이미지 확대보기이번 연구는 고려대학교 임희석 교수 연구팀과 공동으로 수행됐다.
채택된 논문들은 인공지능의 기반 기술인 파운데이션 모델의 성능 향상과 내부 구조 분석에 초점을 맞췄다.
첫 번째 논문인 'LangSAE Editing: Improving Multilingual Information Retrieval via Post-hoc Language Identity Removal'은 다국어 정보검색 성능 향상을 위한 방법론을 제안했다.
연구팀은 모델 내부에 형성된 특정 언어의 정체성을 사후적으로 분리·제거하는 'LangSAE Editing' 기법을 적용해 언어 간 표현 차이를 줄이고 다국어 정보검색 성능 개선 가능성을 확인했다고 설명했다.
두 번째 논문인 'Exploring Coding Spot: Understanding Parametric Contributions to LLM Coding Performance'는 대규모언어모델(LLM)의 코드 생성 및 이해 과정에서 어떤 매개변수가 중요한 역할을 하는지 분석한 연구다.
연구팀은 모델 내부의 '코딩 스팟(Coding Spot)'을 규명해 코딩 특화 인공지능 모델의 동작 원리를 이해하고 성능 개선 연구의 기반을 마련했다고 밝혔다.
박찬준 숭실대학교 교수는 "파운데이션 모델과 인공지능 분야의 핵심 연구를 지속적으로 수행해 학계와 산업계 발전에 기여하겠다"고 말했다.
전여송 로이슈(lawissue) 기자 arrive71@lawissue.co.kr
<저작권자 © 로이슈, 무단 전재 및 재배포 금지>
메일: law@lawissue.co.kr 전화번호: 02-6925-0217
