Bokeng Zheng 등의 연구팀은 AI 기반 자율주행 차량이 주문 배달과 동시에 기초 모델 미세 조정을 수행하는 온라인 프레임워크를 제시했습니다. 다중 에이전트 강화 학습(MARL)과 그래프 신경망(GNN)을 결합하여 공간-시간적 이질성을 극복하고, 새로운 QoS 지표를 통해 두 과제의 균형을 맞추는 데 성공했습니다. 뉴욕시 택시 데이터를 활용한 실험 결과는 제안된 방법의 우수성을 보여줍니다.

김민상, 백승준 연구팀이 개발한 Syntriever는 블랙박스 LLM을 활용한 혁신적인 정보 검색 시스템 학습 프레임워크입니다. 합성 데이터 생성 및 LLM 선호도 정렬을 통해 최첨단 성능을 달성했으며, 오픈소스로 공개되어 폭넓은 활용이 기대됩니다.

Xiaorui Su 등 연구진이 개발한 MedTok은 의료 코드의 텍스트 정보와 관계적 맥락을 통합적으로 활용하는 다중 모달 의료 코드 토크나이저입니다. 다양한 의료 데이터셋에서 기존 방식보다 우수한 성능을 보이며, 의료 AI 발전에 크게 기여할 것으로 기대됩니다.

본 기사는 대규모 언어 모델(LLM)이 다중 로봇 시스템(MRS)에 미치는 영향에 대한 최신 연구 동향을 소개합니다. LLM의 적용으로 MRS의 성능 향상과 새로운 가능성이 열리지만, 수학적 추론의 한계, 환각 현상 등의 과제도 존재합니다. 향후 연구 방향과 극복 방안을 제시하며, LLM 기반 MRS의 미래를 전망합니다.

본 기사는 Zhang 등 연구팀이 개발한 분산 학습(FL) 보안 벤치마크 FLPoison에 대해 소개합니다. FLPoison은 데이터 및 모델 중독 공격에 대한 다양한 방어 전략의 효과를 종합적으로 평가하여, 더욱 안전한 FL 시스템 구축에 기여할 것으로 기대됩니다.