LLM

연구진은 변화하는 환경에 적응하는 거대언어모델(LLM) 에이전트의 성능을 평가하는 벤치마크 '에보아레나'를 공개했습니다. 또한 기억의 변화를 구조적으로 기록하는 '에보멤' 기법을 통해 에이전트의 추론 능력을 향상했습니다.

최근 주요 거대언어모델이 등대지기 엘리아스 손에 관한 이야기를 반복적으로 생성하는 현상이 확인되었습니다. 연구진은 인공지능 모델의 안전성 조정 과정에서 발생한 데이터 병목 현상을 주요 원인으로 지목했습니다.

트벤테 대학교 연구진이 거대언어모델 학습 시 GPU 클럭 주파수를 세밀하게 조정해 에너지 효율을 높이는 기술을 개발했습니다. 이 방식은 성능 저하를 최소화하며 기존 소프트웨어 최적화의 한계를 극복합니다.

연구진은 온폴리시 증류(OPD)가 거대언어모델의 추론 능력을 향상하는 과정에서 나타나는 파라미터 공간의 변화를 분석했습니다. 연구 결과 OPD는 지도 미세 조정(SFT)이나 강화 학습(RLVR)과는 차별화된 고유의 학습 기하학적 구조를 형성함을 확인했습니다.

디지털 마케팅 업계가 거대언어모델(LLM)에 의존하면서 전략의 차별성이 사라지고 있습니다. AI의 통계적 예측 방식이 마케팅의 독창성을 저해하는 원인을 분석합니다.

단일 세포 파운데이션 모델은 데이터 양보다 모델 용량과 자원 간의 균형이 중요합니다. 연구진은 대규모 데이터셋 실험을 통해 데이터 확장 법칙의 한계를 규명했습니다. 질적 다양성을 확보하는 모델 최적화 방안을 제시합니다.

연구진이 여러 거대언어모델의 합의 과정을 활용한 세포 유형 주석 프레임워크를 개발했습니다. 기존 단일 모델보다 15.7% 포인트 높은 정확도를 기록하며 생물학적 데이터 분석의 효율성을 높였습니다.

국내 연구진이 거대언어모델(LLM)의 갈등 중재 능력을 정밀하게 평가하는 새로운 벤치마크 'SoCRATES'를 개발했습니다. 실제 갈등 상황을 반영한 8개 도메인에서 모델의 사회적 적응력을 측정하며 기존 평가 방식의 한계를 극복했습니다.

송하오 우 등 연구진은 거대언어모델의 임베딩 성능을 저해하는 고빈도 토큰 문제를 해결하는 '임베드필터'를 발표했습니다. 이 기술은 언어모델 내부의 언임베딩 행렬을 활용해 의미론적 표현력을 높이고 데이터 저장 효율을 개선합니다.

2026년 상반기 거대언어모델 연구는 모델 크기 확대에서 벗어나 하이브리드 아키텍처와 효율적 추론 설계로 중심을 옮기고 있습니다. 에이전트 시스템 확산에 따라 긴 문맥 처리 능력이 핵심 경쟁력으로 부상했습니다.