저장대학교 연구진이 개발한 EasyEdit2는 거대 언어 모델(LLM)의 행동을 쉽게 제어할 수 있는 프레임워크입니다. 단 하나의 예시만으로도 안전성, 감정, 성격 등 다양한 측면을 조정할 수 있으며, GitHub를 통해 소스 코드가 공개되어 접근성이 높습니다.

본 연구는 청소년들이 생성형 언어 모델(GLM)을 직접 설계하고 감사하는 참여형 워크숍을 통해 기술적, 윤리적 이해도를 높이는 효과를 조사하는 연구입니다. 데이터 기반 GLM 구축 및 상용 GLM 감사 활동을 통해 청소년들의 GLM에 대한 깊이 있는 이해를 증진시키고, 미시적 지식 분석과 순서 네트워크 분석을 통해 기술적, 윤리적 이해 간의 관계 및 변화를 분석합니다.

Kushal Shah, Jihyun Park, Seung-Kyum Choi 연구팀이 개발한 Neural ATTF는 다중 에이전트 경로 계획 문제에 대한 혁신적인 해결책으로, 기존 알고리즘의 한계를 극복하고 실제 환경 적용 가능성을 높였습니다. Neural STA*와 PGTM 모듈의 시너지 효과를 통해 확장성, 적응성, 효율성을 향상시켰으며, 실험 결과를 통해 그 우수성을 입증했습니다.

황강요 등 연구진이 개발한 쿼드로터 DRL 플랫폼은 훈련부터 실제 배포까지의 전 과정을 효율적으로 지원하여 시뮬레이션-실제 간 전환 문제를 해결하고 실제 환경에서의 로봇 제어 성능 향상에 기여합니다.

본 연구는 기존 AI 정렬 전략의 한계를 극복하기 위해 명상의 지혜를 AI 시스템 설계에 접목하는 새로운 접근법을 제시합니다. 마음챙김, 공, 비이원성, 무한한 돌봄이라는 네 가지 원칙을 통해 AI에 내재적인 도덕성을 구축하고, GPT-4o를 활용한 실험을 통해 그 효과를 검증했습니다. 이는 AI의 윤리적 발전에 대한 중요한 시사점을 제공합니다.