HSSBench는 인문사회과학 분야에 특화된 MLLM 평가 벤치마크로, 최첨단 모델조차 어려움을 겪는 난이도 높은 과제를 제시하며, 인공지능의 학제 간 추론 능력 향상을 위한 새로운 방향을 제시합니다.

본 논문은 시간에 따른 인과 관계를 효과적으로 설명하는 새로운 알고리즘을 제시합니다. 기존 방법의 한계를 극복하기 위해 재귀적 설명 트리를 도입하여 합성 시계열 데이터 및 2D 그리드 게임 환경에서 성능을 검증하였으며, 다양한 분야에 적용 가능한 잠재력을 보여줍니다.

인도의 다양한 언어를 위한 제로샷 TTS 합성 기술 개발에 대한 연구 결과를 소개하며, 언어 간 유사성을 활용한 새로운 접근 방식과 그 효과를 강조합니다. 소외된 언어 사용자를 위한 기술 접근성 향상에 기여하는 중요한 연구입니다.

본 기사는 Jin et al.(2025)의 RadialRouter에 대한 연구 결과를 소개합니다. RadialRouter는 효율적이고 강력한 대규모 언어 모델 라우팅을 위한 새로운 프레임워크로, 기존 방법 대비 성능 향상과 강건성 향상을 보여줍니다. RadialFormer와 특수 목적 함수를 활용하여 쿼리와 LLM 간의 관계를 효과적으로 모델링하고, 다양한 상황에 적응할 수 있는 뛰어난 성능을 보입니다.

JointSplat은 희소 뷰 기반 3D 재구성에서 기존 기술의 한계를 극복하는 혁신적인 방법입니다. 광학 흐름과 깊이 정보의 확률적 최적화 및 다중 시점 깊이 일관성 손실 함수를 통해 높은 정확도와 강인성을 달성하며, AR/VR 등 다양한 분야에 혁신을 가져올 것으로 기대됩니다.