본 기사는 지연 시간과 재고 위험을 고려한 강화학습 기반 시장 조성 알고리즘 Relaver에 대한 연구를 소개합니다. Relaver는 주문 유지 시간을 포함한 확장된 상태-행동 공간, 동적 계획법 기반 탐색, 시장 추세 예측기를 활용하여 기존 방법보다 성능을 크게 향상시켰습니다.

본 기사는 딥러닝을 활용하여 양자 네트워크의 지연 시간과 처리량을 최적화하는 연구에 대해 소개합니다. Gongyu Ni 등 연구팀은 딥러닝 기반의 적응형 정제 방법을 통해 양자 네트워크의 성능을 향상시키고 다양한 활용 사례에 대한 유연성을 높일 수 있음을 보여주었습니다.

폴란드 연구진의 논문은 문법적 진화를 이용한 AI 모델 발견 실험을 소개하며, 소수를 활용한 비범한 시도를 통해 기존 기계 학습 모델의 블랙박스 문제 해결에 대한 새로운 가능성을 제시합니다. 이는 AI의 투명성과 설명 가능성을 높이는 데 기여할 것으로 기대됩니다.

장진명, 용운휘 연구진의 LPLH 프레임워크는 인지과학 원리를 활용하여 LLM 기반 AI 에이전트가 인터랙티브 픽션 게임을 인간처럼 플레이할 수 있도록 돕는 혁신적인 방법을 제시합니다. 구조화된 지도 구축, 행동 학습, 피드백 기반 경험 분석 등 세 가지 핵심 구성 요소를 통해 더욱 해석 가능하고 인간과 유사한 게임 플레이를 가능하게 합니다.

그래프 XAI 분야의 벤치마크 부족 문제를 해결하기 위해 실제 데이터셋으로부터 XAI 벤치마크를 자동 생성하는 새로운 방법론이 제시되었습니다. 이 연구는 15개의 기성 벤치마크와 2000개 이상의 추가 벤치마크 생성 코드를 제공하여 그래프 XAI 연구의 발전에 크게 기여할 것으로 기대됩니다.