Pingrui Zhang 등 연구팀이 개발한 Adaptive Text Dreamer(ATD)는 좌뇌와 우뇌를 모방한 이중 구조로 LLM을 활용, 시각-언어 탐색(VLN) 문제를 효율적이고 정확하게 해결하는 혁신적인 시스템입니다. R2R 벤치마크에서 최첨단 성능을 달성했으며, 인간 뇌 구조 모방이라는 새로운 패러다임을 제시합니다.

RepoMaster는 GitHub 저장소를 효율적으로 활용하여 복잡한 문제를 해결하는 자율 에이전트 프레임워크입니다. 기존 모델보다 월등한 성능을 보이며, 소프트웨어 개발의 혁신을 가져올 것으로 기대됩니다.

권유진, 서홍준 등 연구원들이 개발한 CoDA는 주파수 구성 기반의 압축 및 도메인 적응 프레임워크로, 제한된 자원 환경에서도 뛰어난 성능을 보이는 AI 모델 구축을 가능하게 합니다. CIFAR10-C 및 ImageNet-C 데이터셋에서 기존 방법 대비 괄목할 만한 성능 향상을 기록했습니다.

본 연구는 강화 학습 기반의 새로운 교통 시스템 최적화 방안을 제시합니다. 개인 맞춤형 경로 추천과 시스템 최적화를 동시에 달성하며, 실험 결과 우수한 성능을 보였습니다. 이는 AI 기반 스마트 교통 시스템의 실현 가능성을 높이는 중요한 연구입니다.

알리바바 클라우드 연구팀이 개발한 EasyDistill 툴킷은 거대 언어 모델(LLM)의 지식 증류(KD)를 위한 혁신적인 솔루션입니다. 블랙박스 및 화이트박스 KD를 모두 지원하며, 다양한 기술과 알리바바 클라우드 PAI와의 통합을 통해 LLM의 효율적인 개발 및 배포를 가능하게 합니다.