Zhao 등 연구진이 개발한 Embodied-R은 대규모 시각-언어 모델과 소규모 언어 모델을 결합하여 제한된 자원으로도 고차원 공간 추론 능력을 달성한 혁신적인 AI 모델입니다. 강화학습 기반의 새로운 보상 시스템을 통해 인간 수준의 추론 능력을 보이며, 향후 다양한 분야에 혁신을 가져올 것으로 기대됩니다.

김싱온, 정건호, 이성환 연구원 팀이 개발한 ACoRN은 소음에 강인한 추상적 압축 기술로 RAG 모델의 효율성과 정확성을 향상시킵니다. 오프라인 데이터 증강과 파인튜닝을 통해 핵심 정보 중심의 요약 생성을 가능하게 하며, 특히 정확도 저해 문서가 많은 실제 환경에서 높은 유용성을 보입니다.

AI 기반 기상 예보 모델의 정확도 향상을 위한 후처리 기법의 효과가 입증되었으며, AI와 기존 수치예보 모델의 블렌딩을 통해 예보 정확도를 더욱 향상시킬 수 있습니다. 이는 국가 기상 센터가 AI 예보를 기존 업무 흐름에 저위험, 점진적인 방식으로 통합할 수 있는 가능성을 제시합니다.

황시웨이, 양천하오, 후추안 연구팀은 CNN-Bi-LSTM-TPA 네트워크와 준지도 학습 전략을 활용한 운전자 주관적 위험 인지 예측 모델을 개발하여 87.91%의 높은 정확도를 달성했습니다. 이 연구는 자율주행 시스템의 안전성 향상과 운전자 신뢰도 향상에 크게 기여할 것으로 기대됩니다.

Xiaotian Zhang 등 연구진이 개발한 Persona-judge는 훈련 없이 모델 자체의 선호도 판단 능력을 이용, 개인화된 AI 정렬을 가능하게 하는 혁신적인 기술입니다. 외부 데이터 의존도 감소 및 계산 비용 절감으로 AI 개인화 시대를 앞당길 것으로 기대됩니다.