마오 주오위안 등 연구진이 개발한 DeepResonance는 음악, 텍스트, 이미지, 비디오 데이터를 통합하는 멀티모달 음악 이해 LLM입니다. 새로운 데이터셋과 멀티 샘플링 ImageBind 임베딩, 사전 정렬 Transformer를 활용하여 6가지 음악 이해 과제에서 최첨단 성능을 달성했으며, 오픈소스 공개를 통해 음악 AI 연구에 크게 기여할 것으로 예상됩니다.

Vatsal Maru의 연구팀은 그래프 신경망과 딥 강화 학습을 결합한 새로운 항공기 착륙 스케줄링 프레임워크를 개발하여 기존 방식 대비 연산 시간을 99.95% 단축하고 활주로 처리량을 38% 향상시켰습니다. 1초 이내의 빠른 처리 속도는 실시간 재스케줄링을 가능하게 하여 항공 교통 관리의 효율성을 크게 높일 것으로 기대됩니다.

Lu Yang 등 연구진이 개발한 LDNet은 다중 측면 관계 모델링과 라벨 삭제 메커니즘을 통해 다중 관계 추출의 정확도를 크게 향상시킨 혁신적인 UIE 모델입니다. 9가지 작업과 33개 데이터 세트에서 최첨단 성능을 기록하며, 범용 정보 추출 분야의 발전에 크게 기여할 것으로 기대됩니다.

빙헝 리 등 6명의 연구진이 수행한 연구는 GNN의 모드 연결성을 최초로 조사하여, 그래프 구조가 GNN의 최적화 역학과 일반화 성능에 중요한 역할을 한다는 것을 밝혔습니다. 이 연구는 GNN의 이론적 이해를 깊게 하고, 실제 응용을 위한 새로운 가능성을 제시합니다.

중국과학원 자동화연구소 연구팀이 온라인 시계열 예측을 위한 혁신적인 LSTD 모델을 개발했습니다. 알려지지 않은 개입 변수를 고려하여 장단기 상태를 분리하는 이 모델은 다양한 벤치마크 데이터셋에서 기존 모델들을 능가하는 성능을 보였습니다.