무선 충전 센서 네트워크의 에너지 고갈 문제 해결을 위한 새로운 이중 수준 메타 휴리스틱 충전 방식 연구. 부분 충전 방식과 최적화 알고리즘을 통해 기존 연구보다 우수한 성능을 검증.

거대 언어 모델(LLM)은 과학 연구의 혁신을 가져올 잠재력을 가지고 있지만, 동시에 윤리적 문제와 신뢰성 문제를 안고 있습니다. LLM을 과학적 방법론에 효과적으로 통합하기 위해서는 인간과의 협력적 관계 구축과 엄격한 평가 기준이 필수적입니다.

ReflectEvo는 소규모 언어 모델(SLM)의 메타 내성찰 능력을 자기 반성 학습을 통해 향상시키는 혁신적인 파이프라인입니다. 자체 생성한 대규모 데이터셋 ReflectEvo-460k를 활용하여 Llama-3와 Mistral 모델의 추론 성능을 크게 향상시켰으며, 상위 모델의 지식 증류 없이도 우수한 성능을 달성했습니다. 이는 SLM의 지속적인 자기 진화 가능성을 보여주는 중요한 연구 성과입니다.

Meng Yan 등 연구진은 GNN 기반 추천 시스템의 과신 문제를 해결하기 위해 사용자 맞춤형 등급 보정과 신뢰도 손실 함수를 활용한 Conf-GNNRec을 제안했습니다. 공개 데이터셋 실험 결과, Conf-GNNRec은 예측 신뢰도와 추천 성능을 모두 향상시키는 것으로 나타났습니다.

인도네시아 대학교 연구팀은 SemEval-2025 Task 11에서 프롬프트 기반 인코더와 CatBoost 기반 앙상블 모델을 활용하여 28개 언어의 다중 레이블 감정 분류에서 뛰어난 성능(F1-macro 56.58)을 달성했습니다. 이는 다국어 감정 분석 분야의 새로운 가능성을 제시하는 중요한 연구입니다.