AI 논문들, 에이전트·안전성·효율성 다뤄 (opens in new tab)

6월 8일 arXiv에 게시된 신규 및 개정 AI 논문들은 LLM 평가, 에이전트 신뢰성, 모델 효율성, 보안, 로보틱스, 헬스케어 및 멀티모달 시스템을 다루었습니다. 여러 논문이 배포된 LLM의 위험성을 겨냥했습니다. Elmes*는 330가지 시나리오에 걸친 자동화된 교육 루브릭을 제안했고, RECAP은 테스트된 프롬프트 최적화 방법이 진화하는 제약 조건에 대한 능동적 적응을 유의미하게 개선하지 못한다는 점을 발견했으며, 주택 검색 감사 보고서에 따르면 LLM 스티어링(steering)은 사용자 정체성, 선호도 표현 방식 및 도시에 따라 달라지는 것으로 나타났습니다. 다른 논문들은 AI 시스템을 더 저렴하거나 신뢰할 수 있게 실행하는 데 집중했습니다. FAIR-Calib은 확산 언어 모델의 양자화 오류를 해결했고, PoLar는 사전 학습된 LLM 레이어를 동적으로 건너뛰거나 반복하는 방안을 제안했으며, SlimSearcher는 정확도를 유지하거나 개선하면서 웹 에이전트 도구 ...