
Tri-Fair Lab이 지속적 학습을 통해 오픈 웨이트 모델의 프런티어 성능을 달성한 Thomson 모델을 공개했다.
Mind Lab이 LoRA 기반 Macaron-V1을 공개하며 continual learning 가능성을 입증했다.
LG AI Research는 데이터 가치 평가 모델인 KNN-SV를 활용해 기존 지식을 보존하며 새로운 데이터를 학습하는 ASER 알고리즘을 제안했다.
CVPR 2022에서 발표된 Transformer 기반 및 자기지도 학습 기반의 연속 학습 최신 연구 동향을 소개한다.
LG AI연구원이 ECCV 2022에서 지속 학습 및 스케일 불변 네트워크 관련 연구 성과를 발표했다.
CVPR 2022에서 발표된 Transformer 기반 및 자기지도 학습 기반의 Continual Learning 연구 트렌드를 소개한다.
로봇이 스스로 코드를 디버깅하고 스킬 라이브러리를 구축하며 학습하는 ASPIRE 시스템이 발표되었습니다.
저장 공간이 제한된 온디바이스 환경에서 데이터 없이도 LLM의 능력을 지속적으로 확장하는 K-Merge 프레임워크를 제안한다.
Replit은 폐쇄형 모델 기반 에이전트의 성능 향상을 위해 ViBench와 Telescope 시스템을 구축했다.
Continual Harness는 기술 재사용과 자기 개선을 통해 ARC-AGI-3 벤치마크에서 매우 높은 효율성을 입증했다.
LLM이 단기 기억을 장기 지식으로 통합하고 스스로 성능을 개선하는 'Sleep' 학습 패러다임을 제안한다.
Self-Distillation Fine-Tuning으로 데모 학습의 망각을 줄였다.