Feiran You와 Hongyang Du가 제안한 ReaCritic은 대규모 추론 트랜스포머 기반 비평가 모델 확장 방식으로, 이종 네트워크(HetNets)의 지능형 관리를 위한 심층 강화 학습(DRL) 알고리즘의 성능을 크게 향상시킵니다. 수평 및 수직 추론을 통해 다양한 HetNet 설정과 OpenAI Gym 제어 작업에서 수렴 속도와 최종 성능을 개선하는 것으로 나타났습니다.

설명 가능한 인공지능(XAI) 분야의 획기적인 연구인 "Most General Explanations of Tree Ensembles"는 트리 기반 앙상블 모델에 대한 가장 일반적인 설명을 찾는 방법을 제시하여 AI 의사결정 과정의 이해도와 신뢰도를 높였습니다. IJCAI 2025 학회 채택으로 그 중요성을 인정받았습니다.

Shen 등의 연구는 RAG 시스템의 성능 향상을 위해 합성 데이터를 활용하는 RAGSynth 프레임워크를 제시합니다. SynthBench라는 새로운 벤치마크와 광범위한 실험을 통해 RAGSynth가 검색기의 강건성과 생성기의 충실도를 향상시키고 다양한 도메인에서 일반화 성능을 보이는 것을 확인했습니다. 오픈소스 공개를 통해 더 많은 연구자들의 참여를 유도하고 AI 기술 발전에 기여할 것으로 기대됩니다.

본 연구는 딥 강화 학습(DRL)을 활용하여 사출 성형 공정을 실시간으로 최적화하는 프레임워크를 제시합니다. 실제 제조 비용을 고려한 수익 함수와 대리 모델을 통해 제품 품질과 수익성을 동시에 고려하며, 기존 방식 대비 최대 135배 빠른 추론 속도를 달성하여 실시간 적용에 적합함을 보였습니다.

본 기사는 유전체 기반 모델(GFMs)의 적대적 공격에 대한 취약성을 평가하는 최초의 통합적 벤치마크인 GenoArmory에 대한 연구 결과를 소개합니다. GenoArmory는 GFMs의 안전성 향상과 윤리적 AI 개발에 기여할 중요한 연구 성과로 평가됩니다.