홍실롱, 주연주, 서위초 연구팀이 개발한 이중 시야 X선 보안 검사용 다중 스케일 특징 융합 프레임워크는 주파수 영역 분석과 교차 시야 어텐션 메커니즘을 활용하여 복잡한 상황에서도 높은 정확도를 달성, 기존 기술을 뛰어넘는 성능을 입증했습니다.

Jonathan Drechsel과 Steffen Herbold가 개발한 GRADIEND 모델은 AI 시스템의 성별 편향 문제를 해결하기 위해 모델 기울기를 활용, 단일 의미 특징 뉴런을 학습하는 혁신적인 접근 방식을 제시합니다. 이 모델은 다양한 인코더 기반 모델에 적용 가능하며 성별 편향을 제거하는 동시에 기존 모델의 기능을 유지한다는 장점을 가지고 있습니다.

파리의 후각 회로를 모방한 '플라이 모델'이 인공지능의 지속적 학습 문제 해결에 새로운 돌파구를 제시했습니다. 낮은 비용으로 기억 안정성과 학습 가소성을 동시에 향상시켜 AI의 실용성을 크게 높일 것으로 기대됩니다.

정웅, 이새형, 김은지, 윤성로 연구팀은 멀티모달 대규모 언어 모델(MLLM)의 상세 이미지 캡션 생성 성능 향상을 위해 훈련 과정 없이 적용 가능한 SPARC 기법을 제안했습니다. SPARC는 시각적 주의력의 약화와 잡음 증가 문제를 해결하여 정확성과 재현율을 동시에 향상시키는 효과를 보였습니다.

Guo Xiuzhan의 논문은 기계 학습 시스템을 수학적 구조로 보고, 범주론적 관점에서 시스템 변환을 분석하는 새로운 접근 방식을 제시합니다. 몫 연산, 군집화, 函子, 요네다 임베딩 등의 기법과 접합, 자연 변환, 모나드 등의 수학적 개념을 활용하여 문제 해결의 최적 방식과 시스템 변환 간의 관계를 분석하고, 새로운 통찰과 구조를 도출합니다.