제목	추상적인
2024년 10월 31일	빠른 사고와 사고를 훈련했을 때 LLM 층에서 혼란스러운 일:	LLM 사후 교육에 어떤 차이가 있나요?
2024년 10월 30일	ReferEverything: 동영상에서 말할 수 있는 모든 것을 구별하기 위해	우리는 자연어를 통해 설명할 수 있는 비디오의 광범위한 개념을 분할하기 위한 프레임워크인 REM을 제시합니다.
2024년 10월 30일	TokenFormer: 별도의 용도로 사용되는 분산형 재고	Transformer는 다양한 영역에 걸친 탁월한 성능으로 인해 기초 모델의 주요 아키텍처가 되었습니다.
2024년 10월 30일	CORAL: 대화를 통해 로그인-증강 생성하기	RAG(검색 증강 생성)는 외부 지식 검색을 통해 LLM(대형 언어 모델)을 향상시키는 강력한 패러다임이 되었습니다.
2024년 10월 29일	다중 폴리머 클래스 인텐트의 공동 추출 및 우편을 포인터 네트워크 기반으로 하는 방식	작업 지향 대화 시스템에서 의도 감지는 사용자 쿼리를 해석하고 적절한 응답을 제공하는 데 중요합니다.
2024년 10월 28일	SDXL Turbo 압축 풀기: 희소 자동으로 텍스트-이미지 모델 해석	SAE(Sparse Autoencoder)는 LLM(대형 언어 모델) 리버스 엔지니어링의 핵심 요소가 되었습니다.
2024년 10월 28일	문서 파싱 표시: 구조화된 정보 추출을 기술, 및 뷰	계약서, 학술 논문, 송장 등 비정형 문서와 반정형 문서를 기계가 읽을 수 있는 구조화된 데이터로 변환하려면 문서 구문 분석이 필수적입니다.
2024년 10월 27일	AutoKaggle: 자율 데이터 스위스 군을 다수 에이전트 프레임워크	표 형식 데이터와 관련된 데이터 과학 작업은 정교한 문제 해결 접근 방식이 필요한 복잡한 과제를 제시합니다.
2024년 10월 25일	소형 언어 모델 조사	SLM(Small Language Model)은 최소한의 계산 리소스로 다양한 언어 작업을 수행하는 효율성과 성능으로 인해 점점 더 중요해지고 있으며, 온디바이스, 모바일, 엣지 디바이스 등 다양한 설정에 이상적입니다.
2024년 10월 25일	GPT-4o 시스템 카드	GPT-4o는 텍스트, 오디오, 이미지 및 비디오의 모든 조합을 입력으로 받아들이고 텍스트, 오디오 및 이미지 출력의 모든 조합을 생성하는 자동 회귀 옴니 모델입니다.
2024년 10월 24일	MMAU: 세션 오디오 이해 및 벤치마크	음성, 음성이 아닌 소리, 음악을 포함하는 오디오를 이해하는 능력은 AI 에이전트가 세상과 효과적으로 상호 작용하는 데 매우 중요합니다.
2024년 10월 24일	확장 가능한 질문을 통해 처음부터 LLM의 무력함을 행사합니다.	고품질 데이터의 가용성은 LLM의 추론 능력을 향상시키는 가장 중요한 요소 중 하나입니다.
2024년 10월 24일	AgentStore: 특수 일반 컴퓨터 기반 기능 이기종 에이전트의 확장 가능 통합	복잡한 컴퓨터 작업을 자동화할 수 있는 디지털 에이전트는 인간과 컴퓨터의 상호 작용을 향상시킬 수 있는 엄청난 잠재력으로 인해 상당한 주목을 받았습니다.
2024년 10월 23일	CLEAR: 텍스트 및 나타내는 형식의 문자 러닝	머신 언러닝(MU)은 특정 개인 정보 또는 위험한 정보를 제거하여 딥 러닝 모델, 특히 대규모 다중 모드 언어 모델(MLLM)에서 개인 정보 보호 및 보안을 강화하는 데 중요합니다.
2024년 10월 22일	메모리 쪼개기: 합쳐서 거의 무한한 배치 크기 확장	대조 손실은 표현 학습을 위한 강력한 접근 방식으로, 더 큰 배치 크기는 유사한 데이터와 다른 데이터를 더 잘 구별하기 위해 더 많은 음수 샘플을 제공함으로써 성능을 향상시킵니다.
2024년 10월 22일	스스로 조정하는 것을 선호하는 태도를 선호합니다	자동 정렬은 사람의 개입을 최소화하면서 정렬 시스템을 개발합니다.
2024년 10월 21일	CompassJudger-1: 올인원 심판 모델 평가 및 개발을 도와드립니다	대규모 언어 모델(LLM)의 지속적인 개선을 위해서는 효율적이고 정확한 평가가 중요합니다.
2024년 10월 21일	지식이 실제로 색칠을 수집할 수 있습니까?	LLM(대형 언어 모델)은 작업 전반에 걸쳐 뛰어난 능력에도 불구하고 생성된 콘텐츠의 비사실 정보를 참조하는 환각에 시달립니다.
2024년 10월 18일	AI 탐지기로 충분합니까?	자동 회귀 대형 언어 모델(LLM)의 급속한 개발로 인해 생성된 텍스트의 품질이 크게 향상되었으므로 신뢰할 수 있는 기계 생성 텍스트 감지기가 필요합니다.
2024년 10월 17일	영화계: 미디어 기반 모델의 출연진	다양한 화면 비율과 동기화된 오디오를 갖춘 고품질 1080p HD 비디오를 생성하는 기본 모델인 Movie Gen을 소개합니다.
2024년 10월 17일	세계적 모델을 갖춘 웹 에이전트: 웹 탐색에서 환경을 학습하고 활용합니다.	LLM(Large Language Model)은 최근 자율 에이전트 구축에 많은 주목을 받았습니다.
2024년 10월 16일	여러 가지의 편집: 언어, 연주 및 오디오 파일에 맞게 여러 가지 파일의 재생각 평가	최근 LMM(Large Multimodal Model)의 발전으로 비디오 및 오디오와 같은 추가 양식을 더욱 통합하려는 지속적인 노력을 통해 다양한 작업 전반에 걸쳐 성능이 크게 향상되었습니다.
2024년 10월 16일	JudgeBench: LLM 기반 심사위원 평가를 벤치마크	LLM 기반 심사위원은 인간 평가에 대한 확장 가능한 대안으로 등장했으며 모델을 평가, 비교 및 ​​개선하는 데 점점 더 많이 사용되고 있습니다.
2024년 10월 16일	계획에서 에이전트의 노출기	자율적 계획은 인공지능이 등장한 이래 지속적으로 추구되어 왔습니다.
2024년 10월 16일	HumanEval-V: 코딩 작업을 거대하게 모드 모델의 설명 이해 및 능력 평가	코딩 작업은 인공 일반 지능 발전을 위한 핵심 기능인 고급 지침, 복잡한 추론 및 기능적 프로그램 구현에 대한 이해를 요구하기 때문에 LLM(대형 언어 모델)을 평가하는 데 유용했습니다.
2024년 10월 14일	전문가 조합 LLM은 비밀리에 무료 임베딩 모델입니다	LLM(대형 언어 모델)은 생성 작업에 탁월하지만 디코더 전용 아키텍처는 추가 표현 미세 조정이 적용되지 않는 경우 임베딩 모델로서의 잠재력을 제한하는 경우가 많습니다.
2024년 10월 13일	LOKI: 다수의 편집 모델을 사용하는 종합인재관리센터 벤치마크	AI 생성 콘텐츠의 급속한 발전으로 인해 미래의 인터넷은 합성 데이터로 넘쳐날 수 있으며, 이로 인해 확실하고 신뢰할 수 있는 다중 모드 데이터를 구별하는 것이 점점 더 어려워질 수 있습니다.
2024년 10월 12일	로그인 후 생성을 종료하는 것은 다음과 같습니다.	RAG(Retrieval-Augmented Generation) 시스템을 효과적으로 적용하려면 자연스러운 지침을 따르는 것이 중요합니다.
2024년 10월 11일	StructRAG: 포함된 시간 포함 정보 구조화를 통해 LLM의 지식 집약적 내구성 강화	검색 증강 생성(RAG)은 많은 지식 기반 작업에서 대규모 언어 모델(LLM)을 효과적으로 향상시키는 핵심 수단입니다.
2024년 10월 11일	Ocean-omni: 옴니모달리티로 세계를 이해하기	GPT-4o의 두드러진 다중 모드 기능과 대화형 경험은 실제 응용 프로그램에서 중요한 역할을 강조하지만 고성능 오픈 소스 대응 제품이 부족합니다.
2024년 10월 10일	에이전트 S: 컴퓨터를 사람처럼 사용하는 개방형 에이전트 프레임워크	복잡한 다단계 작업을 자동화하여 인간과 컴퓨터의 상호 작용을 변화시키는 것을 목표로 그래픽 사용자 인터페이스(GUI)를 통해 컴퓨터와 자율적인 상호 작용을 가능하게 하는 개방형 에이전트 프레임워크인 Agent S를 소개합니다.
2024년 10월 10일	효율적인 LLM 사전 교육을 활용하여 데이터 선택	대규모 언어 모델(LLM)의 사전 학습을 가속화하려면 효율적인 데이터 선택이 중요합니다.
2024년 10월 10일	에이전트 워크플로 생성	광범위한 작업을 처리할 수 있는 탁월한 능력을 갖춘 LLM(대형 언어 모델)은 추론 및 계획 작업을 처리하는 데 상당한 발전을 가져왔습니다. 여기서 복잡한 문제를 실행 가능한 워크플로로 분해하는 것은 이 프로세스에서 중요한 단계입니다.
2024년 10월 9일	WALL-E: 규칙적인 학습을 거부하며 세계 모델 기반 LLM 에이전트 개선	LLM(대형 언어 모델)이 모델 기반 에이전트의 강력한 세계 모델 역할을 직접적으로 수행할 수 있습니까?
2024년 10월 9일	개인화된 맞춤형 교육 조정	다중 모드 대형 언어 모델(MLLM)의 최근 발전은 상당한 진전을 보여주었습니다.
2024년 10월 9일	일반 전문가의 전문가: 작업별 표시 보안을 통해 비전 언어 모델 적용	대형 비전 언어 모델(VLM)은 대형 언어 모델과 비전 인코더를 결합하여 다양한 작업에 대한 가능성을 보여줍니다.
2024년 10월 8일	Aria: 개방형 다중 모드 기본 전문가 혼합 모델	정보는 다양한 형태로 제공됩니다.
2024년 10월 7일	차동변압기	Transformer는 관련 없는 상황에 지나치게 주의를 집중하는 경향이 있습니다.
2024년 10월 7일	플러그인 및 비전의 흥미로운 속성	최근 LLVM(Large Language and Vision Model)은 지각 및 인지 능력이 필요한 광범위한 작업에 걸쳐 뛰어난 일반화 성능으로 인해 상당한 관심과 개발 노력을 받아왔습니다.
2024년 10월 5일	LongGenBench: 장기 데스크톱 생성 벤치마크	현재의 긴 컨텍스트 벤치마크는 주로 검색 기반 테스트에 중점을 두고 있으며 NIAH(needle-in-a-haystack) 벤치마크와 같은 광범위한 입력 컨텍스트 내에서 특정 정보를 찾기 위해 LLM(대형 언어 모델)이 필요합니다.
2024년 10월 4일	검색자 기능 MLLM: 형태화된 에이전트에 대한 대화형 형태의 다중 모드 검색	MLLM 에이전트는 다중 모드 작업 관련 궤적 데이터를 검색하여 복잡한 구현 작업의 잠재력을 보여줍니다.
2024년 10월 3일	사전 훈련 다중 소스 기반의 모델 이미지 캡션 데이터 재검토	다중 모드 모델의 최근 발전은 성능 향상을 위한 재작성 캡션의 가치를 강조하지만 주요 과제는 여전히 남아 있습니다.
2024년 10월 3일	LLM은 보이는 것보다 더 많은 것을 알고 있습니다: LLM 환각의 본질인 표현	LLM(대형 언어 모델)은 사실적 부정확성, 편견, 추론 실패 등을 포함하여 총칭하여 "환각"이라고 하는 오류를 생성하는 경우가 많습니다.
2024년 10월 2일	PHI-S: 무표지 멀티미디어 시스템을 원심 분리기	다양한 시각적 기반 모델에는 뚜렷한 강점과 약점이 있으며, 둘 다 "집합 모델"이라고 하는 레이블이 없는 이질적인 다중 교사 지식 증류를 통해 개선될 수 있습니다.
2024년 10월 1일	RATIONALYST: 인사 개선을 위한 사전 교육 강사 감독	LLM에 의해 생성된 추론 단계는 사전 훈련 데이터에서 발견된 일상적인 의사소통에서 흔히 볼 수 있는 논리적 도약을 모방하기 때문에 불완전할 수 있습니다. 기본 근거는 종종 암시적으로 남아 있습니다(언급되지 않음).
2024년 10월 1일	에너지 효율적인 언어 모델을 추가만 하면 됩니다.	대규모 신경망은 대부분의 계산을 부동 소수점 텐서 곱셈에 사용합니다.