연구진이 실제 사례를 반영해 고정된 LLM과 VLM을 업데이트하는 모델 독립형 시스템을 제안했다. 의료 과제 성능을 최대 34% 높였다.
짧은 소식작성: OossaOossa 게시일: 1 분 읽기
Yexiao He가 이끄는 연구팀은 2026년 10월 8일, 고정된 대규모 언어 모델(LLM)과 비전-언어 모델(VLM)이 처리한 사례를 바탕으로 학습할 수 있도록 하는 프레임워크를 소개한 논문을 발표했다. 이 시스템은 세 가지 외부 전문 지식을 더한다. 추론을 위한 Skill, 사실 정보를 담는 Knowledge Memory, 시각적 사례를 제공하는 Multimodal Knowledge Base다. 새 사례가 이전 성능을 떨어뜨리지 않으면서 성능을 높일 때만 모델을 업데이트한다. 4개의 기반 모델을 사용해 6개 의료 벤치마크에서 시험한 결과, 성능이 최대 34.2% 향상됐다.
임상의는 비용이 많이 드는 재학습 없이도 새로운 지침을 반영하는 AI 도구를 활용할 수 있다.
연구
한 대의 카메라로 촬영한 사람이 물체를 다루는 영상을 로봇 손의 궤적으로 바꾸는 연구 파이프라인이다. 연구진은 기존 전이 방식보다 성공률이 높았다고 밝혔다.
연구
오픈AI는 미공개 모델을 수학 연구에 투입해 722편의 원고를 정리했다고 밝혔습니다. 다만 일부 결과는 오류가 있을 수 있어 추가 검증이 필요합니다.
연구
OpenAI는 2026년 10월 7일 부호 오류로 핵심 논증이 무효가 된 대수기하학 논문 3편을 철회한다고 발표했다.
Oossa · 뉴스레터
이번 주 AI, 쉽게 정리
매주 월요일, 알아둘 만한 소식을 쉬운 말로. 무료, 스팸 없음.
