Jiangping Wen, Jinyu Wen, Meie Fang 연구팀의 MsaMIL-Net은 기존 WSI 분류 방식의 한계를 극복한 End-to-End 다중 스케일 인식 다중 인스턴스 학습 네트워크입니다. 다중 스케일 특징 추출 및 MIL 통합을 통해 효율적인 전이 학습을 구현하며, 세 개의 크로스 센터 데이터셋에서 SOTA 성능을 달성했습니다.

Zicheng Ma 등 연구진이 개발한 ProtTeX는 단백질 서열, 구조, 텍스트 정보를 통합적으로 처리하는 LLM 기반 프레임워크로, 단백질 기능 예측 정확도를 2배 향상시키는 등 괄목할 만한 성과를 달성했습니다. 이는 단백질 과학 및 신약 개발 분야에 혁신을 가져올 잠재력을 지닌 연구입니다.

본 연구는 거대 언어 모델(LLM)을 활용한 혁신적인 메타서로게이트 프레임워크를 제시하여 다중 작업 최적화의 효율성과 강건성을 향상시킵니다. LLM의 지식 전이 능력을 활용하여 작업 간 지식 공유를 최적화하고, 제로샷 성능을 포함한 뛰어난 일반화 능력을 보여줍니다.

본 기사는 중국과학원 연구팀이 개발한 새로운 RAG 평가 지표 SePer에 대해 다룹니다. SePer은 기존 지표의 한계를 극복하고, LLM의 정보 획득량을 정량화하여 검색 유용성을 평가하는 혁신적인 방법입니다. 인간의 선호도와 높은 상관관계를 보이며 다양한 RAG 시나리오에 적용 가능하다는 실험 결과를 통해 LLM 발전에 크게 기여할 것으로 예상됩니다.

Ali Baheri와 Cecilia O. Alm의 연구는 기호적 계획과 변환기 기반 정책을 결합한 계층적 신경기호 의사결정 변환기를 제시하여 복잡한 장기 의사결정 문제 해결에 새로운 가능성을 열었습니다. 격자 세계 실험을 통해 순수 신경망 방식보다 우수한 성능을 입증하였으나, 실제 세계 적용을 위한 추가 연구가 필요합니다.