Lianlei Shan 등의 연구는 LLM의 기억 메커니즘을 감각, 단기, 장기 기억으로 분류하고, 텍스트 기반, KV 캐시 기반, 매개변수 기반, 은닉 상태 기반 등 다양한 방법을 분석하여 LLM의 성능 향상 및 발전 방향을 제시합니다.

Cheng Chuanqi 박사 연구팀이 개발한 ViLaMP는 차별적 증류 기법을 활용, 단일 GPU에서 최대 10,000 프레임의 장시간 비디오를 효율적으로 처리하는 혁신적인 비디오-언어 모델입니다. 계산 효율성과 최첨단 성능을 동시에 달성하여 비디오 이해 분야에 혁신을 가져올 것으로 기대됩니다.

구스 엘링크 등의 논문은 베이지안 네트워크와 인과 모델을 활용, 아리스토텔레스의 '지식 that'과 '지식 why' 개념을 인공지능에 적용하여 외부 개입의 영향 예측에는 인과적 이해가 필수적임을 강조. 인공지능의 발전 방향에 중요한 시사점을 제시.

Parsa Ghaffari와 Chris Hokamp이 개발한 Narrative Studio는 LLM과 MCTS를 활용하여 사용자 주도의 다양한 스토리 탐색을 가능하게 하는 혁신적인 인터랙티브 스토리텔링 환경입니다. 선형적 스토리텔링의 한계를 극복하고, 더욱 풍부하고 다채로운 스토리 개발을 지원하며, 다양한 분야에 혁신적인 변화를 가져올 잠재력을 지니고 있습니다.

Lili Liang과 Guanglu Sun 연구팀이 발표한 논문에서 제시된 정적 관계 기반 메시지 전달 방식은 이중 그래프와 이종 그래프를 활용하여 비디오 질문 응답(VideoQA)의 정확도를 향상시켰으며, ANetQA 및 Next-QA 데이터셋 실험 결과를 통해 그 효과성이 검증되었습니다.