Phillip Kingston, Théo Fagnoni, Mahsun Altin 세 연구원이 발표한 논문 "Opus: A Workflow Intention Framework for Complex Workflow Generation"은 비즈니스 목표 달성에 초점을 맞춘 혁신적인 워크플로우 생성 프레임워크인 '워크플로우 의도'를 제시합니다. 다양한 모달리티 데이터를 처리하는 4단계 접근 방식과 수학적 모델링을 통해 복잡한 업무 흐름을 효율적으로 생성하고 관리할 수 있는 새로운 가능성을 열었습니다.

마르코스 플로렌시오, 루이즈 알렌카르, 비앙카 리마가 이끄는 연구팀이 동형암호 기반 신경망(HNN)을 개발하여 개인정보 보호와 높은 정확도를 동시에 달성했습니다. Differentiable Soft-Argmax 레이어 도입을 통해 보안을 더욱 강화하였으며, 향후 AI의 윤리적 문제 해결과 다양한 분야에서의 활용이 기대됩니다.

Ding Yifu 등 연구진이 개발한 동적 병렬 트리 검색(DPTS)은 LLM의 추론 효율성을 획기적으로 개선하는 기술로, 기존 ToT 방식의 한계를 극복하고 정확도를 유지하면서 속도를 2~4배 향상시켰습니다. 이는 AI 분야의 중요한 발전으로, 향후 더욱 효율적이고 강력한 AI 시스템 개발에 기여할 것으로 예상됩니다.

본 연구는 아프리카 중심의 데이터 윤리 프레임워크를 제시하여 기존 글로벌 데이터 윤리 담론에서 소외된 아프리카의 목소리를 중심에 둡니다. 아프리카 철학에 기반한 7가지 원칙과 아프리카 데이터 과학 커뮤니티 사례 연구를 통해 탈식민주의적 데이터 과학의 중요성을 강조합니다.

Wang과 Yang이 개발한 머신러닝 기반 클라우드 컴플라이언스 자동화 프레임워크는 기존의 수동 검토 방식의 한계를 극복하고, 컴플라이언스 프로세스 기간 단축, 정확도 향상, 수동 작업 감소라는 괄목할 만한 성과를 거두었습니다. 실제 증권사 적용을 통해 그 효과가 검증되었으며, 클라우드 컴플라이언스 자동화 분야의 혁신적인 발전을 보여주는 중요한 사례입니다.