중국 연구진이 개발한 협업적 보상 모델링(CRM)은 두 개의 보상 모델을 활용하여 잡음이 많은 데이터에서도 LLM을 효과적으로 정렬하는 혁신적인 기술이다. RewardBench 실험 결과 최대 9.94%의 정확도 향상을 보였으며, 향후 AI의 윤리적 문제 해결에 크게 기여할 것으로 기대된다.

본 연구는 이미지 기반 시선 예측 모델의 데이터셋 편향 문제를 다루며, 새로운 아키텍처를 통해 일반화 성능을 크게 향상시켰습니다. 50개의 샘플만으로도 상당한 성능 향상이 가능하다는 점이 특징이며, 실제 응용 분야에서의 활용 가능성을 높였습니다.

6G 네트워크를 위한 혁신적인 위치 추정 기반 모델 LWLM이 개발되었습니다. 자기 지도 학습과 정보 병목 이론을 활용하여 다양한 환경에서 우수한 성능과 일반화 능력을 보이며, 기존 모델 대비 26.0%~87.5% 향상된 성능을 달성했습니다.

Retno Larasati 연구원의 논문은 AI 음성 인식 기술의 의료 분야 적용에서 발생하는 포괄성 문제를 심층적으로 분석하고, 포괄적인 데이터셋 구축, 편향 완화 연구, 정책적 지원의 필요성을 강조합니다. 이는 AI 기술 발전의 윤리적 책임을 일깨워주는 중요한 연구입니다.

Borja Genoves Guzman 등 연구진은 가시광 통신(VLC)의 링크 차단 문제 해결을 위해 각도 다이버시티 수신기(ADR)와 광 재구성 지능형 표면(ORIS)을 결합한 시스템을 제시했습니다. 최적화 알고리즘을 통해 최대 30dB의 SNR 향상을 달성, 통신 품질을 획기적으로 개선했습니다. 이 연구는 더욱 발전된 가시광 통신 시대를 앞당길 핵심적인 성과입니다.