Phillip Driscoll과 Priyanka Kumar가 개발한 'DoYouTrustAI'는 AI가 생성한 정보의 신뢰성을 검증하는 능력을 키우기 위한 교육용 웹 애플리케이션입니다. 프롬프트 엔지니어링을 활용하여 학생들에게 AI의 한계와 허위 정보의 위험성을 교육하고, 비판적 사고력 함양에 기여합니다.

펠릭스 하아그의 메타 분석 연구는 XAI가 인간의 작업 성능을 향상시키는 데 기여하지만, 설명 자체가 결정적인 요인은 아니며, 연구의 편향 위험과 사용자 특성이 중요한 조절 변수임을 밝혔습니다. 이는 XAI 개발 및 활용 방향에 대한 중요한 시사점을 제공합니다.

Reason2Attack(R2A)는 LLM의 추론 능력을 향상시켜 텍스트-이미지 모델의 안전 필터를 효과적으로 우회하는 새로운 Jailbreaking 공격 기법입니다. Frame Semantics 기반 CoT 예시 생성 및 강화 학습을 통해 높은 성공률과 낮은 쿼리 수를 달성하며, 다양한 모델에 대한 강력한 공격 전이성을 보였습니다. 이는 AI 안전 및 보안에 대한 지속적인 연구 개발의 중요성을 강조합니다.

Cheng et al.(2025)의 연구는 LLM과 쌍곡 공간을 결합한 새로운 추천 시스템 HyperLLM을 제시하여 기존 시스템 대비 40% 이상 성능 향상을 달성했습니다. 계층적 정보를 효과적으로 활용하는 HyperLLM은 추천 시스템의 정확도와 안정성을 모두 높였습니다.

Donghuo Zeng 등 연구진은 인과 관계와 반실제적 추론을 결합한 새로운 AI 설득 시스템 프레임워크를 제시했습니다. 실제 데이터셋을 이용한 실험 결과, 개인 맞춤형 설득력 향상을 확인했으며, 이는 AI와 인간 상호작용에 대한 깊이 있는 이해를 바탕으로 윤리적인 설득 시스템 개발의 가능성을 보여줍니다.