홍콩과기대 연구진이 개발한 CodeI/O는 코드 입출력 예측을 통해 다양한 추론 패턴을 학습하는 혁신적인 방법으로, Chain-of-Thought(CoT)와 코드 재실행을 통한 검증 및 개선으로 다양한 추론 과제에서 성능 향상을 이끌어냈습니다. GitHub에서 공개된 코드와 데이터를 통해 AI 추론 기술 발전에 크게 기여할 것으로 예상됩니다.

루멘 AI의 OpenGrok은 지식 증류와 프롬프트 해킹, 마스크 유사 메커니즘을 결합하여 SNS 데이터 처리 분야에서 SOTA 성능을 달성한 혁신적인 기술입니다. Grok 모델의 지식을 효과적으로 활용하고, Phi-3-mini 모델을 개선하여 SNS 데이터의 복잡성을 극복했습니다.

Navid Rajabi와 Jana Kosecka가 개발한 TRAVEL 알고리즘은 훈련 없이도 비전-언어 탐색(VLN) 문제를 해결하는 혁신적인 모듈식 접근법을 제시합니다. LLM과 VLM을 활용하여 랜드마크 추출, 경로 생성, 정렬 점수 계산 등의 단계를 거치며, R2R-Habitat 데이터셋에서 우수한 성능을 입증했습니다. 이는 향후 다양한 분야에 적용될 수 있는 잠재력을 가진 획기적인 연구입니다.

류지청 등 10명의 연구진이 개발한 Life-Code는 중심 원리를 기반으로 다중 오믹스 데이터를 통합 분석하는 혁신적인 프레임워크입니다. RNA 역전사 및 아미노산 역번역을 통한 통합 파이프라인과 코돈 토크나이저 및 하이브리드 장서열 아키텍처를 활용하여 다양한 오믹스 데이터 분석에서 최첨단 성능을 달성했습니다. 이는 생명 과학 연구의 패러다임을 바꿀 잠재력을 지니고 있으며, 향후 질병 진단, 신약 개발 등 다양한 분야에 혁신적인 변화를 가져올 것으로 기대됩니다.

물리적 제약 조건을 통합한 초소형 매개변수 머신러닝 모델 SUS2-MLIP 개발로, 재료 시뮬레이션의 정확성과 효율성을 크게 향상시켰습니다. 범용 상태 방정식 기반의 글로벌 스케일링과 비선형 상호작용 함수를 통해 다원소 재료 및 물성 예측에서 뛰어난 성능을 보였습니다.