AI Briefing#machine-learning
#machine-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#machine-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Weblica는 HTTP 캐싱과 LLM 기반 합성을 통해 시각적 웹 에이전트 학습을 위한 재현 가능하고 확장 가능한 환경을 제공한다.
DynaMiCS는 특정 도메인의 성능을 높이면서도 기존 지식이나 안전성 같은 핵심 능력을 유지하도록 돕는 동적 혼합 최적화 기법이다.
Fortress는 시계열 데이터 증강과 Feature Pruning을 통해 검색 추천 모델의 예측 불안정성을 해결하고 정확도를 높인다.
LLM보다 가벼운 seq2seq 모델을 활용해 ASR 오류 수정의 효율성과 정확도를 높이는 방법을 제안한다.
연속적 확산(Continuous Diffusion) 기반 음성 모델이 스케일링 법칙을 따르며 효율적인 추론 가능성을 보여주었다.
Hugging Face가 커스텀 커널의 패키징, 배포 및 보안을 위한 Kernels 프로젝트의 대규모 업데이트를 발표했습니다.
Google Research가 별도의 미세 조정 없이 정형 데이터를 처리하는 TabFM 모델을 공개했다.
PACE 프레임워크는 소수의 데이터만으로 고비용의 LLM 에이전트 벤치마크 성능을 정확하게 예측한다.
자연어 명세를 경량화된 신경망 아티팩트로 컴파일하여 추론 비용을 획기적으로 낮추는 새로운 패러다임을 제안함.
Gnosys가 레이블이 부족한 환경에서도 기존 최적화 방식보다 뛰어난 성능을 보이는 분류기 최적화 기술을 공개했다.
레이블이 없는 데이터를 활용하여 새로운 환경에서도 강건한 예측 모델을 학습하는 Anti-Causal Domain Generalization 방식을 제안한다.
신경망을 통해 MIPS 해를 직접 예측함으로써 검색 연산 비용을 획기적으로 줄이는 Amortized MIPS를 제안한다.
PorTAL은 한 번 학습한 작업 적응(Task Adaptation)을 새로운 LLM에 쉽게 전이할 수 있는 base-agnostic 방식의 기술이다.
구글이 정형 데이터의 분류 및 회귀 작업을 위해 별도의 학습 없이 예측 가능한 TabFM 모델을 공개했다.
Anthropic이 추론, 도구 사용, 코딩 능력이 대폭 향상된 에이전트 특화 모델 Claude Sonnet 5를 출시했다.
SkillOpt은 모델 가중치를 수정하지 않고도 에이전트의 기술(Skill)을 학습 가능한 파라미터로 최적화하여 동작의 신뢰성을 높인다.
Hugging Face가 모델 평가 결과의 파편화 문제를 해결하기 위해 EEE와 Community Evals를 통합했다.
GPU 메모리 효율을 높이기 위해 3개의 레이어 상태를 교차 관리하는 새로운 학습 기법을 제안한다.
데이터의 밀도(Density)와 스코어(Score)를 재학습 없이 한 번의 연산으로 추정하는 DiScoFormer를 공개했다.
프록시 모델을 활용해 GPT-4와 같은 블랙박스 LLM의 지식을 효율적으로 전수하는 Proxy-KD 방법론을 제안함.