중국과학원 연구팀이 개발한 Cafe-Talk 모델은 멀티모달 제어를 통해 3D 입체 대화형 얼굴 애니메이션 생성에 혁신을 가져왔습니다. 이중 단계 학습, 교환 라벨 학습, 마스크 기반 CFG 기술 등을 통해 최첨단 입술 동기화 및 표현력을 달성, 사용자 친화적인 자연어 입력까지 지원합니다.

Zhu 등의 연구는 자발적 약속을 통해 인공지능 에이전트의 협력을 증진하는 새로운 방법을 제시합니다. 마르코프 약속 게임(MCGs)과 인센티브 호환 학습을 활용하여 더 빠른 수렴과 높은 수익률을 달성함을 실험적으로 보여줍니다.

Peng Dengyun 등이 제시한 DLPO는 딥러닝 기법을 활용, 기존 프롬프트 최적화의 한계를 극복하고 강건성, 효율성, 일반화 능력을 향상시킨 혁신적인 프레임워크입니다. Github 공개를 통해 연구 확장 및 LLM 활용성 증대에 기여할 것으로 예상됩니다.

중국 연구진이 개발한 MMLNB 모델은 AI를 활용하여 신경모세포종 아형 분류의 정확도와 효율성을 크게 향상시켰습니다. 병리 이미지와 AI 생성 텍스트 설명을 통합하는 혁신적인 접근 방식으로 소아암 치료의 새로운 가능성을 제시합니다.

Joseph Sifakis 등 연구진은 자율 네트워크(AN) 구현의 어려움을 인지하고, 에이전트 기반 접근 방식을 활용한 참조 아키텍처를 제안했습니다. 인공 지능과 장기 메모리를 활용하여 에이전트 간의 조정 및 의사결정 일관성을 확보하는 것이 핵심이며, 집단 지능을 통한 네트워크 목표 달성을 위한 기술적 과제 해결이 향후 과제로 남아있습니다.