Read this article in Korean Trends January 2025’s theme is how to turn additional computation into useful capability: the three selected papers examine this through longer language-model inputs, search during image generation, and reward-based training. MiniMax-01 combines architecture and execution improvements to process million-token inputs, where tokens are the text...

영문판 보기 이달의 트렌드 2025년 1월의 주제는 추가 연산을 유용한 능력으로 전환하는 방법이며, 선정된 3편의 논문은 언어 모델의 입력 확장, 이미지 생성 중 검색, 보상 기반 학습을 통해 이를 살펴본다. MiniMax-01은 아키텍처와 실행 방식을 개선해 백만 토큰 규모의 입력을 처리한다. 토큰은 모델이 처리하는 텍스트 단위다. Diffusion 연구는 노이즈를 반복해서 제거하며...

This article explains the key points of o3-mini vs DeepSeek-R1: Which One is Safer?. 2025-01-30 (arXiv) Arrieta, Aitor, Ugarte, Miriam, Valle, Pablo, Parejo, José Antonio, Segura, Sergio. Mondragon University, University of Seville Paper Github Read this article in Korean Summary The paper tests whether large language models (LLMs), models that...

이번 글에서는 o3-mini vs DeepSeek-R1: Which One is Safer? 논문의 핵심 포인트만 간단히 정리한다. 2025년 1월 30일(Arxiv) Arrieta, Aitor, Ugarte, Miriam, Valle, Pablo, Parejo, José Antonio, Segura, Sergio. Mondragon University, University of Seville 논문 링크 Github 영문판 보기 요약 이 논문은 텍스트를 생성하는 대규모 언어 모델(LLM)이 안전하지 않은 요청에 유해한...

This article explains the key points of SFT Memorizes, RL Generalizes: A Comparative Study of Foundation Model Post-training. 2025-01-28 (arXiv), Proceedings of the 42nd International Conference on Machine Learning, PMLR 267, 2025 Chu, Tianzhe, Zhai, Yuexiang, Yang, Jihan, Tong, Shengbang, Xie, Saining, Schuurmans, Dale, Le, Quoc V., Levine, Sergey, Ma,...