Henrik Abgaryan, Tristan Cazenave, Ararat Harutyunyan 연구팀이 개발한 Starjob 데이터셋과 LLM 기반의 JSSP 해결 방식은 기존 방식을 능가하는 성능을 보이며 LLM의 조합 최적화 문제 해결 능력을 입증했습니다. 이는 산업 전반의 효율성 향상에 기여할 혁신적인 기술로 평가됩니다.

Entejar Alam, Paul J. Rathouz, Peter Müller 세 연구자는 비모수적 베이즈 접근 방식을 활용한 새로운 일반화 선형 모델(GLM)인 DPGLM을 제안했습니다. DPGLM은 불균일한 데이터 분포에 대한 보다 정교한 모델링을 가능하게 하며, 음성 명료도 연구 데이터에 적용되어 그 실용성을 입증했습니다.

홍영채, 샤오 베이, 천양호 연구원 팀이 개발한 TSKANMixer는 기존 시계열 예측 모델인 TSMixer의 성능을 KANs(Kolmogorov-Arnold Networks) 층을 추가하여 향상시킨 모델입니다. 다양한 데이터셋에서 우수한 예측 정확도를 보이며, 시계열 예측 분야의 새로운 가능성을 제시합니다.

중국 연구진이 딥러닝 기반 모델을 활용하여 오리의 체형 및 체중을 정확하게 예측하는 기술을 개발했습니다. 다중 모드 데이터와 최첨단 알고리즘을 활용하여 높은 정확도를 달성했으며, 동물 스트레스 감소 및 축산업 효율 증대에 크게 기여할 것으로 기대됩니다.

송재우 등 연구팀이 개발한 DefectFill은 Inpainting Diffusion Model과 맞춤 손실 함수, Low-Fidelity Selection 기법을 통해 현실적인 결함 이미지를 생성, MVTec AD 데이터셋에서 최첨단 성능을 달성하며 AI 기반 시각 검사 분야의 혁신을 이끌었습니다.