Jiazhu Dai와 Yubing Lu가 개발한 GLO-MIA는 GNN의 예측 라벨만을 이용하여 멤버십 추론 공격을 수행하는 새로운 기법입니다. 기존 기법보다 높은 정확도를 보이며 GNN의 보안 취약성을 강조합니다.

Sacha Braun, Liviu Aolaritei, Michael I. Jordan, Francis Bach 등이 발표한 논문은 다변량 회귀에서 최소 부피 적합 집합을 구축하는 새로운 최적화 기반 프레임워크를 제시합니다. 새로운 비순응성 점수를 도입하고 실제 데이터셋을 통한 실험으로 효율성과 정확성을 검증하여 기존 방법의 한계를 극복했습니다.

Zhongyu Yang 등 연구진이 개발한 WikiAutoGen은 텍스트와 이미지를 통합하여 위키피디아 스타일 기사를 자동 생성하는 시스템입니다. 다중 모드 생성과 자기 반성 메커니즘을 통해 기존 방식보다 8%-29% 향상된 성능을 보였으며, WikiSeek 벤치마크를 통해 그 우수성을 입증했습니다.

Zhanda Zhu 등 연구진이 개발한 Mist는 메모리 병렬 처리 공동 최적화를 통해 대규모 언어 모델(LLM)의 분산 학습 속도를 최대 2배 이상 향상시켰습니다. 정밀한 중첩 중심 스케줄링, 기호 기반 성능 분석, 불균형 인식 계층적 튜닝 등의 혁신적인 기술을 통해 기존 시스템의 한계를 극복했습니다.

김경수 연구원의 연구는 LSTM 모델을 이용하여 미국 JOLT 구인 공고를 예측하고, 기존 모델보다 우수한 성능을 보임을 입증했습니다. 이는 데이터 기반의 노동 시장 전략 수립에 중요한 시사점을 제공합니다.