Zhang 등의 연구에서 제시된 CityNavAgent는 계층적 의미 계획 모듈과 전역 메모리 모듈을 통해 도시 환경에서의 드론 자율주행 문제를 해결하는 혁신적인 에이전트입니다. LLM 기반의 지능형 시스템으로 최첨단 성능을 달성하며, 다양한 분야에서 드론 활용의 잠재력을 높일 것으로 기대됩니다.

Lorenzo Di Fruscia와 Jana Marie Weber 연구팀은 Llama-3.1 LLM을 활용하여 효소 반응 예측의 정확도를 높이는 연구를 진행했습니다. 단일 및 다중 작업 학습 전략을 비교하고, 데이터 부족 환경에서의 적응성을 평가하여 LLM의 실용성을 높였습니다. 계층적 EC 분류 체계의 어려움 등 LLM의 한계점을 제시하며, 향후 연구 방향을 제시했습니다.

Qing Wang 외 7명의 연구진이 개발한 scDrugMap은 단일 세포 데이터를 활용한 약물 반응 예측 플랫폼으로, 다양한 기초 모델들의 성능을 비교 분석하여 약물 발견 및 중개 연구에 새로운 가능성을 제시합니다. pooled-data 설정에서 scFoundation, cross-data 설정에서 UCE와 scGPT 모델이 우수한 성능을 보였습니다.

Lennart Luettgau 외 연구진이 개발한 HiBayES는 제한된 데이터 상황에서도 강력하고 신뢰할 수 있는 AI 성능 평가를 가능하게 하는 계층적 베이지안 모델링 프레임워크입니다. GLM, 베이지안 데이터 분석, 형식적 모델 비교를 기반으로 하며, HiBayES 소프트웨어 패키지(베타 버전)를 통해 쉽게 구현 가능합니다.

포르투갈 연구진이 개발한 SCoPE2는 AI 기반 소프트웨어 취약점 탐지 시스템의 전처리 속도를 97.3% 향상시키고, LLM의 F1-score를 개선했습니다. 다양한 프로그래밍 언어와 새로운 변환을 지원하는 확장성과 적응성을 갖춘 SCoPE2는 소프트웨어 보안 강화에 크게 기여할 것으로 기대됩니다.