CoVoMix2는 완전 비자기회귀 프레임워크를 사용하여 자연스러운 다중 화자 대화 생성을 가능하게 하는 혁신적인 AI 모델입니다. 화자 분리, 문장 정렬, 프롬프트 마스킹 등의 전략을 통해 기존 모델들을 능가하는 성능을 달성했으며, 실제 세계의 다양한 응용 분야에 적용 가능성을 보여줍니다.

Yang Zhao 등 연구진이 개발한 CircuGraphRAG은 LLM의 환각 문제를 해결하고 순환 경제 의사결정을 지원하는 혁신적인 RAG 프레임워크입니다. 도메인 특화 지식 그래프를 활용하여 정확성과 효율성을 높였으며, 단일 및 다중 홉 질의 응답에서 우수한 성능을 기록했습니다. 이는 지속가능한 제조 및 순환 경제 분야에 큰 영향을 미칠 것으로 기대됩니다.

중국과학원 연구팀이 개발한 SmilesGEN은 표현형 프로필을 활용한 약물 유사 분자 생성 모델로, 기존 방법의 한계를 극복하고 유효성, 독창성, 신규성을 모두 만족하는 분자 생성에 성공했습니다. 이는 AI 기반 신약 개발 분야에 혁신적인 발전을 가져올 것으로 기대됩니다.

Chen Zhuo 등 연구진이 개발한 ModuLM 프레임워크는 LLM을 활용한 분자 관계 학습(MRL) 연구에 혁신을 가져올 것으로 예상됩니다. 다양한 모듈과 유연한 모델 구성을 지원하여 연구 효율성을 높이고, 5만 가지 이상의 모델 구성을 가능하게 합니다.

후지이 료, 사이토 히데오, 하치우마 료 연구팀이 개발한 TrajICL은 상황 내 학습(ICL) 프레임워크를 활용하여 에지 장치에서도 효율적인 보행자 궤적 예측을 가능하게 합니다. 공간-시간적 유사성 및 예측 기반 예시 선택 방법과 대규모 합성 데이터셋 활용을 통해 기존 방식을 뛰어넘는 성능을 달성했습니다.