11명의 연구진이 개발한 TextAtari 벤치마크는 10만 단계에 이르는 Atari 게임 플레이를 통해 언어 에이전트의 장기 의사결정 능력을 평가합니다. AtariARI 프레임워크를 사용하여 시각 정보를 텍스트로 변환하고, 다양한 모델과 시나리오를 통해 언어 에이전트의 한계와 발전 가능성을 제시합니다. 결과적으로 언어 에이전트와 인간의 성능 차이가 확인되었으며, 이는 향후 AI 연구의 중요한 방향을 제시합니다.

AI와 AR, 게이미피케이션을 결합한 문화유산 애플리케이션 아키텍처 연구는 사용자 참여도와 교육적 효과를 높이고, 다양한 문화유산 환경에 적용 가능한 확장성을 제공합니다. 이는 문화유산 접근성과 이해도를 높이는 혁신적인 접근 방식으로 평가됩니다.

러시아 연구진이 개발한 AmbiK 데이터셋은 주방 환경에서 로봇에게 주어지는 모호한 명령어들을 다루는 데 초점을 맞춘 새로운 데이터셋입니다. LLM을 활용하여 1000개의 모호한 지시어와 그에 대한 명확한 해석을 제공하며, 모호성 유형 분류, 추가 정보 제공 등을 통해 다각적인 연구를 가능하게 합니다. 이를 통해 모호성 감지 방법의 비교 연구 표준화 및 더욱 정확하고 효율적인 로봇 개발에 기여할 것으로 기대됩니다.

Jiang Jun-Peng 등 연구진이 개발한 Turbo는 이미지 형태의 표 데이터를 처리하는 새로운 멀티모달 추론 프레임워크로, 제한된 데이터로도 최첨단 성능을 달성하여 AI 기반 데이터 분석 분야에 혁신을 가져왔습니다.

유럽 언어 지원에 초점을 맞춘 대규모 언어 모델 EuroLLM-9B가 개발되었으며, AI 기반 필터링 기술과 합성 데이터셋을 활용하여 뛰어난 성능을 달성했습니다. 모든 구성 요소를 공개하여 개방형 연구를 지원하며, 유럽 언어의 디지털 격차 해소에 기여할 것으로 기대됩니다.