Jiang Siyang 등 연구진이 개발한 Llambda 시스템은 저해상도 영상에서의 인간 행동 이해를 위한 혁신적인 시스템으로, 대조 학습과 물리적 지식 기반의 캡셔닝 기술을 통해 기존의 한계를 극복하고 최대 40.03% 향상된 성능을 달성했습니다. On-device 배포 가능성을 확보하여 실제 환경에서의 활용도가 높을 것으로 기대됩니다.

PeSANet은 제한된 데이터와 불완전한 물리적 정보에도 불구하고 복잡한 시스템을 정확하게 예측하는 혁신적인 AI 모델입니다. 물리 인코딩 블록과 스펙트럼 어텐션 메커니즘을 통해 국소 및 전역 정보를 통합하고, 장기 예측 정확도에서 뛰어난 성능을 보입니다.

Eva Andrés, Manuel Pegalajar Cuéllar, Gabriel Navarro 연구팀이 뇌의 기능을 모방한 양자 신경망 아키텍처를 개발했습니다. QSNN과 QLSTM을 결합하여 신용카드 사기 탐지 등 이상 징후 감지에 효과적인 모델을 제시하였으며, 향후 다른 양자 모델 및 클래식 모델과의 비교 분석을 통해 성능을 검증할 예정입니다.

Sun Chuan, Yu Han, Cui Lizhen 연구팀이 개발한 Shapley Value 기반 비균일 가지치기(SVNP)는 LLM의 효율성을 크게 향상시키는 혁신적인 방법입니다. Sliding Window 기반 근사 방법을 통해 계산 비용을 줄이고, 다양한 LLM에서 우수한 성능을 보였습니다.

PASCAL은 에너지 효율적인 SNN 개발을 위한 획기적인 ANN-SNN 변환 기법으로, 기존 방식의 한계를 극복하고 정확도와 효율성을 동시에 향상시켰습니다. 계층별 최적화를 통해 inference timesteps을 대폭 감소시켰으며, 실용적인 SNN 개발에 크게 기여할 것으로 기대됩니다.