Maciej P. Polak과 Dane Morgan의 연구는 다중 모드 거대 언어 모델(LLM)을 활용하여 연구 논문의 그래프에서 데이터를 자동으로 추출하는 PlotExtract 기술을 제시합니다. 제로샷 방식으로 90% 이상의 높은 정확도를 달성하여 수동 데이터 추출 방식을 대체할 가능성을 보여주는 획기적인 연구입니다.

심장 기능 저하 환자의 사망률 예측을 위한 혁신적인 AI 모델 'TRisk'가 개발되어 기존 모델보다 월등한 정확도를 기록했습니다. 영국과 미국 대규모 코호트 연구를 통해 검증되었으며, 기존 모델에서 간과했던 암과 간부전과 같은 새로운 위험 요소를 발견했습니다. 장기간 건강 데이터 분석의 중요성을 강조하며, 심장병 관리 및 예후 예측의 새로운 가능성을 열었습니다.

Swift4D는 정적 및 동적 요소를 분리하여 처리하는 새로운 3D Gaussian Splatting 방법으로, 기존 모델보다 20배 빠른 속도와 30MB의 최소 저장 공간으로 고품질 렌더링을 제공합니다. 학습 가능한 분해 전략과 다중 해상도 4D 해시 매퍼를 활용하여 효율성과 품질을 동시에 개선했습니다.

본 연구는 FormalBench라는 새로운 벤치마크를 통해 LLM의 프로그램 의미론 추론 능력을 종합적으로 평가한 결과를 제시합니다. LLM은 단순한 제어 흐름에서는 좋은 성능을 보이나, 복잡한 구조에서는 어려움을 겪고 의미를 보존하는 변환에도 취약합니다. 하지만 자가 복구 프롬프트를 통해 성공률을 25% 향상시켰으며, LLM의 발전 가능성을 보여줍니다.

Akash Singirikonda, Serdar Kadioglu, Karthik Uppuluri가 개발한 Text2Zinc는 자연어로 표현된 최적화 및 만족 문제를 다루는 범용 데이터셋입니다. MiniZinc를 활용하여 만족 문제와 최적화 문제를 통합하고, 다양한 방법론을 비교 분석하여 LLM 기반 조합 문제 해결 기술의 발전에 기여할 것으로 기대됩니다.