크라구예바츠 대학교 연구팀은 Attention Mechanism을 활용한 U-Net 기반 모델을 통해 코로나19 감염 폐 부위를 CT 스캔에서 정확하게 분할하는 기술을 개발했습니다. 데이터 증강 및 후처리 기법을 활용하여 높은 정확도(Dice 계수 0.8658, 평균 IoU 0.8316)를 달성했으며, 향후 임상 적용을 위한 연구를 진행할 예정입니다.

PoLO는 체인 기반 워터마킹을 이용하여 학습 증명(PoL)과 소유권 증명(PoO)을 통합적으로 해결하는 새로운 프레임워크입니다. 기존 방식보다 효율적이고 개인정보 보호에 강하며, 높은 검증 정확도를 자랑합니다.

Boxun Xu, Richard Boone, Peng Li 등 연구진이 개발한 SpikeX는 희소 스파이킹 신경망(SNN)을 위한 혁신적인 시스토릭 어레이 가속기 아키텍처입니다. 네트워크-하드웨어 공동 최적화를 통해 에너지-지연-곱(EDP)을 최대 150.87배까지 감소시키는 놀라운 성능 향상을 달성했습니다.

Huang, Guan, Long 연구팀이 발표한 논문은 음성 향상(SE)과 개인화된 음성 향상(PSE)을 통합하는 새로운 아키텍처와 비지도 음성 분리 기법을 제시하여, 등록 음성의 변화에 대한 민감도를 줄이고 성능을 향상시켰습니다. Libri2Mix와 VoiceBank DEMAND 데이터셋을 이용한 실험 결과, 제안된 모델들은 뛰어난 성능 향상을 보였으며, 특히 무작위 등록 음성 길이에서 우수한 결과를 나타냈습니다.

폐쇄형 거대 언어 모델(LLM)의 다국어 취약성을 최초로 종합 분석한 연구 결과가 발표되었습니다. 중국어 기반 공격이 영어보다 성공률이 높았으며, GPT-4o가 가장 강력한 방어력을 보였지만 모든 모델이 다국어 공격에 취약함이 드러났습니다. 이 연구는 LLM의 보안 강화를 위한 시급한 필요성을 강조합니다.