중국과학원 연구진이 개발한 Navigation-GPT는 대형 언어 모델(LLM)을 활용한 혁신적인 항해 지원 시스템으로, 이중 코어 프레임워크와 ReAct 기반 프롬프트 엔지니어링을 통해 복잡한 항해 과제를 효율적으로 처리하며, 비정형 상황에도 뛰어난 적응력을 보입니다. 기존 시스템의 한계를 극복하고 안전성 및 효율성을 증대시키는 획기적인 기술로 평가받고 있습니다.

Wang 등 연구진이 개발한 ESAE는 지능형 연결 차량의 안전한 통신을 위해 의미론적 통신에 암호화를 통합한 효율적인 솔루션입니다. YOLO-v10 모델 기반의 SA-KP 기법을 통해 키 일관성을 확보하고, 다양한 무선 환경에서 효과성을 검증했습니다.

이토 유키와 마 치앙 연구원의 Ensemble ToT 프레임워크 기반 AI 자동 채점 시스템은 여러 LLM을 활용하여 정확하고 설명 가능한 채점 피드백을 제공, 학생들의 자기주도 학습을 효과적으로 지원합니다. 이는 단일 LLM의 한계를 극복하고 AI 기반 교육 시스템의 혁신을 이끌 것으로 기대됩니다.

Ehsan Hallaji, Roozbeh Razavi-Far, Mehrdad Saif 연구팀이 개발한 FedNIA는 중앙 테스트 데이터셋 없이도 연합학습 시스템의 데이터 중독 공격을 효과적으로 방어하는 혁신적인 기술입니다. 다양한 공격 유형에 대한 강건성과 실험적 검증 결과를 바탕으로, 연합학습의 보안 강화에 크게 기여할 것으로 기대됩니다.

중국과학원 연구팀이 LLM의 데이터 과학 분야 활용 신뢰성 확보를 위한 획기적인 '분석가-검사관 프레임워크'를 개발했습니다. 이 프레임워크는 LLM의 재현성을 평가하고 향상시키는 데 효과적이며, 공개된 코드를 통해 누구나 활용 가능합니다.