Divyanshu Mishra 등 연구진이 개발한 MCAT은 시각적 쿼리 기반 비디오 클립 위치 확인(VQ-VCL) 방법을 사용하여 태아 초음파 영상 분석의 정확성과 효율성을 크게 향상시킨 AI 기반 기술입니다. 기존 기술보다 우수한 성능을 보이며, 특히 저소득 및 중간소득 국가에서 산전 진료 개선에 크게 기여할 것으로 기대됩니다.

AI와 머신러닝 기반 프레임워크를 통해 데이터 부족 문제를 해결하고, Latvia 사례 연구를 통해 건물 에너지 개선 방안을 제시. CTGAN을 활용한 합성 데이터 생성과 SHAP 기반 XAI를 통해 모델의 신뢰성과 설명력 향상, 정밀도, 재현율, F1 점수 최대 54% 향상.

본 연구는 앙상블 학습 전략을 활용하여 캡슐 내시경 이미지에서의 이상 탐지 정확도를 향상시킨 연구 결과를 발표했습니다. 다양한 손실 함수를 사용하여 훈련된 여러 신경망을 결합하여 메모리 효율성을 높이고, Galar 및 Kvasir-Capsule 데이터셋에서 높은 AUC 점수를 달성했습니다.

지승현, 이소원 박사 연구팀은 짧은 텍스트에서 마스크 언어 모델링의 과신 문제를 해결하기 위해 텍스트 길이에 따라 동적으로 조절되는 신뢰도 규제를 제안했습니다. GLUE와 SQuAD 데이터셋 실험 결과, 제안된 방법은 정확도 향상 및 예상 보정 오류 감소를 달성했습니다.

마오리위안(Liyuan Mao) 등 연구진이 정보이론적 관점에서 보상 값을 분해하여 RLHF 모델의 일반화 성능을 향상시키는 새로운 알고리즘을 제안했습니다. 프롬프트와 무관한 보상과 프롬프트 관련 보상으로 분해하여 데이터 샘플 우선순위를 정하는 방식으로, 정렬 성능과 일반화 성능을 모두 개선하는 결과를 얻었습니다.