[1031]모두에게 전하는 모두연 AI뉴스!

* AI 모델의 개인정보 삭제와 보안 강화, CLEAR 벤치마크로 한 단계 더 머신 언러닝(MU)은 개인정보나 유해 정보를 제거하여 대규모 다중모달 언어 모델(MLLM)의 보안을 강화하는 데 중요한 역할을 합니다. 그러나 멀티모달 언러닝(MMU)은 오픈 소스 벤치마크의 부족으로 인해 발전이 미흡한 상태입니다. 이를 해결하기 위해 논문에서는 MMU 방법을 평가하기 위한 CLEAR 벤치마크를 소개했습니다. CLEAR는 200명의 가상 인물과 3,700개의 이미지, 관련 질문-답변 쌍을 포함하여 다중 모달리티 평가를 지원합니다. 10가지 MU 방법을 MMU에 맞게 조정하고, 복합적 건망증 문제를 강조했으며, LoRA 가중치에 대한 ell_1 정규화가 망각을 완화하고 모델 성능을 보존하는 데 효과적임을 입증했습니다. https://huggingface.co/papers/2410.18057 * AutoKaggle: 협업 멀티 에이전트 시스템을 통한 효율적인 데이터 과학 워크플로우 구축 프레임워크 AutoKaggle은 데이터 과학자가 협업 멀티 에이전트 시스템을 통해 데이터 파이프라인 작업을 효율적으로 수행할 수 있도록 돕는 사용자 중심의 프레임워크입니다. 이 시스템은 코드 실행, 디버깅, 단위 테스트를 포함한 반복 개발 과정을 통해 코드 정확성과 일관성을 보장하며, 사용자가 각 단계에 개입하여 자동화된 인텔리전스와 인간의 전문성을 통합할 수 있는 고도로 사용자 정의 가능한 워크플로우를 제공합니다. 실제 Kaggle 경연 대회를 통해 평가한 결과, AutoKaggle은 0.85의 검증 제출률과 0.82의 종합 점수를 기록하며 복잡한 데이터 과학 작업에서 효과와 실용성을 입증했습니다. https://huggingface.co/papers/2410.20424 [아이펠 11기] AI 입문부터 활용까지! AI개발자 과정! AI학교 아이펠 11기 모집 중: https://bit.ly/aiffel_online_11th