첸 영-정, 첸 치-생, 알바르카위 아마드 연구팀의 논문은 다중 에이전트 시스템(MAS)을 활용한 설명 가능하고 윤리적인 AI 기반 의료 결정 지원 시스템을 제시합니다. eICU 데이터베이스를 통한 실험 결과는 시스템의 정확성과 신뢰성을 입증했으며, 자율성, 공정성, 책임성 등의 윤리적 AI 거버넌스 원칙을 시스템 설계에 적용하여 의료 AI에 대한 신뢰 구축에 기여합니다.

DeepResearcher는 실제 웹 환경에서 강화학습을 통해 LLM 기반 심층 연구 에이전트를 종단 간으로 훈련하는 최초의 프레임워크입니다. 기존 방식보다 성능이 크게 향상되었으며, 계획 수립, 정보 교차 검증 등의 새로운 인지적 행동을 보여줍니다. 실제 세계의 복잡성을 반영한 훈련 환경의 중요성을 강조하는 연구입니다.

본 기사는 복합 LLM 애플리케이션의 불확실성을 해결하기 위한 새로운 스케줄링 프레임워크인 LLMSched에 대해 소개합니다. Zhu 등의 연구팀이 개발한 LLMSched는 DAG 기반 모델링, 베이지안 네트워크, 엔트로피 기반 불확실성 측정 등 혁신적인 기술을 통해 기존 방식 대비 평균 작업 완료 시간을 14~79%까지 단축시키는 놀라운 성과를 달성했습니다.

Tian Kexin 등 연구진이 개발한 NuScenes-SpatialQA 벤치마크는 자율주행 분야 VLMs의 공간 이해 및 추론 능력을 종합적으로 평가하는 최초의 대규모 실제 데이터 기반 시스템입니다. 실험 결과, 공간 향상형 VLM의 정성적 성능은 우수하지만 정량적 성능은 미흡하여 VLMs의 공간 지능 향상에 대한 과제를 제시합니다.

본 논문은 강화학습을 이용한 새로운 스케줄링 기법을 제시하여 실시간 시스템의 성능을 크게 향상시켰습니다. 실험 결과, 고 중요도 작업의 완료율이 85% 이상으로 높아졌으며, 안정적인 시스템에서는 93%를 달성했습니다. 이는 자율주행, 의료기기 등 안전이 중요한 분야에서의 응용 가능성을 보여줍니다.