본 연구는 네팔어-영어 및 텔루구어-영어 코드 혼합 데이터셋을 활용하여 다양한 기계 학습 모델을 통해 모욕적 언어 감지 성능을 평가한 연구입니다. 저자원 언어 처리 분야에 중요한 기여를 하며, 다국어 소셜 미디어 환경에서의 모욕적 언어 감지 시스템 개발에 기여할 것으로 기대됩니다.

본 연구는 AI 기반 예측 모델을 활용하여 응급실 과밀 문제를 해결하고자 하였으며, 시간 단위 및 일 단위 예측 모델의 성능을 평가했습니다. TSiTPlus와 XCMPlus 알고리즘이 각각 시간 단위 및 일 단위 예측에서 우수한 성능을 보였으며, 이를 통해 응급실 자원 배분 및 환자 흐름 개선에 기여할 수 있음을 시사합니다.

LLM 기반 AI 캐릭터의 정신 건강 위험성을 평가하고 완화하는 EmoAgent 프레임워크가 개발되었습니다. EmoEval과 EmoGuard 두 구성 요소로 이루어진 EmoAgent는 실험 결과, 정신 상태 악화율을 상당히 감소시키는 효과를 보였습니다. 이 연구는 안전한 AI-인간 상호작용을 위한 중요한 이정표를 제시합니다.

본 기사는 인간의 직관적 물리적 추론에 대한 새로운 이중 과정 모델(SHM)을 소개합니다. SHM은 시뮬레이션 시간에 따라 정신 시뮬레이션과 휴리스틱 모델을 전환하는 적응적 모델이며, 다양한 시나리오에서 인간 행동과 높은 일치율을 보입니다.

텐센트 연구팀이 개발한 FROG 모델은 온라인 게임 친구 추천 시스템의 효율성을 획기적으로 개선했습니다. 다양한 사용자 정보와 친구 관계 그래프를 통합하여 사용자 선호도를 정확히 파악하고, 텐센트 실제 서비스 배포 결과 기존 시스템 대비 우수한 성능을 입증했습니다.