본 기사는 링크 추천 시스템을 이용해 그래프 신경망(GNN)을 공격하는 새로운 기법인 LiSA에 대해 소개합니다. LiSA는 기존 공격 방식의 한계를 극복하고, 실제 데이터셋에서 효과를 검증하여 GNN 보안에 대한 심각성을 일깨워줍니다. AI 시스템의 안전성 확보를 위한 지속적인 노력과 종합적인 접근 방식의 중요성을 강조합니다.

홍인 장 등 연구진이 개발한 GEVRM 모델은 내부 모델 제어(IMC) 원리를 활용하여 외부 환경 변화에도 강인한 로봇 시각 조작 성능을 제공합니다. 텍스트 기반 비디오 생성 및 프로토타입 대조 학습을 통해 외부 충격을 효과적으로 처리하며, CALVIN 벤치마크에서 최첨단 성능을 달성했습니다. 이는 다양한 분야에서 로봇 기술 활용의 폭을 넓히는 중요한 발전입니다.

Liad Erez와 Tomer Koren의 논문 "Bandit Multiclass List Classification"은 제한된 피드백 환경에서의 다중 클래스 리스트 분류 문제에 대한 새로운 알고리즘을 제시합니다. 이 알고리즘은 기존 알고리즘보다 향상된 샘플 복잡도와 후회 경계를 달성하며, 특히 실제 레이블의 수가 적을 때 효과적입니다.

Li Zesheng 등의 연구진이 개발한 DynSegNet은 적대적 학습 기반의 동적 아키텍처 조정 기법을 이용하여 안저 이미지 출혈 병변 분할의 정확도를 크게 향상시켰습니다. 우수한 성능으로 안과 질환 진단 및 치료에 혁신을 가져올 것으로 기대됩니다.

AnomalyGFM은 제로/퓨샷 그래프 이상 탐지를 위한 혁신적인 그래프 기반 모델로, 기존 모델의 한계를 극복하고 다양한 그래프 데이터셋에서 뛰어난 성능을 보입니다. 데이터 독립적인 학습 가능한 프로토타입을 활용하여 제로샷 추론과 퓨샷 프롬프트 튜닝을 지원하며, 대규모 그래프에도 적용 가능합니다.