신성복, 전현, 홍상현, Niklas Elmqvist 연구팀이 개발한 '데이터 테라피스트'는 LLM을 활용하여 전문가의 암묵적 지식을 추출하고, 이를 데이터 시각화 디자인에 활용하는 혁신적인 도구입니다. 다양한 분야 전문가 참여를 통한 질적 연구는 AI 지원 시각화 디자인 개선에 대한 중요한 시사점을 제공합니다.

본 기사는 기초 모델(FMs)의 토큰 표현 방식의 한계를 극복하기 위해 디지털 트윈(DT) 표현 방식을 제안한 최신 연구 결과를 소개합니다. 연구진은 DT가 FMs의 모달 간 의미 일관성, 시공간 역동성 포착, 인과 추론 능력을 향상시킬 수 있다고 주장하며, AI 분야의 새로운 패러다임 전환을 예고합니다.

본 논문은 AI 기반 Insider Risk Management (IRM) 시스템을 제시하며, 적응형 AI 모델을 통해 위협 탐지 정확도를 크게 향상시키고, 효율적인 확장성과 사건 대응 시간 단축을 통해 실질적인 효과를 입증했습니다. 향후 설명 가능한 AI 및 연합 학습 등의 기술 통합을 통해 더욱 발전될 것으로 예상됩니다.

Crandall과 Skaggs의 연구는 Junior High Game을 이용한 인간 행동 모델링 연구를 통해, 공동체 인식 행동과 인구 분포를 고려하는 hCAB 모델이 높은 성능을 보이며 인간과 구분이 어려울 정도로 현실적인 결과를 보여준다는 것을 밝혔습니다. 이는 사회 문제 해결을 위한 새로운 가능성을 제시하는 획기적인 연구입니다.

Zeng 박사 연구팀이 개발한 LENSLLM은 LLM의 파인튜닝 역학을 분석하여 효율적인 모델 선택을 가능하게 하는 혁신적인 프레임워크입니다. 높은 정확도와 계산 비용 절감 효과를 통해 LLM 연구 및 응용 분야에 큰 영향을 미칠 것으로 예상됩니다.