본 기사는 중국과학원 연구진 10명이 발표한 그래프 기반 기초 모델(GFM)에 대한 논문을 바탕으로, GFM이 추천 시스템의 정확도 향상에 기여하는 핵심 기술임을 소개합니다. GFM은 GNN과 LLM의 장점을 결합하여 사용자-아이템 관계의 그래프 구조와 텍스트 정보를 동시에 활용하며, 논문은 GFM 기반 추천 시스템 기술에 대한 포괄적인 조사와 향후 연구 방향을 제시합니다.

강후니, 볼프강 로제르트 박사 연구팀은 뇌의 신경 세포 연결 강도 진동에서 영감을 얻어 새로운 AI 학습 패러다임을 개발했습니다. 이는 연결 강도의 진동 조정을 학습과 연관시켜 제로샷 학습을 가능하게 하며, 다양한 상황에 대한 일반화 및 미지 상황 예측 능력을 향상시킵니다. 이 패러다임은 특정 신경망 구조에 의존하지 않아 기존 주요 AI 모델에도 적용 가능성을 열었습니다.

본 기사는 대규모 비전 언어 모델 기반 GUI 에이전트의 새로운 프레임워크 TRISHUL에 대한 소개입니다. TRISHUL은 기존 방식의 한계를 극복하고, 학습이 필요 없는 방식으로 GUI 이해 능력을 향상시켰으며, 다양한 데이터셋에서 뛰어난 성능을 보였습니다.

희소 로봇 액추에이터를 사용한 음파 조작 기술에 대한 연구 결과가 발표되었습니다. 데이터 기반 학습 방법을 통해 음향 에너지 집중 및 억제가 가능해졌으며, 기존 방법보다 우수한 성능과 효율성을 보였습니다. 관련 코드 및 데모 영상이 공개되어 기술의 확산에 기여할 것으로 예상됩니다.

서울대학교 연구팀이 늑대 사냥 전략에서 영감을 얻은 '울프팩 적대적 공격'과 이에 대응하는 'WALL' 프레임워크를 제안하여 다중 에이전트 강화학습(MARL)의 보안성을 크게 향상시켰습니다. 이 연구는 시스템 전체의 협력을 강화함으로써 MARL 시스템의 강건성을 높이는 중요한 성과입니다.