Wei, Sheng, Zhang 등 연구진이 개발한 CAT 프레임워크는 AI 기반 암 진단 모델의 평가에 있어 기존 지표의 한계를 극복하고, 환자 수준 평가, 엔트로피 기반 가중치, 코호트 가중 평균 등을 통해 더욱 정확하고 공정한 평가를 가능하게 합니다. 이는 AI 기반 의료 스크리닝 모델의 신뢰성, 공정성, 해석력 향상에 크게 기여할 것으로 기대됩니다.

SafeSlice는 심층 강화 학습 기반의 O-RAN 슬라이싱 프레임워크로, 누적 및 순간 지연 제약 조건을 충족하여 SLA 준수를 보장하고, 실험 결과 기존 방식 대비 성능 향상을 보여주었습니다.

암의 적응력과 진화 전략을 모방한 새로운 컴퓨팅 패러다임인 '암 모방 컴퓨팅'이 소개되었습니다. 이 접근 방식은 기존 컴퓨팅의 한계를 극복하고 더욱 강력하고 회복력 있는 인공 시스템을 구축하는 데 기여할 것으로 기대됩니다.

Tianyu Zong 등 연구팀이 개발한 TNCSE 모델은 텐서의 노름을 제약하는 새로운 비지도 학습 방식을 통해 문장 임베딩의 정확도를 크게 향상시켰습니다. 다양한 실험 결과 최첨단 성능을 달성하였으며, 제로샷 평가에서도 우수한 성능을 보였습니다.

본 연구는 시각 언어 모델(VLM) 기반의 PPPM 프레임워크를 활용하여 열 노출 상황에서의 개인 맞춤형 경로 계획 시뮬레이션을 구현했습니다. Gemini-2.0 모델과 실제 설문조사를 통해 검증된 8가지 유형의 가상 인물을 활용, 높은 정확도와 효율성을 달성했습니다. 이는 기후 변화에 강한 도시 계획을 위한 중요한 발걸음입니다.