배상환, 홍지우 등 연구팀의 논문은 균형 잡힌 온라인 난이도 필터링을 통해 추론 지향 강화 학습(RORL)의 효율성을 극대화하는 방법을 제시합니다. 수학 추론 벤치마크에서 기존 방식 대비 10% 이상의 성능 향상과 60% 단축된 학습 시간을 달성하며 AI 추론 능력 향상에 새로운 가능성을 열었습니다.

본 연구는 엣지 기기에서의 LLM 배포에 있어 에너지 효율을 극대화하기 위한 양자화 기법을 분석한 결과를 제시합니다. 28개의 양자화된 LLM을 다양한 데이터셋과 하드웨어 환경에서 평가하여 에너지 효율, 추론 속도, 정확도 간의 상관관계를 규명하고, 지속 가능한 AI 개발을 위한 실질적인 지침을 제공합니다.

중국과학원 연구진이 개발한 Leggiero는 마이크로프로세서 없이 아날로그 센서 신호를 직접 RF 신호 위상으로 변환하는 혁신적인 아날로그 WiFi 백스캐터 기술입니다. 기존 기술 대비 훨씬 낮은 전력 소모와 높은 처리량을 제공하며, 배터리 없는 AIoT 센싱 시대를 앞당길 것으로 기대됩니다.

Nomura 등의 연구는 탈중앙화된 다중 에이전트 시스템에서 의사소통과 협력을 동시에 달성하는 새로운 방법을 제시합니다. 집단 예측 코딩의 시간적 확장과 대조 학습을 통해 에이전트들은 환경을 예측하고 정보를 공유하며, 제한된 정보 공유 환경에서도 의미있는 상징 시스템을 자발적으로 생성합니다. 실험 결과는 이 접근법이 기존 방법보다 우수한 성능을 보이며, 분산형 시스템의 효율성을 입증합니다.

Talk2X는 오픈소스 기반 LLM 챗봇 툴킷으로, RAG와 자동 생성 벡터 데이터베이스를 활용하여 에너지 효율성을 높이고 웹사이트에 손쉽게 통합될 수 있도록 설계되었습니다. 사용자 테스트 결과, 정보 검색 속도와 정확도, 사용자 경험을 크게 향상시키는 것으로 나타나 웹 정보 접근 방식에 혁신을 가져올 것으로 기대됩니다.