• 회의록
  • 랩장 연구주제 피드백 1

비전 -> 미적인 서술에 대한 LLM 출력을 통한 미적인 측면에 대한 Captioning을 만들 수 있는 논문 응용하는 것인가? 
ARS 스코어 등을 정의함. 

미적인 측면 -> 미학에 관한 접근도 괜찮을 것 같음. 
ㄴ대부분 대중에 의한 판단이 이루어짐. 
ㄴ미학적인 판단이 굉장히 중요한 영역들이 있을 것임. 
ㄴ예술계나 미학계의 전문가 중심의 평가 점수를 모아서 한다면 보다 특수ㄴ한 모델로 이어질 수 있을 것임. 
ㄴVisualGPT가 요즘의 LLM을 사용한 것이 아니기 때문에 여기에 LLM을 써서 넣고 싶었다. 
ㄴLLM으로 ARS 스코어를 정의하고 실험적으로 증명해보자.

• 랩장 연구주제 피드백 2

* Code Similiarity 를 보는 논문 
- 기존의 G-Eval과 맥락을 같이 하되, 평가 방법을 좀 다르게 하고자 함. 
- Transfer Learning을 해보는 것은 어떨까요? 
- 시간복잡도와 공간복잡도와 비용복잡도를 기준으로 평가를 해보는 것은 어떨까? 
 ㄴ런타임 및 메모리 
- Contribution 어떤게 있을까? 
- NMT 연구 중에 중간 단계에 해당하는 언어를 기계가 개발해서 하는 구글의 연구가 있으니 참조해보면 더 좋을 것 같습니다.
- 컴파일된 언어, Bytecode 기반으로 넣어보는 것이 어떨까?