중국과학원 연구진이 안구 망막의 텍스처 특징을 이용한 파킨슨병 조기 진단 시스템 AWFNet을 개발했습니다. 적응형 웨이블릿 필터(AWF)와 균형 잡힌 신뢰도 손실 함수(BC Loss)를 결합하여 기존 기술보다 정확도와 신뢰도를 높였습니다.

Li, Yao, 그리고 Padman 연구팀은 의료 예측 모델의 설명 가능성을 높이는 Temporal-Feature Cross Attention Mechanism (TFCAM)을 개발했습니다. 만성 신장 질환 예측 실험에서 기존 모델보다 우수한 성능을 보였으며, 질병 진행에 중요한 시간대, 특징 중요도, 특징 간 상호 작용 등을 정량적으로 분석하여 의료진에게 투명한 정보를 제공합니다.

시각-언어 모델(VLM) 기반 큐브 조작 로봇 CubeRobot이 개발되었습니다. CubeCoT 데이터셋을 활용한 학습을 통해 고차원 큐브 풀이 과제에서 80%의 높은 정확도를 달성, AI 기반 로봇 기술의 발전에 큰 의미를 갖습니다.

대학생들의 논리적 추론 능력 향상을 위해 개발된 웹 애플리케이션 LogicLearner는 단계별 연습과 즉각적인 피드백을 제공하여 학습 효율성과 참여도를 높입니다. 실제 수업 적용 결과 긍정적인 평가를 받았으며, 향후 교육 기술 발전에 크게 기여할 것으로 기대됩니다.

본 연구는 사전 훈련된 언어 모델(PLM)을 활용하여 학생들의 논증적 글쓰기를 분석하고 평가하는 새로운 시스템을 제시합니다. 높은 정확도와 효율성을 통해 기존의 수작업 분석 방식의 한계를 극복하고, 학생들의 글쓰기 발달 패턴 분석 및 맞춤형 교육 제공의 가능성을 제시합니다. AI 기반 교육 기술의 발전이 교육 분야의 혁신을 이끌 것으로 기대됩니다.