이탈리아 연구진이 브리스톨 마이어스 스퀴브와 협력하여 의약품 공급망의 복잡한 요소들을 고려한 최적의 재고 관리 정책을 연구했습니다. 심층 강화 학습(DRL)을 포함한 세 가지 정책을 비교 분석한 결과, DRL은 복잡한 상황에서 우수하지만 계산 비용이 높고, 단일 정책으로는 모든 상황에 적용하기 어렵다는 결론을 얻었습니다. 다양한 정책의 통합적 활용이 의약품 공급망 관리의 미래라고 제시합니다.

Learn-by-interact는 인간의 개입 없이 LLM 에이전트를 다양한 환경에 적응시키는 데이터 중심 프레임워크로, 문서 기반 상호작용 경로 합성과 역방향 구성을 통해 고품질 합성 데이터를 생성합니다. 다양한 실험 결과 최대 19.5%의 성능 향상을 보이며, AI 에이전트의 실용성을 크게 향상시킬 것으로 기대됩니다.

OpenEarthMap-SAR는 SAR 영상을 기반으로 한 거대한 고해상도 지표피복 매핑 데이터셋으로, 전 세계 연구자들에게 새로운 연구 기회를 제공하고, AI 기반 지리 공간 분석 기술의 발전을 가속화할 것으로 기대됩니다.

Porto와 de Lamare의 연구는 RIS와 IDD를 결합하여 다중 사용자 다중 안테나 시스템의 성능을 향상시키는 방법을 제시합니다. 시스템 매개변수 조정을 통한 최적화를 분석하고, SISO 및 MIMO 시스템에서의 성능 향상을 보여주는 시뮬레이션 결과를 제시합니다. 이 연구는 실제 무선 통신 시스템 설계에 중요한 함의를 제공합니다.

본 논문은 확산 행동 복제 모델을 이용하여 사회적 포즈를 생성하는 새로운 방법을 제시합니다. 단일 모달리티(포즈) 데이터를 사용하여 사회적 상호작용을 효과적으로 모델링하고, 데이터 전처리의 중요성과 처리 시간 및 정확도 간의 균형을 분석하여 현실적인 사회적 행동 생성을 위한 효율적인 모델을 제시합니다.