Krti Tallam의 논문은 AI 거버넌스에 기술적 시스템 엔지니어링과 도덕적 상상력을 통합하는 새로운 접근법을 제시하며, 고위험 분야의 AI 기술 규제를 위한 다차원적 프레임워크와 적응형 규제 메커니즘, 강력한 보안 프로토콜, 학제 간 감독을 통한 AI 복원력 강화 전략을 제시합니다. Microsoft Tay와 UK A-Level 채점 알고리즘 사례 연구를 통해 AI 시스템의 안전성과 윤리성에 대한 중요성을 강조합니다.

Alex Casella와 Wayne Wang이 개발한 Performant Agentic Framework (PAF)는 LLM 기반 에이전트 애플리케이션의 성능을 크게 향상시키는 새로운 프레임워크입니다. 벡터 스코어링 메커니즘을 통해 정확도와 효율성을 높였으며, 실험 결과 기존 방법보다 우수한 성능을 입증했습니다. PAF는 복잡한 비즈니스 환경에서 실시간 대화형 AI 시스템 구축에 혁신을 가져올 것으로 기대됩니다.

Luo 등(2025)의 연구는 저수준 오디오와 고수준 텍스트 정보 간의 이질성을 해결하는 '이질적 양방향 주의 집중 융합(HBAF)' 모델을 제시합니다. HBAF는 세 가지 모듈을 통해 효과적인 다중 모달 융합을 달성하며, MELD와 IEMOCAP 데이터셋에서 최첨단 성능을 기록했습니다.

본 기사는 데이터 부족 도시의 OD 교통량 예측 정확도를 향상시키는 혁신적인 AI 기반 프레임워크인 CE-OFP에 대한 내용을 다룹니다. 강화학습, 인과관계 분석, 지식 증류 등의 기술을 활용하여 데이터가 풍부한 도시의 지식을 데이터 부족 도시로 전이하고, 실제 데이터를 기반으로 최대 11%의 RMSE 감소 효과를 검증하였습니다. 이는 개발도상국 도시들의 교통 문제 해결에 크게 기여할 것으로 기대됩니다.

Zhu Enqiang 등 연구진이 개발한 GCN 기반 휴리스틱 알고리즘 GCNIVC는 최소 정점 덮개(MVC) 문제 해결에 있어 기존 알고리즘보다 월등한 정확도와 효율성을 보여줍니다. GCN을 이용한 고품질 초기 해 생성 및 세 개의 컨테이너와 dc-edges 개념을 활용한 혁신적인 탐색 전략이 그 비결입니다.