MIT 연구팀이 개발한 TETRIS는 LLM의 배치 추측 디코딩에서 처리량을 극대화하는 혁신적인 방법입니다. 기존 방식보다 높은 토큰 수용률과 효율적인 자원 활용을 통해 LLM 추론 속도를 향상시키는 놀라운 성과를 보였습니다.

본 논문은 모바일 증강현실(MAR) 애플리케이션의 성능 향상을 위한 새로운 에지 캐싱 기법인 SAAP를 제시합니다. SAAP는 공간 인식 및 객체 간 연관성을 고려하여 가상 객체의 사전 가져오기를 지능적으로 수행하며, 실험 결과 기존 기법 대비 캐시 적중률을 3%~40% 향상시키는 것을 확인했습니다.

루 지앙린 등 연구진이 개발한 새로운 GLM은 실제 데이터의 스케일-프리 특성을 활용한 KNN 그래프와 그래프 기반 pseudo-labeler를 통해 그래프 생성 및 텍스트 임베딩의 효율성을 높였습니다. GitHub를 통해 공개된 코드를 통해 향후 다양한 분야에서 활용될 것으로 기대됩니다.

Namrah Siddiqua와 Kim Suneung 연구원이 개발한 LUMINA-Net은 다단계 조명 및 반사율 모듈을 통합한 딥러닝 기반 저조도 이미지 향상 프레임워크로, 기존 기술 대비 뛰어난 성능을 보이며 다양한 분야에 혁신을 가져올 것으로 기대됩니다.

AI 기반 비디오 분석을 통해 쇼트트랙 선수의 출발 자세와 속도 간 상관관계를 규명한 연구 결과를 소개합니다. 출발 준비, 출발, 스프린트 단계별 핵심 자세 요소들을 분석하여, 쇼트트랙 선수 훈련 및 기술 향상에 대한 실질적인 지침을 제공합니다.