최은태, 송수민, 임우상, 유성주 연구원 팀이 개발한 RCP(회전, 자르기, 분할) 기법은 회전 기법과 학습 가능한 비균일 양자화기를 결합하여 LLM을 W2A4KV4로 극한 압축하는 데 성공했습니다. LLaMA-2, LLaMA-3.2 등 다양한 모델에 적용 가능하며, 메모리 사용량 감소와 성능 저하 최소화를 동시에 달성했습니다.

본 논문은 LLM을 기반으로 한 다기준 의사결정(MCDM) 프레임워크를 제안하고, 다양한 LLM 모델의 성능 평가 및 LoRA 기반 미세 조정을 통해 인간 전문가 수준의 정확도를 달성한 연구 결과를 발표했습니다. 이는 LLM이 복잡한 의사결정 문제 해결에 혁신적인 도움을 줄 수 있음을 시사합니다.

Wang Hui 등 연구진이 개발한 TSS GAZ PTP 알고리즘은 두 단계 자가 학습 전략을 통해 기존 Gumbel AlphaZero 알고리즘의 한계를 극복하고, 전기차 경로 계획 문제(EVRP)를 포함한 복잡한 조합 최적화 문제에 탁월한 성능을 보입니다. 최첨단 강화 학습 및 최적화 기법들을 능가하는 결과는 이 알고리즘의 혁신성과 실용성을 입증합니다.

본 논문은 데이터 부족 및 물리적 제약 위반 문제를 해결하기 위해 모델 출력을 물리적 다양체에 투영하는 새로운 머신러닝 방법을 제시합니다. 스프링-질량 시스템과 저온 플라즈마 시스템에서의 실험 결과는 제안된 방법의 우수성을 입증하며, 복잡한 물리 시스템 모델링에 새로운 가능성을 열었습니다.

Lin 등의 연구는 AI 기반 OCSR 기술의 성능을 다양한 이미지 손상 시나리오에서 평가하여 각 도구의 강점과 약점을 밝히고, 향후 OCSR 도구 개발 방향을 제시합니다. 특히 MolScribe의 압축 이미지에 대한 높은 성능과 MolVec의 노이즈 및 블랙 오버레이에 대한 강인성은 주목할 만합니다.