Swarnadeep Saha 등 연구진이 개발한 EvalPlanner는 사전 계획 기반의 혁신적인 AI 평가 모델로, 합성 데이터를 활용한 자기 학습 루프를 통해 제한된 데이터로도 최첨단 성능을 달성했습니다. RewardBench 등 다양한 벤치마크에서 우수한 성능을 보이며 AI 평가 분야에 새로운 가능성을 제시합니다.

Kumar Ashutosh 등 연구진이 개발한 MILS는 사전 훈련된 LLM을 활용하여 별도의 훈련 없이 이미지, 비디오, 오디오 데이터를 처리하는 획기적인 방법입니다. 영상 캡션 생성 등 다양한 분야에서 기존 최고 성능을 뛰어넘는 결과를 보이며, AI 기술 발전에 큰 영향을 미칠 것으로 예상됩니다.

유승욱, 서승우 연구팀이 개발한 DIAL은 안전 중요 시스템을 위한 혁신적인 강화학습 기법으로, 작업 특정 제약 정의 없이도 높은 안전성과 효율성을 달성했습니다. 다양한 실제 작업에 적용 가능하며, 안전한 AI 시스템 구축에 크게 기여할 것으로 기대됩니다.

본 연구는 Reddit의 'Am I the Asshole?' 커뮤니티 데이터를 활용하여 7개의 LLM의 도덕적 판단 능력을 평가했습니다. LLM은 높은 자기 일관성을 보였지만, 상호 간 일치도는 낮았으며, 도덕적 원칙 적용 방식에도 고유한 패턴이 있음을 발견했습니다. 이는 AI 시스템에 일관된 도덕적 추론을 구현하는 어려움과, 윤리적 결정이 필요한 역할에서 LLM 활용 시 편향 및 한계 완화의 중요성을 강조합니다.

Pir Bakhsh Khokhar 등 연구진의 연구는 머신러닝과 설명 가능한 인공지능(XAI)을 결합하여 당뇨병 예측의 정확도와 투명성을 동시에 향상시켰습니다. SMOTE 기법과 앙상블 모델을 통해 높은 예측 성능을 달성했으며, XAI를 통해 BMI, 나이 등 주요 예측 변수를 도출했습니다. 이 연구는 AI 기반 의료 시스템 개발에 큰 기여를 할 것으로 기대됩니다.