[0717]모두에게 전하는 모두연 AI뉴스!

• 안드레이 카파시, 새로운 "AI 네이티브" 교육 스타트업 Eureka Labs LLC 출범

전 Tesla Inc의 AI 책임자이자 OpenAI 창립 멤버였던 안드레이 카파시가 새로운 "AI 네이티브" 교육 스타트업, Eureka Labs LLC의 출범을 발표했습니다. 카파시는 학생들에게 이상적인 경험은 "깊이 열정적이고, 가르치는 데 뛰어나며, 무한한 인내심을 가지고 세계의 모든 언어에 능통한" 주제 전문가의 지도 아래 배우는 것이라고 주장합니다. 하지만 이러한 전문가들이 많지 않고, 전 세계 80억 인구를 개별적으로 가르치기에는 절대적으로 부족한 어려움이 있습니다. 카파시는 최근의 텍스트, 이미지, 비디오 생성 AI의 발전에 주목하고, 사람 교사들이 여전히 교육 자료를 설계하는 동안 AI 교사들이 실제 수업을 가르치는 미래를 구상하였습니다. 카파시는 가장 인기있는 딥러닝 강의인 CS231n을 초기 운영하였고, 직접 YouTube 채널을 운영하며 때때로 AI 관련 주제에 대한 강의를 올리고 있기 때문에, 업계에서는 그의 교육에 대한 열의와 경험, 그리고 Eureka Labs LLC에 대해 긍정적으로 평가하고 있습니다.

https://eurekalabs.ai/

• LLM이 1백만글자의 장문을 검색하고 추론할 수 있을까요? NeedleBench

최근 구글 Gemini를 시작으로 주요 LLM이 한번에 처리할 수 있는 정보량인 Context window의 크기를 늘리는 가운데, 상하이대학교와 청화대학교 공동 연구진이 대규모 언어 모델(LLM)의 장문 맥락 처리 능력 평가를 위한 벤치마크를 소개하였습니다. 사용자의 질의아 관련된 내용을 원본 장문에서 식별하는 것은 LLM이 긴 텍스트를 바탕으로 질문에 답변하기 위해 중요한데, 이 능력을 평가하기 위해 연구자들은 두 종류의 언어로 쓰여진 장문 맥락 능력을 평가하기 위한 점진적으로 더 어려워지는 일련의 작업으로 프레임워크 NiddleBench를 구성하였습니다. NiddleBench는 여러 길이 구간(4k, 8k, 32k, 128k, 200k, 1000k 이상)과 다양한 깊이 범위를 포함하며, 다양한 맥락에서 모델의 검색 및 추론 능력을 엄격히 테스트하기 위해 텍스트의 다른 깊이 영역에 중요한 데이터 포인트를 전략적으로 삽입할 수 있습니다. 우리는 NeedleBench 프레임워크를 사용하여 주요 오픈소스 모델들이 질문과 관련된 핵심 정보를 얼마나 잘 식별하고, 그 정보를 두 종류의 언어로 쓰여진 장문에서의 추론에 적용할 수 있는지 평가합니다. 또한, 연구자들은 실제로 장문 맥락 작업에 존재할 가능성이 높은, 논리적 추론 과제의 복잡성을 모방하기 위해 Ancestral Trace Challenge (ATC)를 제안하며, 복잡한 장문 맥락 상황을 다루는 LLM을 평가하는 간단한 방법을 제공하였습니다.

https://github.com/open-compass/opencompassAI

개발자 과정의 압도적인 수준 차이! 입문자에서 전공자까지! 아이펠 9기 모집중 : https://bit.ly/4ePP8iK