Sun 등(2025)의 연구는 LLM을 활용한 시계열 예측에서 구조적 일관성을 강조하는 SGCMA 프레임워크를 제안합니다. HMM과 MEMM을 활용한 구조 정렬과 상태 확률 기반 가중 평균을 이용한 의미 정렬을 통해 시계열 데이터에 언어적 특성을 부여하고, 다양한 벤치마크에서 최첨단 성능을 달성했습니다.

MXDOTP는 8비트 MXFP8 부동소수점 형식을 위한 RISC-V 명령어 집합 확장으로, AI 시스템의 에너지 효율적인 점곱 연산을 가속화합니다. 소프트웨어 기반 방식 대비 25배 속도 향상 및 12.5배 에너지 효율 향상을 달성하여 AI 하드웨어 발전에 기여할 것으로 예상됩니다.

본 기사는 LLM의 역할극 능력 평가를 위한 새로운 벤치마크 RPEval의 개발을 소개합니다. RPEval은 감정 이해, 의사결정, 도덕적 일관성, 역할 일관성 등 네 가지 핵심 측면을 평가하며, 기존 방식의 한계를 극복하고 더욱 객관적인 평가를 가능하게 합니다.

본 기사는 76억 매개변수의 거대 언어 모델 Tianyi의 개발 및 그 의미를 다룹니다. Tianyi는 중의학 전문 지식을 바탕으로 진단, 치료, 처방 등 임상 과제를 지원하며, TCMEval 벤치마크를 통해 성능을 검증받았습니다. 이는 AI와 전통 의학의 융합을 통한 의료 혁신을 보여주는 중요한 사례입니다.

이석호 교수 연구팀의 새로운 오프라인 강화학습 프레임워크 TempDATA는 시간적 잠재 공간에서 증강 전이를 생성하여 기존 방법의 한계를 극복하고, 다양한 데이터셋에서 우수한 성능을 입증했습니다. 이는 오프라인 강화학습 분야의 혁신적인 발전으로 평가됩니다.