대규모 언어 모델(LLM)의 표현력을 활용하여 패션 호환성 이해와 트렌드 인식을 결합한 맞춤형 의상 추천 프레임워크를 제안합니다.
자원 제약 환경에서도 성능 저하 없이 데이터 사용량을 크게 줄일 수 있는 Pareto 데이터 프레임워크를 제안한다. 이를 통해 비용, 에너지, 계산 및 저장 비용을 절감할 수 있다.
프리랜서와 프로젝트 간의 효율적인 매칭을 위해 다국어 언어 모델을 활용한 신경망 검색기 아키텍처를 제안한다.
多言語環境における求職者と案件のスキルマッチングを効率的に行うための新しいニューラルリトリーバーアーキテクチャを提案する。
관개 스케줄링 문제에서 ReLU 신경망 모델을 활용하여 혼합 정수 MPC의 계산 효율성을 크게 향상시킬 수 있다.
대규모 언어 모델을 활용하여 임상시험 데이터의 표와 그래프를 효율적으로 자동 생성할 수 있다.
Large language models can be leveraged to efficiently automate the generation of tables, figures, and listings (TFLs) for clinical trial data analysis, showcasing their potential in this domain.
협업 코드 생성 모델의 효과성과 암기 사이의 균형을 이해하는 것이 중요하다. 데이터셋의 크기와 다양성, 데이터 제시 순서가 모델의 성능과 암기 수준에 큰 영향을 미친다.
Collaborative training of code generation models can enhance model effectiveness by leveraging diverse datasets, but poses risks of training data memorization that must be carefully managed.
AI 생성 이미지 내 텍스트의 정확성과 가독성을 정량적으로 평가하기 위한 ABHINAW 평가 방법을 제안한다.