본 기사는 Yizhou Chen 등이 발표한 DEFT 프레임워크에 대한 소개입니다. DEFT는 분기형 변형 선형 물체의 동역학을 실시간으로 정확하게 모델링하여 로봇 조립 자동화에 획기적인 발전을 가져올 것으로 기대되는 기술입니다.

Sangwook Lee 외 연구팀이 개발한 CHOIR 챗봇은 LLM을 활용하여 조직 내 지식 관리의 효율성을 높입니다. 채팅 플랫폼과의 통합을 통해 실시간 협업 및 문서 관리를 지원하며, 자동화된 편집 제안과 문맥 기반 개정 이력 관리 기능을 제공합니다.

대규모 다중 모달 모델(LMM)의 인간과의 상호작용 지능을 평가하는 새로운 벤치마크 InterFeedback이 개발되었습니다. 이를 통해 최첨단 LMM조차 인간 피드백을 효과적으로 활용하는 데 어려움을 겪고 있음이 드러났으며, 향후 LMM의 발전 방향을 제시하는 중요한 연구 결과입니다.

기존 파운데이션 모델의 한계를 극복하고자 제시된 물리학 기반 파운데이션 모델(PGFM)은 과학적 지식을 통합하여 현실적이고 물리적으로 타당한 결과를 생성하며, 훈련 자원 절감과 범용성 확보라는 두 마리 토끼를 잡는 혁신적인 접근법을 제시합니다.

Ruyi Ding 등 연구진이 개발한 GNNVault는 TEE를 활용하여 엣지 기기에서의 GNN 추론을 안전하게 보호하는 획기적인 기술입니다. 'partition-before-training' 설계와 개인 GNN 정류기를 통해 모델 IP와 개인 그래프를 보호하며, Intel SGX를 통한 실험 결과는 우수한 성능과 미미한 정확도 저하를 보여줍니다. 이는 안전한 AI 시대를 향한 중요한 발걸음입니다.