전민혜, 안석호, 서영덕 교수 연구팀은 LLM을 활용한 주제 인식 지식 그래프를 통해 추천 시스템의 상호 운용성 문제를 해결하고, 일반 및 특정 토픽 추출, 동의어 문제 해결 알고리즘을 도입하여 추천 성능을 크게 향상시켰습니다. 이 연구는 AI 기반 추천 시스템의 발전에 크게 기여할 것으로 기대됩니다.

LLM 기반 다중 에이전트 시스템인 TradingAgents는 실제 금융 회사의 협업 구조를 모방하여 주식 거래 성과를 향상시켰으며, 기존 모델보다 우수한 성능을 보였습니다. 이는 AI가 금융 분야에서 더욱 중요한 역할을 할 수 있음을 시사하는 획기적인 연구입니다.

Di Jin 등 10명의 연구진이 개발한 INFELM은 텍스트-이미지 모델의 공정성을 평가하는 새로운 기준으로, 기존 방식의 한계를 극복하고 사회적 편향을 고려하여 더욱 정확하고 포괄적인 평가를 제공합니다. 이는 윤리적이고 인간 중심적인 AI 시스템 개발에 중요한 기여를 할 것으로 기대됩니다.

BaiJia는 중국 역사 인물들을 활용한 대규모 역할극 에이전트 말뭉치로, 다양한 형태의 역사 기록을 통합하여 AI 기반 역사 역할극 에이전트 개발에 기여하며, 저자원 데이터 문제 해결 및 기초 LLM의 역할극 능력 향상에 효과적인 것으로 나타났습니다.

6G와 LLM 기술을 활용한 자율주행 군사 차량의 발전 가능성과 그에 따른 기회와 과제를 분석한 연구 결과를 소개. 초저지연 고신뢰 통신(URLLC)의 중요성과 사전 훈련된 LLM의 역할을 강조하며, 안전성과 윤리적 고려의 필요성을 제기.