딥시크-AI 연구팀의 혁신적인 CoT 데이터 생성 기법은 LLM의 추론 능력에 맞춰 질문 난이도를 조정하여 데이터 생성 비용을 절감하고 모델 성능을 향상시켰습니다. 소량의 고품질 데이터로도 기존 모델을 뛰어넘는 성능을 달성하여 AI 모델 개발의 새로운 가능성을 제시했습니다.

AnomalyR1은 제한된 결함 데이터에도 강력한 성능을 발휘하는 혁신적인 산업 이상 탐지 시스템입니다. MLLM, GRPO, ROAM을 결합한 End-to-End 방식으로 자동화된 이상 탐지 및 정확한 위치 파악이 가능하며, 기존 기술 대비 뛰어난 성능을 보입니다.

루레오 공과대학교 연구팀은 그래프 신경망 기반 강화학습을 이용하여 혼잡한 환경에서의 안전한 자율 탐색 문제를 해결하는 새로운 방법을 제시했습니다. 안전 장치와 잠재력 기반 보상 함수를 활용하여 탐색 효율을 높이고 안전성을 보장하는 이 기술은 로보틱스, 자율 주행 등 다양한 분야에 혁신을 가져올 것으로 기대됩니다.

Sawaira Rafaqat Ali 등 연구팀이 RSMA 네트워크의 신뢰성을 향상시키는 새로운 채널 의존적 스플리터 설계를 제안했습니다. 이 스플리터는 채널 상태 정보를 활용하여 데이터 복제를 통해 재전송을 줄이고 지연을 감소시킵니다. 완벽 및 불완전 채널 추정 환경에서의 성능 평가 결과, 제안된 스플리터의 효율성을 확인했습니다.

Luca Castri, Gloria Beraldo, Nicola Bellotto 연구팀이 인과추론 기반 자율주행 로봇 제어 기술을 발표했습니다. 새로운 Gazebo 기반 시뮬레이터 PeopleFlow와 인과추론 기반 의사결정 프레임워크를 통해, 로봇의 배터리 소모량 및 인간 장애물을 예측하여 더욱 효율적이고 안전한 로봇 작동을 가능하게 했습니다.