Pinhan Zhao, Yuepeng Wang, Xinyu Wang 세 연구원이 개발한 Polygon은 Conflict-Driven Under-Approximation Search 기반의 혁신적인 Symbolic Reasoning 엔진으로, SQL 쿼리의 동등성 검증 및 모호성 해소에 탁월한 성능을 보입니다. 3만 개 이상의 벤치마크 테스트를 통해 기존 기술 대비 월등한 성능을 입증했습니다.

OPAL이라는 새로운 로봇 학습 아키텍처는 위상적 제약 조건과 위상적 어텐션을 도입하여 로봇에게 물리적 시스템에 대한 인과적 이해를 부여함으로써 기존 방식보다 뛰어난 성능과 효율성을 달성했습니다. 이는 로봇 학습의 패러다임 변화를 예고하는 중요한 연구 결과입니다.

Happy Buzaaba 등 연구진의 논문 "Lugha-Llama"는 아프리카 저자원 언어에 대한 대규모 언어 모델(LLM)의 성능을 획기적으로 향상시킨 연구 결과를 제시합니다. 아프리카 언어 데이터와 고품질 영어 교육 자료의 결합을 통해 IrokoBench 및 AfriQA 벤치마크에서 최고 성능을 기록하였으며, 모델 및 데이터 공개를 통해 지속적인 연구를 장려합니다.

류주양 등 연구진이 개발한 GEN은 기존 그래프 유사도 계산 방식의 한계를 극복하고, 연산 비용을 사전에 고려하여 효율성을 높인 혁신적인 모델입니다. 실험 결과, 최첨단 모델 대비 오류 감소 및 추론 시간 단축 효과가 입증되었습니다.

본 연구는 웨이블릿 변환과 계층적 시간 시계열 모델링을 결합한 WaveHiTS 모델을 제시하여 내몽골 동부 지역의 풍향 예보 정확도를 크게 향상시켰습니다. 기존 모델 대비 월등한 성능을 보이며 풍력 에너지 생산 최적화에 기여할 것으로 기대됩니다.