황해두 등 연구진이 개발한 Jakiro는 MoE와 하이브리드 추론 전략을 통해 추측적 디코딩의 성능을 크게 향상시킨 기술입니다. 다양한 모델에서 효과가 검증되었으며, 추측적 디코딩 분야의 새로운 SOTA를 달성했습니다.

FDA FAERS 데이터를 기반으로 구축된 고차 약물-약물 상호작용 데이터셋 HODDI는 다중 약물 병용 요법의 부작용 예측에 혁신을 가져올 것으로 기대됩니다. 하이퍼그래프 모델의 우수한 성능 검증을 통해 고차원 정보의 중요성을 확인했으며, 약물 안전성 향상 및 개인 맞춤 의학 발전에 기여할 전망입니다.

Luo, Hu, Chen 세 연구원의 GAN-DA 논문은 기존 도메인 적응(DA)의 한계를 극복하는 혁신적인 방법론을 제시합니다. 사전 정의된 특징 표현(PFR)을 활용하여 전역 인식을 향상시킨 GAN-DA는 27가지 이미지 분류 작업에서 기존 24개 방법론을 능가하는 성능을 보이며 DA 분야의 새로운 기준을 제시합니다.

K-ON은 대규모 언어 모델(LLM)과 지식 그래프(KG)의 그레인 불일치 문제를 해결하기 위해 다중 헤드 레이어와 엔티티 간 대조 손실을 활용하는 혁신적인 모델입니다. 실험 결과, K-ON은 기존 최첨단 방법들을 능가하는 성능을 보여주어 LLM과 KG 통합의 새로운 가능성을 열었습니다.

본 연구는 딥러닝 기반 레이저 제초 기술을 통해 잡초 제거 정확도 향상 및 에너지 효율 증대를 달성했습니다. 고품질 데이터셋을 활용하여 실제 현장 상황에 적합한 시스템을 개발하였으며, 기존 시스템 대비 잡초 제거 정확도 6.7%, 에너지 소비량 32.3% 감소라는 성과를 거두었습니다.