싱가포르 국립대 연구팀은 저자원 언어인 싱글리시에서 AI 모델의 안전성을 높이는 새로운 방법을 개발했습니다. 기존 방법의 한계를 극복하고 KTO와 SFT, 그리고 새로운 알고리즘 KTO-S를 통해 독성을 99% 감소시키는 성과를 거두었습니다. 이 연구는 저자원 언어 환경에서의 AI 안전성 확보에 중요한 전기를 마련했습니다.

LocalEscaper는 약지도 학습, 지역 재구성 전략, 선형 복잡도 어텐션 메커니즘을 결합하여 대규모 TSP 문제를 효율적으로 해결하는 혁신적인 AI 기반 솔루션입니다. 최대 5만 개 도시의 TSP 문제 해결에 성공하며 기존 기술의 한계를 뛰어넘었습니다.

Emily Jin, Joy Hsu, Jiajun Wu 연구팀이 개발한 PHIER는 술어 계층 구조를 활용하여 소수의 예시로도 효과적인 상태 분류를 가능하게 하는 혁신적인 AI 모델입니다. CALVIN 및 BEHAVIOR 로봇 환경에서의 실험 결과, 기존 모델보다 월등한 성능을 보였으며, 시뮬레이션에서 실제 환경으로의 강력한 일반화 능력을 입증했습니다. 이는 로봇 기술 발전에 중요한 의미를 지닙니다.

국내 연구진이 XAI와 그래핀 전극을 활용하여 파킨슨병 쥐 모델의 뇌 활동을 분석, 기존 방법의 한계를 극복하고 질병 치료에 새로운 가능성을 제시했습니다. 이는 파킨슨병의 실시간 모니터링 및 치료를 위한 혁신적인 해결책이 될 것으로 기대됩니다.

MCTS-Judge는 LLM을 활용한 코드 정확성 평가의 신뢰성을 획기적으로 향상시킨 기술로, MCTS 알고리즘과 고정밀 단위 테스트 수준 보상 메커니즘을 통해 기본 모델의 정확도를 41%에서 80%로 향상시켰으며, 토큰 수를 3배 줄이면서 o1-series 모델을 능가하는 성능을 달성했습니다.