Chungpa Lee, Jeongheon Oh, Kibok Lee, 그리고 Jy-yong Sohn 박사가 발표한 논문 "A Theoretical Framework for Preventing Class Collapse in Supervised Contrastive Learning"은 지도학습 대조 학습(SupCL)의 클래스 붕괴 문제를 해결하기 위한 Simplex-to-Simplex Embedding Model (SSEM)이라는 새로운 이론적 프레임워크를 제시하였으며, 합성 및 실제 데이터셋을 통한 실증적 결과를 바탕으로 하이퍼파라미터 최적화 방안을 제시했습니다.

본 기사는 대규모 언어 모델(LLM)과 강화학습(RL)을 통합한 혁신적인 다중 에이전트 제어 프레임워크인 CCMA에 대해 소개합니다. CCMA는 복잡한 주행 환경에서 기존 RL 방법보다 월등한 성능을 보이며, 자율주행 및 로보틱스 분야에 혁신적인 발전을 가져올 것으로 기대됩니다.

Cheng Luo 등 연구진의 RISS 기반 무선 통신 네트워크 연구는 상향링크 간섭 억제 및 하향링크 대용량 무선 에너지 전송 효율을 크게 개선하여 무선 통신 기술 발전에 중요한 기여를 할 것으로 기대됩니다.

본 기사는 중국과학기술대학 등의 연구진이 발표한, 역할극 언어 에이전트(RPLA)의 내면 사고 추론을 평가하는 새로운 벤치마크 ROLETHINK와, 캐릭터의 생각을 생성하는 모델 MIRROR에 대한 내용을 다룹니다. ROLETHINK는 문학 작품 기반으로 구축되었고, MIRROR는 기억 검색, 반응 예측, 동기 종합을 통해 캐릭터의 생각을 생성하며 기존 모델보다 우수한 성능을 보였습니다. 이는 RPLA의 발전에 내면 사고 추론이 중요함을 시사합니다.

제한된 데이터와 자원을 사용하여 스페인어에 특화된 최첨단 AI 언어 모델 RigoChat 2 개발 성공. 소규모 사전 학습 모델을 기반으로 효율적인 모델 개선 전략을 제시하며, 스페인어 언어 처리 과제에서 뛰어난 성능을 입증.