본 연구는 최초로 대규모 언어 모델(LLM)의 심리 상담 능력을 체계적으로 평가하였습니다. LLM의 언어(중국어, 영어)에 따른 성능 차이를 발견하였고, 상담사 가이드북을 활용한 ERNIE-3.5 모델의 성능 향상을 통해 LLM의 심리 상담 능력 개선 가능성을 확인하였습니다. 하지만 AI 챗봇의 윤리적 문제와 정확성에 대한 지속적인 검토가 필요합니다.

Sara Alkhalifa 연구팀이 개발한 머신러닝 모델은 EEG, ERP, 인구통계학적 변수를 활용하여 99.98%의 정확도로 조현병을 진단, 조현병 조기 진단 및 치료 분야에 혁신을 가져올 가능성을 제시했습니다. 특징 선택 기법을 통해 조현병 발병 메커니즘 이해 증진에 기여할 것으로 기대됩니다.

TS-RAG는 기존 시간 시계열 기초 모델의 한계를 극복하고 제로샷 예측 성능을 획기적으로 향상시킨 혁신적인 프레임워크입니다. 검색 기반 생성과 학습 가능한 MoE 기반 증강 모듈을 활용하여 일반화 성능과 해석력을 동시에 향상시켰으며, 다양한 도메인에서 최첨단 성능을 달성했습니다.

Aidan Gao와 Junhong Lin이 개발한 ConstellationNet은 CNN과 GNN을 결합한 혁신적인 공간 클러스터링 모델로, 고차원 및 대용량 데이터 처리 문제를 해결하고 최첨단 성능을 달성했습니다. 빠른 훈련 속도와 강력한 성능으로 전염병학, 의료 영상 분석 등 다양한 분야에 혁신을 가져올 것으로 기대됩니다.

송재우, 린팡전 연구원이 개발한 SplitQuantV2는 GPU 없이도 LLM의 저비트 양자화 성능을 크게 향상시키는 알고리즘입니다. Apple M4 CPU로 10억 파라미터 모델을 2분 6초 만에 처리하며, 기존 고급 알고리즘의 한계를 극복했습니다.