본 연구는 딥러닝 기반 자동 윤곽 품질 평가 시스템을 개발하여 방사선 치료의 효율성과 안전성을 향상시켰습니다. 제한된 데이터로도 높은 정확도를 달성하여 수동 작업량을 줄이고, 불확실성 정량화를 통해 더욱 신뢰할 수 있는 방사선 치료 워크플로우를 제공합니다.

장방 등 연구진이 개발한 SAGE 프레임워크는 감정을 지닌 에이전트를 통해 LLM의 고차원 사회적 인지 능력을 평가하는 새로운 방법을 제시합니다. 100개의 대화 시나리오 실험과 18개 모델에 대한 Sentient Leaderboard를 통해 기존 리더보드에서는 드러나지 않았던 LLM 간 성능 차이를 명확하게 보여주며, AI의 사회적 지능 발전에 중요한 기여를 합니다.

본 연구는 기계학습과 설명가능한 AI를 활용하여 골다공증 위험을 예측하는 모델을 개발하고, XGBoost 모델의 높은 정확도와 XAI 기법을 통한 모델의 투명성을 강조합니다. 나이, 호르몬 변화, 가족력이 주요 위험 요소로 확인되었으며, 의료 현장에서의 AI 활용 가능성을 높였습니다.

본 논문은 차량-인프라 통신 보안을 강화하기 위해 NLOS와 LOS 채널을 결합한 다채널, 다요소 인증 방식을 제안하고, 심층 학습 모델을 통해 헤드라이트 섬광 패턴 해독으로 높은 인증 정확도를 달성한 연구 결과를 제시합니다. 이 연구는 자율주행 기술의 안전성 향상에 크게 기여할 것으로 기대됩니다.

Patchwork는 RAG 시스템의 효율적 배포를 위한 혁신적인 프레임워크로, 유연한 사양 인터페이스, 분산 추론 시스템, 온라인 스케줄링 메커니즘을 통해 처리량을 48% 이상 향상시키고 SLO 위반을 24% 감소시키는 놀라운 성과를 달성했습니다.