최신 개발 GPT용 앱 스토어
OpenAI는 창작자들이 자신만의 GPT를 출시하고 실제 수익을 올릴 수 있는 GPT용 앱 스토어를 도입할 것이라고 발표했습니다. 그러나 GPT 스토어에 수익 공유 시스템이 도입될지는 아직 불확실합니다.
음성으로 구동되는 표정을 가진 풀 바디 아바타
메타와 캘리포니아 대학교 버클리는 음성만으로 생동감 있고 사실적인 풀 바디 초상 아바타를 생성하는 방법을 도입했습니다. 이 기술은 대화 중에 실제 제스처와 표정에 반응하는 동적이고 생생한 풀 바디 초상 아바타를 생성합니다. 이 방법은 음성 입력과 동기화된 세밀한 얼굴 표정, 몸 동작, 손 움직임을 합성하여 디지털 아바타의 진정성과 반응성을 높여줍니다.
예술적 장려를 통한 LLM 피드백 촉진
자극 기술은 종종 간과되지만 LLM의 진정한 잠재력을 발휘하는 열쇠를 쥐고 있습니다. 이를 인식한 최근 연구는 LLM 자극 기술을 향상시키기 위해 특별히 설계된 포괄적인 26가지 지침을 소개했습니다. 이론적인 원칙에 그치지 않고 이러한 지침을 적용한 결과, 다양한 LLM에서 피드백 품질이 평균 50% 개선된 것으로 나타났습니다.
하이라이트:
– 이 연구는 자극 기술을 위한 26가지 상세한 원칙을 소개합니다. 이 원칙들은 구조와 명확성, 구체성과 정보, 복잡한 작업 및 자극 프로그래밍 등 다섯 가지 그룹으로 분류됩니다. 이러한 원칙들은 다양한 사용자 상황과 LLM과의 상호작용을 다루며, 모델 피드백의 성능과 관련성을 최적화하기 위해 설계되었습니다.
다양한 규모의 LLM에 대한 원칙의 성능 평가
이 원칙들의 성능은 작은 규모 (70억 매개변수 모델), 중간 규모 (130억 매개변수 모델), 그리고 대형 규모 (700억 매개변수, GPT-3.5/4)를 포함한 다양한 규모의 LLM에서 테스트되었습니다. 평가에는 두 가지 주요 지표가 사용되었습니다: 향상도(Boosting), 즉 피드백 품질 개선 정도를 측정하는 지표, 그리고 정확도(Correctness), 즉 피드백의 정확성에 중점을 둔 지표입니다.
이러한 원칙들은 GPT-4에서 각각 품질과 정확도에서 57.7%와 67.3%의 성능 향상을 가져왔습니다. LLaMA-2-7B에서 GPT-4로의 전환은 40% 이상의 성능 향상을 초과했습니다. 이 원칙들은 인공지능의 성능을 향상시키는 데 그치지 않고, 사용자가 LLM과 상호작용하고 이해하는 데도 크게 기여합니다. 더 명확하고 구조화된 자극을 제공함으로써 사용자는 이 모델들의 능력과 한계에 대해 더 잘 이해할 수 있습니다.
전문 도구
1.RAGatouille:
– 어떤 RAG 파이프라인에도 최신 검색 방법(SOTA)을 통합할 수 있도록 설계된 도구로, 사용의 편의성과 간편함에 중점을 두고 있습니다. 복잡한 정보 검색 연구와 RAG 파이프라인에서의 실제 응용 사이의 간극을 줄이려는 목표를 가지고 있습니다.
2.Dashy:
– 다양한 전문적 및 개인적 필요에 대한 40가지 이상의 전문 도구를 제공하여 생산성과 효율성을 향상시키는 사용자 정의 가능한 대시보드로 도구, 알림 및 데이터를 통합하는 올인원 애플리케이션
3.Echo AI:
– 당신의 개인 면접 준비 및 훈련 보조자인 “Echo AI”입니다. 이 도구는 행동 질문에 중점을 두어 면접 기술을 향상시키는 데 도움을 줍니다. 50개 이상의 실제 질문을 포함하고 있으며, 답변을 녹음하고 텍스트로 변환하여 피드백과 점수를 받을 수 있습니다. iCloud와 동기화되어 여러 기기에서 매끄럽게 연습할 수 있습니다.
4.Wally:
– 인공지능을 활용한 이 도구는 사용자가 테마, 스타일, 색상을 선택하여 공유할 수 있는 독특한 배경화면을 생성할 수 있게 합니다. 다양한 예술적 옵션과 사용하기 쉬운 인터페이스를 제공합니다.