Guo 등 (2025)의 연구는 대규모 다중 모달 모델의 지속적 학습을 위한 새로운 벤치마크인 FCIT를 제시합니다. 실제 세계의 복잡성을 반영한 FCIT는 동적 지식 구성과 하위 공간 선택적 활성화라는 혁신적인 기술을 통해 데이터 이질성과 망각 문제를 효과적으로 해결합니다. 공개된 소스 코드와 데이터셋을 통해 지속적 학습 분야의 발전에 크게 기여할 것으로 기대됩니다.

림한솔, 이지원, 최승복, 최종성 교수 연구팀이 개발한 PD-Skygroundhook 제어기는 MR 유체 댐퍼를 활용한 반능동 현가장치의 성능을 획기적으로 개선, 승차감과 주행 안정성을 향상시켰습니다. 기존 제어기의 한계를 극복하고 효율적인 연산과 우수한 성능을 입증하여 자동차 산업의 발전에 기여할 것으로 기대됩니다.

Tianqi Luo 등 연구원들이 발표한 nvBench 2.0은 모호한 자연어 질의를 해석하는 NL2VIS 시스템 평가를 위한 새로운 벤치마크입니다. Step-NL2VIS 모델은 이 벤치마크를 통해 모호한 상황에서의 NL2VIS 성능을 향상시켰으며, 데이터 분석의 새로운 지평을 열었습니다.

본 논문은 자율 네트워크(AN) 구현을 위한 에이전트 기반 참조 아키텍처를 제안합니다. 네트워크의 복잡성을 고려하여 인공지능을 활용, 에이전트 간의 공유 지식을 통해 일관된 의사결정을 가능하게 하며, 향후 자율 네트워크 개발의 중요한 방향을 제시합니다.

VITED는 비디오 내 시간적 증거를 추출하여 복잡한 질문에 답하는 새로운 VideoQA 모델입니다. 기존 모델의 한계를 극복하고, 장편 비디오에서도 우수한 성능을 보여줍니다.