Shi 등 (2025)의 연구는 경량화된 초고해상도 위성영상 복원 네트워크 LKCA-Net을 제안합니다. 채널 어텐션과 저랭크 근사 전략을 통해 기존 모델 대비 수십~수백 배의 속도 향상과 경쟁력 있는 성능을 달성하였습니다. 특히, 학습 가능한 업샘플링 계층의 저랭크 특성을 최초로 규명하고, 지식 증류 기반 특징 정렬 기법을 통해 성능 저하 없이 속도 향상을 실현한 점이 핵심입니다.

황해양, 맹천휘, 가위가 세 연구자는 엣지-클라우드 LLM 시스템에서 프롬프트 공격에 대한 새로운 방어 전략을 제시했습니다. 다단계 동적 베이지안 게임 모델과 벡터 데이터베이스 기반 경량 공격 탐지기를 활용하여 보안, 성능, 자원 효율을 동시에 개선했습니다. 실험 결과, 기존 알고리즘보다 우수한 성능을 확인했습니다.

루멘 AI 등 연구진의 논문은 기호 압축을 통해 대규모 언어 모델의 토큰 효율성을 획기적으로 개선하고, 모델 해석성을 향상시키는 새로운 방법을 제시합니다. 코드 생성 작업에서 78.3%의 토큰 압축률과 논리적 추적성 62% 향상이라는 놀라운 결과를 보였으며, AI의 신뢰성과 투명성 향상에 기여할 것으로 기대됩니다.

Yanlong Li 등 연구진이 개발한 Cogito는 인간의 학습 과정을 모방한 혁신적인 코드 생성 시스템으로, 해마와 유사한 기억 모듈과 역순 접근 방식을 통해 효율성과 정확성을 향상시켰습니다. 공개된 코드를 통해 재현성과 확장성을 확보하였으며, AI 기반 코드 생성 기술 발전에 중요한 기여를 할 것으로 기대됩니다.

본 연구는 LLM을 이용한 가짜 뉴스 생성 및 탐지에 대한 새로운 관점을 제시합니다. LLM이 가짜 뉴스를 의역하여 탐지 시스템을 우회하는 현상을 밝히고, 감정 변화가 탐지 실패의 주요 원인임을 규명합니다. 또한, 기존 평가 지표의 한계를 지적하고, 새로운 데이터셋을 공개하여 후속 연구를 지원합니다.