중국과학원 연구진이 개발한 새로운 오프라인 강화학습 프레임워크는 데이터센터 냉각 시스템의 에너지 소비를 14~21% 감소시키는 놀라운 성과를 거두었습니다. 그래프 신경망 기반의 이 기술은 제한된 데이터와 엄격한 안전 요구사항 속에서도 효과적으로 작동하며, 다양한 산업 분야의 에너지 효율 향상에 기여할 것으로 기대됩니다.

본 연구는 확률적 암호화 분석에 기반한 계층적 프레임워크를 이용한 혁신적인 랜섬웨어 탐지 방법론을 제시합니다. 고급 클러스터링 알고리즘과 머신러닝을 결합하여 높은 정확도와 낮은 오탐율을 달성하며, 실시간 대응 및 다양한 환경에 대한 적응력을 제공합니다.

Zhao, Wen, Cheong 연구팀은 LLM을 진화 최적화에 활용하는 새로운 방법을 제시하고, LLM의 블랙박스 특성을 보완하는 오류 수정 메커니즘과 효율적인 전체 집단 최적화 기법을 개발했습니다. 실험 결과 LLM 기반 EVO가 조합 최적화 문제에 효과적임을 입증했습니다.

Shreya Shukla 외 연구팀이 개발한 PatentLMM은 특허 그림에 대한 설명을 자동 생성하는 다중 모달 대규모 언어 모델입니다. 35만 개 이상의 특허 그림 데이터셋을 활용하여 학습된 PatentLMM은 기존 모델 대비 높은 정확도와 일관성을 보이며, 특허 문서 작성 과정의 효율성을 크게 높일 것으로 기대됩니다.

리 동장 박사 연구팀은 데이터 폭발 문제를 해결하기 위해 Vision-Language Planning(VLP)과 Vision-Language-Action(VLA)을 활용한 원자적 기술 라이브러리 구축 방법을 제시했습니다. 이 방법은 작업 분할, 원자적 기술 정의, 라이브러리 구축의 세 단계로 구성되며, 실제 세계 환경에서의 실험을 통해 효과와 효율성을 입증했습니다.