BadEdit: 모델 편집을 통한 대형 언어 모델의 백도어 주입
📝 이 엔티티 프로필은 보강 중입니다. 아래에는 기본 정보와 외부 링크만 표시합니다.
출처
- AI Singapore — 확인일 2026-07-12
같은 범주 🔬 기초 연구
A*STAR
싱가포르 과학기술청, AI 기초 연구 및 응용 연구의 주력
NUS
싱가포르국립대학교, AI 연구 순위 아시아 선두. 2024.3 NUS AI Institute 설립, 기초 AI, 응용 AI 및 사회 영향 연구 통합
NTU
난양이공대학교, AI 및 데이터과학 연구의 중심지
SMU
싱가포르관리대학, 비즈니스와 사회응용 AI
SUTD
싱가포르과기설계대학, AI와 디자인 교차혁신
AI Singapore와 미국 NSF 연구자들의 연구 협력 프로젝트
해당 프로젝트는 난양공과대학교 Zhang Jie 교수가 주도하며 미국 매사추세츠공과대학교(MIT)와 협력하고 있으며, 신뢰할 수 있고 해석 가능한 인공지능-인간 상호작용 최적화 시스템 개발에 힘쓰고 있습니다. 연구 중점은 자연언어를 조합 최적화 문제의 견고한 인터페이스로 확립하는 것으로, AI 시스템이 인간 언어로부터 최적화 문제를 수립하고, 강력한 AI 보조 최적화를 수행하며, 해석 가능한 피드백을 제공할 수 있도록 합니다. 해당 프로젝트는 물류, 제조, 금융 등 산업에 효율적인 의사결정 지원 도구를 제공하는 것을 목표로 하며, 동시에 신뢰할 수 있는 AI의 기초 연구를 추진합니다.
PINNACLE: PINN 자적응 배치점 및 실험점 선택 방법
PINNACLE은 물리 정보 신경망(PINN)의 훈련 효율을 개선하기 위한 자적응 점 선택 방법입니다. 해당 방법은 경험적 신경 접선 커널 이론을 기반으로 하며, 모든 유형의 훈련점 선택을 자동으로 결합 최적화할 수 있으며, 실험점과 배치점을 포함합니다. 정방향 문제, 역문제 및 전이 학습 등 다양한 작업에서 기존 기준 방법을 현저히 능가합니다.
기호 회귀를 통한 의사결정 나무의 더 큰 범주 분할 발견
본 연구는 기호 회귀 강화 의사결정 나무(SREDT)를 소개합니다. 기호 회귀를 통해 비선형, 다변량 의사결정 나무 분할 규칙을 발견합니다. 전통적인 의사결정 나무와 비교했을 때, SREDT는 더 나은 예측 성능, 더 작고 컴팩트한 나무 구조, 더 빠른 추론 속도, 그리고 잡음에 대한 견고성을 갖추고 있습니다. 이 방법은 유전 프로그래밍을 통해 폐쇄형 해석 표현식을 탐색하며, 분류 작업에서 표준 의사결정 나무를 현저히 능가합니다.