Sebastian Barros의 RAN Cortex는 AI 기반 무선 접속 네트워크(RAN)의 맥락 인식 의사결정을 위한 혁신적인 메모리 증강 아키텍처입니다. 과거 네트워크 에피소드를 기억하고 활용하여 더욱 효율적이고 적응적인 의사결정을 가능하게 하며, 경기장 교통 관리 및 드론 이동 관리 등 다양한 분야에 적용될 수 있습니다. O-RAN 인터페이스와의 호환성 및 RIC 도메인 내 배치 가능성을 통해 실제 네트워크 환경에서의 활용도 또한 높습니다.

본 연구는 딥러닝 기반 아토초 스트리킹 위상 회복 기술을 제시하여 기존 알고리즘의 한계를 극복하고, 캡슐 네트워크를 이용해 최고의 회복 정확도를 달성했습니다. 이를 통해 아토초 과학 분야의 발전에 크게 기여할 것으로 기대됩니다.

Lin et al.(2025)의 PARM은 다중 목표 테스트 시간 정렬 문제를 해결하기 위해 단일 통합 ARM과 PBLoRA 기술을 사용하여 추론 비용을 줄이고, 사용자 선호도와의 정렬을 향상시켰으며, 제한된 자원에서도 강력한 LLM을 제어할 수 있도록 합니다.

장준희 등 연구팀은 자원 제약 네트워크에서 멀티모달 대규모 모델의 효율적인 배포를 위한 토큰 통신 패러다임을 제시했습니다. 대조적 분할 미세 조정과 경량 압축 기술을 통해 정확도 13.7% 향상 및 빠른 수렴 속도를 달성했습니다.

Junzhou Xu와 Boyu Diao가 개발한 LoRA-SMoE는 파라미터 민감도 분석을 기반으로 전문가 수를 동적으로 할당하여 효율적인 파인튜닝을 가능하게 하는 새로운 방법입니다. 기존 MoE 방식의 단점을 극복하고, 자원 효율성과 성능 향상을 동시에 달성하여 AI 연구 발전에 기여할 것으로 기대됩니다.