MIT 연구팀이 개발한 에이전트 기반 딥 그래프 추론 프레임워크는 기존의 정적인 지식 그래프 생성 방식을 뛰어넘어, 자율적으로 지식을 구조화하고 확장하는 혁신적인 기술입니다. 대규모 언어 모델과 지속적으로 업데이트되는 그래프 표현을 결합하여 스스로 학습하고 성장하는 지식 네트워크를 구축하며, 재료 과학 분야에서 괄목할 만한 성과를 거두었습니다. 미래에는 과학적 발견의 새로운 지평을 열 것으로 기대됩니다.

LLM 기반의 능동적 데이터 시스템은 사용자 입력과 데이터를 이해하고 재작업하여 효율성과 효과성을 높이는 혁신적인 시스템입니다. 이를 통해 데이터 분석의 패러다임이 변화하고, 더욱 가치 있는 정보 제공과 데이터 기반 의사결정의 혁신을 가져올 것으로 기대됩니다.

HOMIE 시스템은 저비용 외골격과 강화학습 기반 정책을 결합하여 인간형 로봇의 안정적이고 효율적인 원격 조작을 가능하게 하는 혁신적인 시스템입니다. 오픈소스로 공개되어 향후 인간형 로봇 기술 발전에 크게 기여할 것으로 기대됩니다.

이스라엘 연구진은 마인크래프트 환경을 활용하여 강화학습, 행동 모델 학습, 수치적 계획을 통합하는 새로운 AI 학습 방법을 제시했습니다. NSAM_(+p) 및 RAMP 알고리즘은 모델 기반 및 모델 무관 학습의 장점을 결합하여 복잡한 작업 해결에 효과적인 성능을 보였습니다.

MIMIC이라는 다중 에이전트 회의 합성 프레임워크를 이용하여 영어 500개, 독일어 300개의 고품질 회의록 데이터셋 FAME을 생성함으로써, AI 기반 회의록 요약 연구에 획기적인 발전을 가져왔습니다. 심리학적 기반의 참가자 프로필과 대화 구성, LLM 기반 대화 생성 및 후처리 과정을 통해 자연스럽고 현실적인 회의록을 생성하는 데 성공하였으며, 새로운 심리학적 평가 프레임워크를 통해 FAME 데이터셋의 우수성을 검증했습니다.