Hi, there! 10월 22일 ~ 10월 29일 간 나온 AI 주요 포스트와 논문을 추려보았습니다. • Google에서 다중 작업을 훈련할 수 있는 차세대 아키텍처 Pathways(https://blog.google/technology/ai/introducing-pathways-next-generation-ai-architecture/)를 소개했습니다. 이를 통해 수천 또는 수백만 가지 것들을 수행할 수 있는 단일 모델을 훈련할 수 있습니다. • GoEmotions(https://ai.googleblog.com/2021/10/goemotions-dataset-for-fine-grained.html) – Google이 세분화된 감정 분류를 위한 대규모 데이터셋을 공개했습니다. • Microsoft는 자기 지도 오디오-비주얼 학습을 위한 자동화된 데이터셋 큐레이션 파이프라인과 가장 큰 규모의 비디오 데이터셋 ACAV100M(https://www.microsoft.com/en-us/research/blog/acav100m-scaling-up-self-supervised-audio-visual-learning-with-automatically-curated-internet-videos/)을 공개했습니다. 논문(https://arxiv.org/pdf/2101.10803.pdf)도 살펴보세요. • 다중 작업 학습 시 작업 그룹을 효율적으로 식별하기(https://ai.googleblog.com/2021/10/deciding-which-tasks-should-train.html) – 다중 작업 신경망에서 함께 훈련할 작업을 결정하는 방법, 논문(https://arxiv.org/pdf/2109.04617.pdf)도 있습니다. • 다중 에이전트의 자연어 커뮤니케이션을 위한 동적 모집단 기반 메타 학습(https://arxiv.org/pdf/2110.14241.pdf) • FacTeR-Check(https://arxiv.org/pdf/2110.14532.pdf) – 의미론적 유사성과 자연어 추론을 통한 반자동화된 사실 확인 기법 • SQALER(https://arxiv.org/pdf/2110.14266.pdf) – Multi-Hop과 논리적 추론을 분리하여 질문 응답 확장하기 • 발화 생성과 Look Ahead를 통해 목표 지향의 대화 개선하기(https://arxiv.org/pdf/2110.12412.pdf) • SYNERGY: 심볼릭한 지식과 기계 교습을 사용하여 대규모 작업 봇 구축하기(https://arxiv.org/pdf/2110.11514.pdf) – 뉴럴 작업 봇을 구축할 때 사람이 데이터 레이블링 하는 수고를 줄이기 위해 심볼릭한 지식과 기계 교습을 사용하려는 시도입니다. • 계획하고 생성하기(https://arxiv.org/pdf/2108.13740.pdf) – 계획을 통해 제어된 데이터-텍스트 생성 위 내용은 Alexa AI Deep Learning Blog에서 발행하는 AI 주간 뉴스에서 발췌, 번역하고 개인적으로 내용을 추가하여 만든 것입니다.