Yicheng Leng 등 연구진은 대조 학습과 그래프 변형을 결합한 새로운 그래프 트랜스포머 프레임워크를 이용하여 자폐증 진단의 정확도를 크게 향상시켰습니다. ABIDE 데이터셋에서 AUROC 82.6%, 정확도 74%를 달성하며 기존 최첨단 기술을 뛰어넘었습니다. 하지만 실제 임상 적용을 위해서는 추가적인 연구와 검증이 필요합니다.

본 연구는 최첨단 Vision-Language Model(VLM)을 활용하여 증강현실(AR) 장면을 자동 평가하는 새로운 가능성을 제시합니다. VLM은 명확한 가상 물체 인식에는 뛰어나지만, 현실과의 자연스러운 통합이 중요한 복잡한 AR 장면에서는 성능이 저하됨을 보여줍니다. 가상 콘텐츠 배치, 렌더링 품질, 물리적 타당성 등이 VLM 성능에 중요한 영향을 미치는 요인으로 확인되었습니다.

EvoGP는 GPU 가속을 통해 트리 기반 유전 프로그래밍(TGP)의 속도를 획기적으로 향상시킨 오픈소스 프레임워크입니다. 텐서 기반 인코딩, 통합 병렬 유전 연산, 완전 병렬 적합도 평가 전략 등을 통해 기존 방식보다 최대 140.89배 빠른 속도를 달성했습니다. 심볼릭 회귀, 분류, 로보틱스 제어 등 다양한 분야에 적용 가능합니다.

Siavash Alamouti의 연구는 하이브리드 에지 클라우드(HEC)가 에너지 절감 75%, 비용 절감 80% 이상의 획기적인 효율성을 제공함을 밝혔습니다. 특히 AI 에이전트 등 자율적 워크로드에서도 효과적이며, 지속 가능한 차세대 컴퓨팅의 핵심 기술로 주목받고 있습니다.

KaiHui Huang, RunQing Wu, Fei Ye 세 연구자가 개발한 OWMMD 프레임워크는 지속적 학습에서의 파국적 망각 문제를 해결하고 최첨단 성능을 달성했습니다. MLFMM과 ARO 전략을 통해 AI의 지속적인 학습 능력을 향상시켰습니다.