Liang Xiwen 등 연구진이 개발한 구조적 선호도 최적화(SPO)는 시각-언어 모델의 장기 계획 능력을 크게 향상시키는 혁신적인 방법입니다. 선호도 기반 점수 및 최적화, 커리큘럼 기반 학습 전략을 통해 장기 계획에서의 추론 및 행동 선택 능력을 향상시키며, ExtendaBench 벤치마크에서 기존 방법들을 능가하는 성능을 보였습니다.

이화여대 연구팀이 개발한 RDPG는 외부 간섭에 강인한 제어 정책을 효율적으로 학습하는 강화학습 알고리즘입니다. 무인 항공기 제어 실험에서 기존 방법보다 우수한 성능을 보였으며, 자율주행 및 로봇 제어 등 다양한 분야에 적용될 것으로 기대됩니다.

중국 연구진이 개발한 DexGraspVLA는 사전 훈련된 비전-언어 모델과 확산 기반 정책 제어를 결합하여 다양한 환경에서 90% 이상의 성공률을 달성한 로봇 능숙한 파지 기술입니다. '제로샷' 환경에서의 뛰어난 일반화 성능은 로봇 기술의 새로운 지평을 열 것으로 기대됩니다.

이탈리아 연구진이 개발한 TILLMI 척도는 대규모 언어 모델(LLM)에 대한 신뢰를 '친밀도'와 '의존도'라는 두 가지 요인으로 측정하며, 연령, 성별, 사용 경험이 신뢰도에 영향을 미침을 밝혔습니다. 이는 책임감 있는 AI 설계와 인간-AI 협업에 중요한 시사점을 제공합니다.

15명의 연구진이 100편 이상의 논문을 분석하여 작성한 논문 "Protein Large Language Models: A Comprehensive Survey"는 단백질 거대 언어 모델(Protein LLMs)의 구조, 데이터, 평가 지표, 응용 분야를 종합적으로 분석하여 단백질 과학의 혁신을 이끌 잠재력을 확인했습니다. 이 연구는 단백질 구조 예측, 기능 주석 및 디자인의 효율성을 크게 향상시키고, 단백질 공학 및 생의학 연구 발전에 중요한 기여를 할 것으로 기대됩니다.