본 연구는 GPT 모델의 지식 기반을 활용하여 안과 질환의 해석 가능한 개념을 추출하고, 이를 시각-언어 모델의 프롬프트 학습에 통합하는 혁신적인 접근 방식을 제시합니다. 소수 샘플 학습 및 제로샷 학습에서의 성능 향상을 통해 실제 임상 적용 가능성을 확인하였으며, 의료 영상 분석 분야의 새로운 패러다임을 제시합니다.

본 연구는 게임 이론을 활용하여 자율주행 자동차 경주에 스포츠맨십을 통합하는 새로운 접근 방식을 제시합니다. Stackelberg 게임과 GNEP를 통해 안전하고 공정한 경주 시스템 구축이 가능함을 시뮬레이션 결과를 통해 입증하였습니다.

소음 환경에서도 효율적인 다중 드론 협업 경로 계획을 가능하게 하는 MARL 프레임워크 개발. 주목 메커니즘 기반 통신 및 훈련-배포 시스템을 통해 소음 저항성 및 효율성을 크게 향상시켜 엔트로피 감소율 78% 달성.

본 기사는 자율주행 시험 시나리오 생성의 어려움을 해결하기 위해 개발된 Text2Scenario 프레임워크에 대해 소개합니다. LLM을 활용하여 자연어 입력으로 시뮬레이션 시험 시나리오를 자동 생성하는 Text2Scenario는 수작업의 어려움을 해결하고 자율주행 기술 개발을 가속화할 것으로 기대됩니다.

본 기사는 텍스트-이미지 확산 모델 미세조정에 있어 기존 강화학습 기법의 한계를 극복하고, 효율성과 성능을 동시에 향상시킨 새로운 알고리즘 LOOP를 소개합니다. LOOP는 REINFORCE와 PPO의 장점을 결합하여 다양한 목표 함수에서 우수한 성능을 보이며, 향후 텍스트-이미지 생성 분야의 발전에 크게 기여할 것으로 기대됩니다.