AI 기반 초음파 영상 변환 기술인 DDIC 모델은 태아 뇌 초음파 영상을 MRI 수준으로 향상시켜 진단 정확도를 높이고 의료 현장의 효율성을 개선합니다. 다양한 지표와 의학적 의견 검사에서 우수한 성능을 입증했습니다.

Sun Xiaohui 등 연구진이 개발한 F5R-TTS는 확률적 가우시안 분포 재구성과 GRPO 기반 강화 학습을 통해 기존 흐름 일치 기반 TTS의 한계를 극복, WER 29.5%, SIM 4.6% 향상이라는 괄목할 만한 성과를 달성했습니다. 이를 통해 더욱 자연스럽고 정확한 음성 합성 시대를 앞당길 것으로 기대됩니다.

본 논문은 6G 네트워크에서 AI 모델의 신뢰성 확보를 위한 REASON 접근 방식을 제시합니다. REASON은 AI Orchestration, Cognition, AI Monitoring 세 가지 요소로 구성되며, 디지털 트윈 기술을 활용하여 실시간 모니터링 및 시나리오 테스트를 지원합니다. xAPP 활용 사례를 통해 접근 방식의 실제 적용 가능성을 확인했습니다.

Yin Hao 등 연구진이 개발한 EvMic은 이벤트 기반 비접촉 음향 복구 기술을 통해 기존 기술의 한계를 극복하고, 고품질의 음향 복구를 가능하게 합니다. 공간-시간 정보의 효율적 활용, 혁신적인 시뮬레이션 및 네트워크 설계, 실제 환경 데이터 적용 및 성능 검증을 통해 그 효과성을 입증했습니다. 이 기술은 다양한 분야에 혁신적인 변화를 가져올 것으로 기대됩니다.

본 연구는 대규모 언어 모델(LLM)의 의미 능력, 특히 부분-전체 관계에 대한 이해 수준을 다각적으로 분석하여 LLM이 '준 의미적' 수준에 머무르며 깊이 있는 추론 능력이 부족함을 밝혔습니다. 행동 테스트, 문장 확률 점수, 개념 표상 분석 등 다양한 방법론을 통해 LLM의 한계를 규명함으로써 향후 LLM 발전 방향을 제시하는 중요한 연구입니다.