RoMA는 Mamba 기반의 원격 감지 초거대 모델을 위한 확장 가능한 자기 지도 학습 프레임워크로, 고해상도 이미지 처리의 어려움을 극복하고 다양한 작업에서 우수한 성능을 보입니다. 회전 인식 사전 훈련 및 다중 스케일 토큰 예측 목표를 통해 효율성과 정확도를 모두 향상시켰으며, 향후 원격 감지 및 다른 분야의 초거대 모델 개발에 중요한 기여를 할 것으로 기대됩니다.

중국과학원 연구진이 개발한 CINEMA 프레임워크는 MLLM을 활용하여 여러 주제를 일관성 있게 결합한 비디오 생성을 가능하게 합니다. 텍스트 프롬프트 의존성을 줄이고 주제 관계를 효과적으로 모델링하여 확장성과 유연성을 높였으며, 다양한 분야에 활용될 것으로 기대됩니다.

Canfield과 Slade의 연구는 Frit-Disc 도가니 세트(CCS)를 이용한 용액 성장법이 재료 합성 및 분석의 정량성과 다양성을 크게 향상시킨다는 것을 보여줍니다. CCS는 경제적 효율 증대, 고품질 단결정 성장, 정확한 상평형도 구축, 그리고 AI/머신러닝 기반 데이터 확장 등 다양한 이점을 제공합니다.

Heng Yim Nicole Oo, Min Hun Lee, Jeong Hoon Lim 연구팀은 MLP Mixer와 수작업 특징 기반 심층 신경망을 결합한 다중 모달 융합 모델을 개발하여 얼굴 마비 감지에 있어 96.00 F1 점수라는 놀라운 성과를 달성했습니다. 이는 기존 방식보다 훨씬 높은 정확도를 보이며, 객관적이고 효율적인 얼굴 마비 진단 시스템 구축의 가능성을 제시합니다.

G-Boost 프레임워크는 제한된 자원을 가진 개발자들이 소규모 언어 모델(SLM)의 성능을 향상시키기 위해 거대 언어 모델(LLM)과의 협업적 추론을 활용하는 혁신적인 방법입니다. 프로세스 보상 기반의 적응적 협업 추론을 통해 SLM의 성능을 획기적으로 향상시키는 효과를 보이며, AI 개발의 새로운 패러다임을 제시합니다.