Sun 등 연구진이 개발한 Linear-MoE는 선형 시퀀스 모델링(LSM)과 전문가 혼합(MoE)을 결합하여 대규모 모델의 효율성과 성능을 동시에 향상시킨 혁신적인 시스템입니다. 실험 결과, 경쟁력 있는 성능을 유지하면서 효율성을 크게 높였음을 증명했으며, 차세대 기초 모델 아키텍처로서의 잠재력을 보여줍니다.

본 연구는 CLM과 ASP를 결합하여 LLM의 복잡한 다단계 추론 능력을 향상시키는 새로운 방법을 제시합니다. StepGame 데이터셋을 활용한 실험 결과, CLM은 기존 모델보다 우수한 성능을 보였으나, 매우 복잡한 문제에서는 한계를 보였습니다. 이 연구는 LLM 기반 추론 기술 발전에 중요한 의미를 갖습니다.

Run He 등 연구진의 새로운 EFCIL 방법론인 DPCR은 이중 투영과 분류기 재구성을 통해 의미론적 이동과 결정 편향 문제를 해결, 기존 방법들을 능가하는 성능을 보였습니다. 이는 지속적인 학습 능력을 갖춘 AI 시스템 개발에 큰 진전을 가져왔습니다.

6G 통신 네트워크의 ISAC 시스템에서 RIS(재구성 가능 지능형 표면)를 활용하여 적대적 탐지기로부터 표적을 보호하는 새로운 기술이 개발되었습니다. 최적화된 알고리즘을 통해 적대적 탐지기의 최대 감지 SINR을 25dB 감소시키고, 최적 RIS 요소 할당으로 추가 3dB 개선 효과를 달성했습니다.

Hu, Yu, Tan 연구팀이 3D 가우시안과 신경망을 활용하여 고품질 질감 인식 로봇 자기 모델링 기술을 개발했습니다. 깊이 정보 없이도 다중 뷰 이미지를 통해 로봇의 형태, 운동학, 질감을 정확하게 모델링하고, 모션 플래닝 및 역운동학과 같은 하위 작업에도 적용 가능성을 입증했습니다. 이는 향후 더욱 지능적인 로봇 시스템 개발에 크게 기여할 것으로 예상됩니다.