본 연구는 AI 기반 일기예보(AIWP)와 수치예보(NWP) 모델의 공정한 비교를 위한 새로운 척도인 PC(Potential Continuous Ranked Probability Score)를 제안하고, WeatherBench 2 데이터를 이용한 실험을 통해 데이터 기반 모델의 우수성을 입증했습니다. PC 척도는 모델 출력의 변환에 불변하며, 실제 운영 환경의 예측 성능을 잘 반영합니다.

Wu Jianfeng과 Xu Nannan 연구팀이 개발한 SAAT 모델은 Transformer 기반 초해상도 이미지 복원 기술의 한계를 극복하고, 채널 및 공간 정보의 시너지를 통해 SOTA 수준의 성능을 달성했습니다. 효율적인 계산과 우수한 성능을 동시에 구현한 SAAT는 AI 기반 이미지 처리 기술의 발전에 크게 기여할 것으로 기대됩니다.

ComRoPE는 학습 가능한 교환 각도 행렬을 사용하여 기존 RoPE의 한계를 극복하고 확장성과 강건성을 향상시킨 혁신적인 위치 인코딩 방법입니다. ImageNet-1K 데이터셋에서 최첨단 성능을 달성했으며, 오픈소스로 공개되어 재현성을 확보했습니다.

본 연구는 수학 문제 풀이를 위한 시각 자료 자동 생성 프레임워크 Math2Visual을 제시합니다. 수학교사 인터뷰를 바탕으로 설계된 Math2Visual은 1,903개의 시각 자료 데이터셋을 활용하여 TTI 모델의 성능을 평가하고 개선합니다. 다중 모드 교육 콘텐츠 생성의 어려움과 향후 연구 방향을 제시하는 의미있는 연구입니다.

장채윤, 최문석, 김예곤, 이현기, 이주호 연구팀은 스칼라 자신감 레이블만으로 LLM의 자기 검증 행동을 유도하는 방법을 발견했습니다. 명시적 추론 감독 없이도 모델은 자신감 수준에 따라 응답 길이와 자기 점검 과정을 조절하며, 보정된 불확실성 기반의 테스트 시간 스케일링을 통해 성능과 해석력이 향상되었습니다.