본 연구는 다중 모달 대규모 언어 모델(MLLM)의 다중 모달 지식 추론에서 일관성 문제를 탐구하고, 새로운 평가 데이터셋과 과제를 제시하여 이를 분석하고, 향후 MLLM 발전 방향을 제시합니다.

Ouyang Jie 등 연구진은 낡은 정보가 RAG(Retrieval-Augmented Generation) 성능에 미치는 영향을 평가하기 위한 새로운 벤치마크 HoH를 개발했습니다. HoH를 통해 낡은 정보가 RAG의 정확도를 저하시키고 유해한 결과를 생성할 수 있다는 사실이 밝혀졌으며, 이는 RAG 기술의 발전에 있어 낡은 정보 처리라는 새로운 과제를 제시합니다.

SMART는 현실적인 다중 에이전트 경로 찾기(MAPF) 시뮬레이션을 위한 혁신적인 테스트베드로, 물리 엔진 기반 시뮬레이션과 확장 가능한 실행 모니터 프레임워크를 통해 연구와 산업 분야 모두에 기여할 것으로 예상됩니다.

본 연구는 거대 언어 모델의 스케일링이 분자 특성 예측에 항상 효과적인 것은 아니며, 도메인 적응 기법을 통해 소규모 데이터셋으로도 성능 향상을 달성할 수 있음을 보여줍니다. 복잡한 모델보다 간결한 모델이 효율적인 성능을 보일 수 있음을 시사하며, AI 기반 분자 특성 예측 분야에 새로운 패러다임을 제시합니다.

김현준, 이강훈, 박준호, 리지아천, 박진규 연구팀은 인간의 암묵적 선호도를 반영하는 다중 에이전트 강화학습 기반 USV 군집 제어 시스템을 개발했습니다. 에이전트 수준의 피드백 시스템과 LLM을 활용하여 시스템의 효율성과 정확성을 높였으며, 해양 분야를 넘어 다양한 분야에 적용 가능성을 제시합니다.