Li Wentao 등이 개발한 COSINT-Agent는 중국어 기반 오픈소스 정보 수집을 위한 지식 기반 다중 모달 에이전트로, 미세 조정된 MLLM과 EES-KG를 결합하여 우수한 성능을 보입니다. 개체 인식, 사건 해석, 문맥 검색 등의 핵심 OSINT 작업에서 효율성을 높이는 혁신적인 기술입니다.

양선지 등 연구진이 개발한 NodeReg 알고리즘은 GNN의 노드 불균형 및 분포 이동 문제를 해결하는 혁신적인 방법으로, 다양한 실험에서 기존 최고 성능 모델 대비 괄목할 만한 성능 향상을 보였습니다. 이는 AI 기술 발전에 크게 기여할 것으로 기대됩니다.

Ruida Wang 등 9명의 연구진이 개발한 MA-LoT 프레임워크는 다중 에이전트 기반의 Long Chain of Thought 추론을 통해 Lean4 정리 증명에서 54.51%의 정확도를 달성, GPT-4 및 기존 방법들을 능가하는 성능을 보여주었습니다. 자연어 추론과 형식 언어 검증의 결합을 통해 AI의 통찰력 있는 결과 생성에 새로운 가능성을 제시합니다.

본 기사는 중국과학원 연구팀의 범용 정보 추출(UIE) 모델 견고성 향상 연구에 대한 내용을 다룹니다. LLM 기반의 새로운 벤치마크 RUIE-Bench와 데이터 증강 기법을 통해 UIE 모델의 한계를 극복하고 성능을 향상시킨 연구 결과를 소개합니다.

본 연구는 기존의 예측 프로세스 모니터링(PPM) 방식의 한계를 극복하고자 직접적으로 따르는 그래프(DFG)를 활용한 그래프 신경망(GNN) 기반의 새로운 PPM 방법을 제시합니다. 다양한 GNN 아키텍처를 실험하여 정보 손실을 최소화하고 복잡한 프로세스에 대한 예측 정확도를 높이는 데 성공했습니다.