Namkyeong Lee 등 연구진이 개발한 CLADD는 RAG 기반의 다중 LLM 에이전트 협업 시스템으로, 도메인 특화 미세 조정 없이 생물 의학 데이터를 활용하여 다양한 약물 발견 과제에서 우수한 성능을 보이는 혁신적인 시스템입니다.

본 기사는 시스템 1과 시스템 2 추론 방식을 가진 대형 언어 모델(LLM)의 최근 연구 동향을 분석합니다. 특히, 추론 능력 향상을 위한 핵심 방법과 주요 모델들의 성능 비교, 그리고 향후 연구 방향을 제시합니다. OpenAI와 DeepSeek의 모델들을 중심으로 인간 수준의 추론 능력에 대한 접근 방식을 논의합니다.

본 기사는 EEG 기반 AI 모델을 활용한 혁신적인 혈압 모니터링 기술에 대한 연구 결과를 소개합니다. 기존 기술보다 향상된 정확도와 소형화된 모델 크기는 실시간 혈압 모니터링의 새로운 가능성을 제시하며, 향후 개인 맞춤형 건강 관리 시스템 구축에 크게 기여할 것으로 기대됩니다.

다국어 RAG 시스템 평가의 새로운 기준, MEMERAG이 등장했습니다. 기존 영어 중심 평가의 한계를 극복하고 문화적 뉘앙스까지 고려한 평가 시스템으로, 다양한 LLM의 성능 비교 분석 및 첨단 프롬프팅 기법의 효과 검증에 활용됩니다. 공개된 벤치마크를 통해 다국어 RAG 시스템 평가 방법의 발전에 기여할 것으로 기대됩니다.

본 기사는 André V. Duarte 등 연구진이 개발한 DIS-CO 알고리즘을 소개합니다. DIS-CO는 대규모 비전-언어 모델(VLM)의 학습 데이터에 저작권 콘텐츠가 포함되었는지 검출하는 알고리즘으로, 기존 방법 대비 성능을 크게 향상시켰습니다. 연구 결과, 모든 테스트 모델이 저작권 콘텐츠에 노출된 것으로 나타나 AI 개발의 윤리적, 법적 책임에 대한 심각한 질문을 제기합니다.