Cornell 대학교 연구진이 개발한 X-Sim은 실제-시뮬레이션-실제 프레임워크를 통해 인간 동작 영상을 활용한 로봇 조작 정책 학습의 새로운 기준을 제시합니다. 로봇 텔레오퍼레이션 데이터 없이도 높은 성능과 일반화 성능을 달성하여 로봇의 실용화에 크게 기여할 것으로 기대됩니다.

Carmel Mary Esther A의 논문은 우주 신호 지연, 신경 반응 시간, 고대의 정적인 인지 상태를 분석하여 인간과 AI의 실시간 인식 및 의사결정 모델을 제시합니다. 현재를 간섭 영역으로 정의하고, 인간 신경 관찰 및 신경 수용 확장을 통한 실험과 AI 시스템의 시간 효율적이고 윤리적인 발전을 위한 수학적 프레임워크를 제안합니다.

Yang Li, Zhi Chen, Steve Yang 연구팀이 개발한 FlowHFT 알고리즘은 다양한 시장 상황에 적응하는 AI 기반 초고주파거래(HFT) 전략으로, 기존 모델의 한계를 극복하고 뛰어난 성능을 보여줍니다. 유사도 기반 정책과 그리드 탐색 미세 조정 메커니즘을 통해 시장 변동성에 강인한 성능을 확보하며, HFT 분야의 혁신을 이끌 것으로 기대됩니다.

Liang Hanzhe 등 연구진의 논문은 3D 이상 탐지를 기계적 관점에서 접근, 결함의 근본 원인을 힘으로 해석하고 보정력을 생성하는 MC4AD 프레임워크를 제시했습니다. 새로운 데이터셋과 손실 함수, HQC 전략을 통해 9가지 최첨단 성능을 달성, 3D 이상 탐지 분야의 혁신을 이끌었습니다.

Tenstorrent의 Grayskull e75 RISC-V 가속기는 NVIDIA GPU 대비 원시 성능은 낮지만, 전력 효율이 뛰어나 생성형 AI 분야에서 경쟁력 있는 대안으로 떠오르고 있습니다. 본 논문은 Grayskull e75의 성능을 심층 분석하여 그 강점과 한계를 제시합니다.