Paper page - Gold-medalist Performance in Solving Olympiad Geometry with AlphaGeometry2
huggingface.co
[0207]모두에게 전하는 모두연 AI뉴스!
AlphaGeometry2: IMO 기하 문제 해결 능력 금메달리스트 넘어섰다!
AlphaGeometry2는 IMO 기하 문제를 푸는 데 있어 평균적인 금메달리스트를 능가하는 성능을 보여주는 인공지능 시스템입니다. 이 시스템은 이전 버전인 AlphaGeometry의 54% 해결률을 84%로 크게 향상시켰습니다. AlphaGeometry2는 객체 이동, 선형 방정식, 로커스 유형 정리를 포함하는 더 광범위한 기하학적 개념을 포괄하는 확장된 도메인 언어를 사용합니다. 또한 Gemini 기반 언어 모델을 활용하고 기호 엔진을 개선했으며, 여러 검색 트리를 결합하는 새로운 지식 공유 메커니즘을 통해 검색 프로세스를 향상시켰습니다. AlphaGeometry2는 자연어 입력에서 직접 기하학 문제를 해결하는 완전 자동화된 시스템의 일부로 사용되고 있습니다.
https://huggingface.co/papers/2502.03544
대규모 언어 모델 해부: 스파스 오토인코더와 교차 계층 특징 맵의 만남
이 논문에서는 대규모 언어 모델(LLM)에서 스파스 오토인코더가 발견한 특징을 여러 계층에 걸쳐 체계적으로 매핑하는 새로운 접근 방식을 제안합니다. 데이터가 필요 없는 코사인 유사도 기법을 사용하여 특정 특징이 각 단계에서 어떻게 유지, 변환 또는 처음 나타나는지 추적합니다. 이 방법은 특징 진화의 세분화된 흐름 그래프를 생성하여 모델 계산에 대한 세분화된 해석 가능성과 메커니즘적 통찰력을 제공합니다. 중요한 것은 이러한 교차 계층 특징 맵을 통해 선택한 특징을 증폭하거나 억제하여 모델 동작을 직접 조정하여 텍스트 생성에서 주제별 제어를 달성하는 방법을 보여줍니다. 이러한 결과는 특징이 순방향 패스를 통해 어떻게 발전하는지 명확히 할 뿐만 아니라 대규모 언어 모델을 투명하게 조작할 수 있는 새로운 수단을 제공하는 인과적 교차 계층 해석 가능성 프레임워크의 유용성을 강조합니다.
https://huggingface.co/papers/2502.03032
2017년부터 명맥을 이어온 AI명문
아이펠리서치 온라인13기 사전등록 : https://bit.ly/4jzwrSS
다음 내용이 궁금하다면?
이미 회원이신가요?
2025년 2월 7일 오전 7:53
댓글 0
함께 읽은 게시물
데이터 분석가의 뇌구조가 궁금하다면?
안
... 더 보기-
-
-
기본적으로 알아야 할 머신러닝 알고리즘 10
머신러닝을 공부하면서 늘 헤깔리는 것중에 하나가 알고리즘 부문인 거 같습니다. 마침, 이 알고리즘을 깔끔하게 정리한 글이 있어 공유해 봅니다.
데이터 영역에 관심있는 분들 뿐만 아니라 머신러닝이나 AI에 관심있는 분들은 원문을 꼭 일독하시길 강추(!)합니다~^^
📜 지도학습
👉 선형회귀, 로지스틱 회귀, K-최근접 이웃, 나이브 베이즈, 결정 트리, 랜덤 포레스트, XG부스트, 라이트GBM,
📜 비지도학습
👉 K-평균 군집화, 주성분 분석(PCA)
🔔 선형 회귀(Linear Regression)
🚩 문제 유... 더 보기
AI(LLM) 애플리케이션의 발전 속도가 AI 지능(능력)의 발전 속도를 따라가지 못하고 있는 상태가 되었다. 즉, 이제 AI가 부족한 것이 문제가 아니라, AI의 능력을 100% 활용하지 못하고 있는 것이 문제인 상태가 되었다는 이야기.
IT 회사의 업무에서, 지금까지는 디자이너와 특히 개발자가 병목이었는데, 대 AI 시대에는 기획자가 병목이 될 수도 있겠다. 조금이라도 규모가 있는 기업에서의 가장 큰 병목은 보통 의사결정자라는 것을 생각해보면 그렇다.
즉, 실무보다 의사결정을 AI에게 맡기는 것이 병목을 해소할 수 있는 가장 확실한 방법이며, 그러므로 부장님과 사장님을 AI로 대체하는 것이야말로 인류의 번영을 위한 가장 빠른 지름길이다. (아님. 아니 맞나?!)
