모호성은 대형 언어 모델(LLMs)의 자연어 이해에 지속적인 도전을 제기합니다. lexical ambiguity가 어떻게 해결될 수 있는지를 더 잘 이해하기 위해…

Autoregressive large language models (LLMs)은 강력한 성능을 제공하지만 본질적으로 순차적인 디코딩이 필요하여 추론 지연이 높고 GPU 활용도가 낮다.

메모리는 단일 컨텍스트 윈도우를 넘어 작동하는 대규모 언어 모델(LLM) 에이전트에서 점점 더 중심적인 역할을 차지하고 있지만, 대부분의 기존 시스템은 오프라인, 쿼리‑응답 방식에 의존하고 있다.

추론을 가속화하기 위한 기존 기술들, 예를 들어 speculative decoding과 같은 방법들은 보조 speculator 모델을 훈련하고 구축 및 배포를 필요로 합니다.

대규모 언어 모델(LLMs)은 zero-shot 방식으로 정신 건강 상태를 평가하는 데 점점 더 많이 사용되고 있지만, 우리는 어떤 요인에 대해 제한된 지식만 가지고 있다…

Speech Emotion Recognition (SER) 연구는 표준적이고 충분히 큰 데이터셋이 부족하여 제한에 직면해 왔습니다. 최근 연구들은 사전 훈련된 모델을 활용했습니다.

Diffusion large language models (dLLMs)는 텍스트 생성에 대한 유망한 대안으로 부상했으며, 병렬 디코딩에 대한 네이티브 지원이 특징입니다.

Deep research agents는 복잡한 질의를 해결하기 위한 강력한 시스템으로 등장했습니다. 한편, LLM 기반 리트리버는 fol...에서 강력한 역량을 입증했습니다.

Semantic representations는 인간이 의미를 검색하고 조작하기 위해 탐색하는 구조화된, 동적인 knowledge space로 구성될 수 있다. 이를 조사하기 위해…

Long reasoning 모델은 다국어 환경에서 종종 어려움을 겪습니다: 비영어 질문에 대해 영어로 추론하는 경향이 있으며, when constrained to reasoning in the qu...

다지선다형 질문(MCQs)은 대형 언어 모델(LLMs)에 인코딩된 지식, 추론 능력, 그리고 심지어 가치까지 평가하는 데 자주 사용됩니다. 효율성은…

DARWIN은 진화형 GPT 모델로, 유전 알고리즘과 유사한 최적화 구조를 활용하고 여러 독립적인 GPT 에이전트를 개별적으로 훈련시킵니다.