Raymond Ng 등 30명의 연구진이 개발한 Llama-SEA-LION-v3-8B-IT 및 Gemma-SEA-LION-v3-9B-IT는 동남아시아 11개 언어를 지원하는 최첨단 다국어 LLM입니다. 대규모 다국어 추가 학습과 다단계 사후 학습 과정을 통해 최고 성능을 달성했으며, 오픈소스로 공개되어 동남아시아 지역의 AI 발전에 크게 기여할 것으로 예상됩니다.

Wang Shuai 등 연구진이 개발한 DDT(Decoupled Diffusion Transformer)는 기존 확산 트랜스포머의 한계를 극복, 향상된 성능과 속도를 달성했습니다. ImageNet 256x256 및 512x512 데이터셋에서 최고 성능을 기록했으며, 통계적 동적 프로그래밍 기법을 통해 추론 속도 또한 개선했습니다.

대규모 언어 모델(LLM)을 활용한 자동 에세이 채점(AES) 분야에서, Rank-Then-Score (RTS) 프레임워크가 기존 방법보다 우수한 성능을 보임을 보여주는 연구 결과가 발표되었습니다. 특히 중국어 에세이 채점에서 HSK 데이터셋을 기준으로 최고 성능을 기록했습니다.

Ding Tianqi 등 연구팀의 논문은 AI 기반, 특히 BiLSTM 알고리즘을 이용한 리튬이온 배터리 수명 예측 기술의 우수성을 다양한 데이터와 시뮬레이션을 통해 검증했습니다. BiLSTM은 기존 LSTM보다 15% 향상된 정확도를 보이며 실제 적용 가능성을 높였습니다. 하지만 실제 산업 적용을 위한 추가 연구가 필요합니다.

본 연구는 LLM의 연합 학습을 통해 아카이브 자료의 메타데이터 생성을 자동화하는 시스템을 제시하고, 실제 아카이브 자료를 활용한 실험을 통해 그 효과성을 검증했습니다. 단일 모델보다 연합 학습 방식이 메타데이터 품질과 신뢰도 향상에 더 효과적임을 확인하였으며, 이는 아카이브 자료 관리의 혁신을 가져올 잠재력을 지닌 중요한 연구 결과입니다.