인간 중심 AI와 설명 가능한 AI를 결합한 3단계 프레임워크가 제시되었으며, 의료, 금융, 소프트웨어 개발 등 다양한 분야에서의 실증적 평가를 통해 그 효과가 입증되었습니다. 이 프레임워크는 AI에 대한 신뢰도를 높이고, 더 안전하고 효과적인 AI 시스템 구축에 기여할 것으로 기대됩니다.

Jin Naizhu 등 연구진이 개발한 MSCoT는 다중 프로그래밍 언어를 지원하는 혁신적인 코드 생성 모델입니다. 12개 언어를 위한 대규모 CoT 생성 데이터셋을 구축하고, 뛰어난 일반화 성능을 보이는 MSCoT 모델을 개발하여 오픈소스로 공개함으로써 다중 프로그래밍 언어 환경에서 코드 생성 기술 발전에 크게 기여했습니다.

Qiuyan Xiang 등 연구진이 MindSpore 기반 CNN-BiLSTM 네트워크를 이용한 네트워크 트래픽 이상 탐지 모델을 개발하여 NF-BoT-IoT 데이터셋에서 정확도, 정밀도, 재현율, F1 점수 모두 99%의 높은 성능을 달성했습니다. 이는 IoT 및 IIoT 환경의 복잡한 네트워크 보안 문제 해결에 중요한 의미를 갖습니다.

Zhou와 Yu 연구팀이 개발한 EDNAG는 진화 알고리즘과 확산 모델을 결합하여 기존 NAS의 한계를 극복한 혁신적인 신경망 구조 생성 방법입니다. 정확도 향상과 훈련 시간 및 추론 시간 단축이라는 놀라운 성과를 달성하며, AI 발전에 새로운 가능성을 제시했습니다.

Zhang Enqi의 연구는 SNN을 이진 활성화 RNN으로 보고 시퀀스 모델링의 문제점을 해결하기 위해 재설정 메커니즘과 난굴절 기간을 체계적으로 분석하고 고정 난굴절 기간 SNN 아키텍처를 제안합니다. 이는 SNN의 시퀀스 모델링 성능 향상에 크게 기여할 것으로 예상됩니다.