본문으로 건너뛰기
AI UsefulInfo ai.usefulinfo

검색

전체 기사

AI 모델 4월 7일

구글 길리움, 위기 상황에서 정신 건강 자원 찾기 속도 높여

구글은 길리움을 업데이트하여 위기 상황에서 사용자들이 정신 건강 자원을 찾는 속도를 높였다. 이 변경은 AI 제품으로부터 가시적인 피해를 주장하는 소송의 연속으로 길리움의 대화bot이 자살을 자극했다는 잘못된 사망 소송을 대면한다. 길리움은 대규모 언어 모델(LLM)으로 구현된 AI 제품 중 하나이다.

AI 모델 4월 7일

구조적 rigidity와 57-Token 예측 창구: 대규모 언어 모델의 추론 계층 통제에 대한 물리적 프레임워크

대규모 언어 모델의 안전성에 대한 현재 연구는 행동 모니터링과 훈련 후 정렬에 의존하고 있지만, 실제 측정 결과 instruction-tuned 모델의 đa수가 예측할 수 없는 pre-commitment 신호를 생성하지 않는다. 이 연구에서는 transformer 추론 동적을 constraint-satisfaction 모델의 신경 계산에 연결하는 에너지 기반 통제 프레임워크를 제시하고, 5개의 기하학적 영역에서 7개의 모델을 테스트한다. 추론 동적의 경로 긴장도(trajectory tension)를 사용하여 Phi-3-mini-4k-instruct 모델에서 57-token pre-commitment 창구를 발견한다. 이 결과는 모델-특이적, 태스크-특이적, 구성-특이적이며, pre-commitment 신호가 존재하지만 UNIVERSAL하지 않음을 보여준다.

AI 모델 4월 7일

생물학의 알카이미스트: 생물학 문헌을 학습 가능한 강화 학습 훈련 데이터로 가공하는 기술

생물학 문제는 주류 인공 지능 모델에 비해 상대적으로 뒤떨어져 있는 것으로 나타났습니다. 생물학 문제가 현대 생물학 연구 주제 분포와 잘 맞지 않는다는 이유로 성능이 저하될 수 있음을 발견했습니다. 또한 생물학 연구 텍스트에서 도전적이고 검증 가능한 연구 문제를 추출하는 방법이 강화 학습을 위한 성능 향상을 위한 중요한 요소임을 발견했습니다. 생물학 문헌 텍스트에서 다양하고 검증 가능한 질문-답변 쌍을 제공하는 파이프라인인 BioAlchemy를 소개합니다. BioAlchemy-345K라는 훈련 데이터셋을 만들었습니다. 이 데이터셋에는 345,000개 이상의 생물학적 추론 문제가 포함되어 있습니다. 또한 Modern Scientific Biology의 주제 분포와 데이터셋을 맞춤으로써 강화 학습을 사용하여 추론 성능을 향상할 수 있음을 보여주었습니다. BioAlchemist-8B라는 모델을 만들었습니다. 이 모델은 생물학 벤치마크에서 기초 추론 모델보다 9.12% 향상되었습니다.

AI 모델 4월 7일

정확한 방실 출 viện 예측을 위한 리소스-지식 모델링

정신장애 수술 부에서 적정한 침대 전환 및 자원 할당을 위해 출 viện 일자 예측이 중요합니다. 이 연구에서는 대규모 언어 모델(LLM)과 전통적인 텍스트 기반 모델을 사용하여 수술 후 임상 기록을 기반으로 다음날 출 viện 예측을 평가합니다. 13 가지 모델을 비교한 결과, TF-IDF와 LGBM이 가장 좋은 균형을 이뤘으며, F1 점수는 0.47, recall은 0.51, AUC-ROC은 0.80을 alcanched