SymAgent는 LLM의 환각 문제와 KG의 불완전성을 해결하는 신경-상징적 자기 학습 에이전트 프레임워크로, 에이전트-플래너와 에이전트-실행자 모듈을 통해 KG와 LLM의 협업적 추론을 가능하게 합니다. 자기 학습 기능을 통해 성능을 향상시키며, 약한 LLM 백본으로도 우수한 성능을 보입니다.

본 연구는 대규모 언어 모델의 추론 능력 향상을 위해 잠재적 이산 토큰과 텍스트 토큰을 혼합하는 새로운 방법을 제시합니다. VQ-VAE를 활용한 잠재 토큰 추상화와 혁신적인 훈련 절차를 통해 추론 과정의 효율성을 높이고, 다양한 벤치마크에서 기존 방법들을 능가하는 성능을 달성했습니다.

Vasileios Manginas 등 연구진이 확률적 신경기호 AI 시스템의 강건성 검증을 위한 새로운 근사적 방법을 제시했습니다. 실제 자율주행 데이터셋을 이용한 실험 결과, 기존 방법보다 훨씬 효율적임을 보였으며, AI 시스템의 안전성 향상에 크게 기여할 것으로 기대됩니다.

딥러닝 기반의 완전 자동화된 심근경색 분할 방법이 개발되어, 기존 수동 분할 방식의 한계를 극복하고 심장병 진단의 정확성과 효율성을 크게 향상시킬 가능성을 제시했습니다. AI 기반 자동 분할의 정확도가 전문가 수준에 도달, 심지어 일부 측면에서는 더 우수한 결과를 보였습니다.

본 연구는 사전 훈련된 시각적 표현(PVR)의 시간적 얽힘 및 일반화 문제를 해결하기 위해, 시간적 인식 및 작업 관련 특징 선택 모듈을 제안하고, 실험을 통해 그 효과를 입증했습니다. 특히 마스킹 목표로 훈련된 PVR에서 성능 향상이 두드러졌습니다.