Ding Hu, Pengxiang Hua, Zhen Huang 저자의 논문은 AI가 화학 연구에 미치는 영향을 심도 있게 분석합니다. 데이터 특징, 표현 방법, 모델 선택의 중요성과 더불어, AI 화학 연구의 미래와 극복해야 할 과제들을 제시하며, AI가 화학 연구의 새로운 지평을 열 것임을 시사합니다.

Alan Dao와 Dinh Bach Vu 연구진이 개발한 AlphaMaze는 LLM의 공간 지능을 향상시키는 새로운 프레임워크입니다. SFT와 GRPO를 결합하여 미로 탐색 정확도를 93%까지 향상시켰으며, 로봇공학 및 자율 주행 등 다양한 분야에 적용 가능성을 제시합니다.

70명의 연구진이 개발한 ExFM(External Large Foundation Model) 프레임워크는 온라인 광고 추천 시스템의 효율성과 성능을 크게 향상시키는 혁신적인 기술입니다. 제한된 자원 내에서 대규모 모델을 효과적으로 활용하여 실시간 데이터 변화에 적응하며 최고의 성능을 제공합니다.

Guo와 Qiu 연구진의 AI 기반 주식 투자 모델 연구는 수익 가중 손실 함수를 활용, 공개 데이터만으로 연 60%가 넘는 수익률을 달성하며 AI의 투자 분야 활용 가능성을 보여주었습니다. 하지만 과거 성과가 미래를 보장하는 것은 아니므로 신중한 접근이 필요합니다.

Lin 등 (2025)의 연구는 멀티모달 초거대 모델(MMFM)의 해석 가능성을 높이기 위한 새로운 접근법을 제시합니다. LLM 해석 방법을 MMFM에 적용하고, 단일모드와 멀티모달 시스템 간의 차이를 분석하여 MMFM의 작동 원리를 더욱 정확하게 이해하는 데 기여합니다.