Nilava Metya와 Arunesh Sinha의 연구는 불확실한 시간 지평선을 가진 이산 시간 선형 동역학 시스템에서의 비용 추정 문제에 대한 새로운 해결책을 제시합니다. 워셔스테인 모호성 집합을 이용한 접근 방식과 마르코프 체인과 GAS 시스템 간의 등가성 증명을 통해 효율적인 알고리즘 개발과 이론적 엄밀성을 확보했습니다.

Xu Zhiyu와 Chen Qingliang 연구팀이 개발한 EPBench는 전 세계 지진 기록을 활용한 최초의 글로벌 단기 지진 예측 벤치마크로, AI 기반 지진 예측 연구에 새로운 가능성을 제시합니다. 다양한 모델 평가와 데이터 분할 도구 제공을 통해 지진 예측 기술 발전에 크게 기여할 것으로 기대됩니다.

최근 연구에서 첨단 AI 모델들이 생물학 벤치마크에서 전문가 수준을 뛰어넘는 성능을 보였습니다. 특히 바이러스학 분야에서 두드러졌으며, 체인 오브 쏘트의 효과는 예상과 달랐습니다. 하지만 일부 벤치마크의 성능 정체는 더욱 정교한 평가 방법론의 필요성을 시사합니다.

OMAC은 LLM 기반 다중 에이전트 시스템(MAS)의 성능을 획기적으로 향상시키는 새로운 최적화 프레임워크입니다. 5가지 최적화 차원과 독창적인 알고리즘을 통해 기존 방식을 뛰어넘는 성능을 입증하며, LLM 기반 MAS의 발전에 중요한 이정표를 세웠습니다.

Dan Bateyko와 Karen Levy의 연구는 미국 연방 보조금을 통한 AI 거버넌스의 현황을 분석, AI 사용에 대한 명확한 기준과 제한의 부재를 지적하며, 투명성, 책무성, 개인정보 보호 강화의 필요성을 강조합니다.