Yiman Bao 등 연구진은 심층 강화학습과 잠재력 기반 보상 조형 기법을 활용하여 승차 공유 서비스의 실시간 매칭을 최적화하는 새로운 전략을 제시했습니다. 실제 데이터 기반 시뮬레이션 결과, 이 전략은 승객 대기 시간과 운전자 유휴 시간을 크게 줄여 서비스 효율성을 향상시키는 것으로 나타났습니다.

본 기사는 복잡한 환경에서 AI 에이전트의 의사결정 및 일반화 능력을 향상시키기 위한 새로운 프레임워크인 SETLE에 대한 연구 결과를 소개합니다. SETLE은 구조적으로 풍부한 궤적(SET)을 활용하여 에이전트가 다양한 환경에서 작업 관련 구조적 패턴을 인식하고 하위 작업을 지원하는 것을 가능하게 합니다.

본 기사는 3DAxisPrompt라는 새로운 시각적 프롬프트 기법을 소개합니다. 이 기법은 MLLM(다중 모달 대규모 언어 모델)의 3D 이해 능력을 향상시켜 실제 환경에서 물체의 3D 위치를 효과적으로 인식할 수 있도록 합니다. 하지만, 모든 3D 작업에 최적의 결과를 보장하지는 않으며, 앞으로 더욱 정교한 프롬프트 엔지니어링 기술 개발이 필요함을 시사합니다.

본 연구는 다중 소스 정보 융합을 위한 연합 학습의 한계를 극복하고자 Gradient Centralized Federated Learning (GC-Fed) 알고리즘을 제안합니다. GC-Fed는 클라이언트 드리프트 문제를 해결하여 이질적인 데이터 환경에서 최대 20%의 정확도 향상을 달성했습니다.

Rapfi는 제한된 연산 환경에서도 기존 최강 오목 AI를 능가하는 성능을 보이는 경량화된 오목 AI입니다. 패턴 기반 코드북 증류 및 증분 업데이트 기법을 통해 연산 효율성을 극대화하여 Botzone 1위 및 GomoCup 2024 우승을 차지했습니다.