Jiang, Pan, Yang 연구팀이 개발한 Thought-Aligner는 LLM 기반 에이전트의 안전성을 크게 향상시키는 혁신적인 모듈입니다. 실시간으로 위험한 생각을 수정하는 경량 모델로, 다양한 LLM과 에이전트에 적용 가능하며, 효율성과 안전성을 동시에 확보합니다.

CUBIC은 비지도 학습 기반의 혁신적인 AI 편향 감지 기술로, 영상-텍스트 잠재 공간과 선형 분류기 프로브를 활용하여 사전 지식 없이도 AI 모델의 편향을 효과적으로 식별합니다. VLMs을 활용하여 기존에 알려지지 않은 편향까지 발견할 수 있다는 점이 핵심이며, AI의 윤리적 책임과 공정성 향상에 크게 기여할 것으로 기대됩니다.

이탈리아 국립 천체물리학 연구소(INAF) 연구팀이 딥러닝을 이용하여 수성 외기권 데이터로부터 표면 구성 성분을 예측하는 모델을 개발했습니다. 시뮬레이션 데이터를 통해 모델의 정확성을 검증하였으며, 향후 BepiColombo 미션 데이터를 활용하여 실제 수성 표면 분석에 적용할 계획입니다. 이 연구는 AI 기반 기술을 우주 탐사에 적용한 성공적인 사례이며, 우주 과학 연구의 새로운 가능성을 제시합니다.

본 연구는 그래프 크기에 상관없이 종료를 보장하는 반복 GNN 모델과 새로운 근사 의미론을 제시하여 GNN의 이론적 토대를 강화하고, 그래프 크기에 상관없이 동작하는 계산 알고리즘을 개발함으로써 GNN의 실제 응용 가능성을 높였습니다.

중국 연구진이 개발한 GuardReasoner-VL은 강화학습 기반 추론으로 VLM의 안전성을 크게 향상시킨 모델입니다. 방대한 데이터셋과 혁신적인 보상 시스템을 통해 경쟁모델 대비 19.27% 향상된 F1점수를 기록했으며, 코드와 모델을 공개하여 지속적인 발전에 기여하고 있습니다.