본 연구는 기계학습(ML)과 대규모 언어 모델(LLM)을 활용하여 혈액 배양 검사의 과잉 주문 문제를 해결하는 혁신적인 스튜어드십 시스템을 개발하였습니다. 13만 건 이상의 데이터를 분석한 결과, ML 모델은 전문가 권고 시스템 및 LLM 기반 시스템보다 높은 특이도를 보이며, 기존 표준 진료를 뛰어넘는 성능을 입증했습니다.

본 기사는 최근 발표된 연구 논문을 바탕으로 양자 변분 회로(VQCs)가 기존 신경망(NNs)에 비해 적은 매개변수로 동등한 성능을 달성할 수 있음을 소개하고, 양자 컴퓨팅 기술 발전에 따른 미래 전망을 제시합니다.

본 기사는 강화학습 에이전트의 한계를 극복하는 혁신적인 알고리즘 COMET을 소개합니다. COMET은 인과적 객체 중심 모델을 통해 환경의 진정한 인과 구조를 파악하고, 대규모 언어 모델을 활용하여 해석력을 높임으로써, 더욱 정확하고 견고한 의사결정을 가능하게 합니다.

Korhan Sevinç의 연구는 다양한 모델과 LatentGloss라는 새로운 학습 전략을 활용하여 정신 건강 분류의 정확도를 크게 향상시켰습니다. 이는 정신 건강 분야에서 AI의 활용 가능성을 넓히는 중요한 발견입니다.

MatBase는 관계형, 엔티티-관계, 수학적 데이터 모델을 기반으로 한 지능형 데이터 및 지식베이스 관리 시스템으로, 61가지의 다양한 제약 조건 유형과 Datalog 통합을 통해 데이터 품질과 지식 관리에 새로운 가능성을 제시합니다. MS Access 및 MS .NET 버전으로 개발되어 실제 소프트웨어 개발 및 교육 현장에서 활용되고 있습니다.