Sangmin Woo 외 연구팀이 발표한 블랙박스 시각적 프롬프트 엔지니어링(BBVPE)은 대규모 비전 언어 모델(LVLMs)의 환각 문제를 효과적으로 해결하는 새로운 프레임워크입니다. 모델 내부 구조에 대한 접근 없이도 최적의 시각적 프롬프트를 자동 선택하여 환각을 줄이고 모델의 신뢰성을 높이는 혁신적인 기술입니다.

양양 리 연구팀이 메타러닝 기반의 효율적인 신경망 구조 탐색(NAS) 방법을 제시했습니다. 메타 학습률(Meta-LR)과 적응적 대리 모델, 주기적 돌연변이 연산자를 통해 계산 비용을 줄이고 성능과 강건성을 높였으며, CIFAR-10, CIFAR-100, ImageNet1K 데이터셋에서 우수한 결과를 달성했습니다.

Zeng, Wei, Kang 세 연구원은 VEAAT(Vehicular Embodied Agent AI Twins)의 효율적인 마이그레이션을 위한 TinyMA-IEI-PPO 프레임워크를 제시했습니다. MADRL과 Stackelberg 게임 이론을 결합하고, 자체 적응형 구조 가지치기 알고리즘을 통해 계산 효율성을 높였습니다. 이 연구는 자율주행 기술 발전에 크게 기여할 것으로 기대됩니다.

Michelle Nie의 논문은 빅테크 기업들이 AI 기반 알고리즘을 이용하여 소셜 미디어 플랫폼의 중독성을 설계하고, 이를 통해 시장 지배력을 유지하는 방식을 분석합니다. 중독성 디자인, 다크 패턴, 그리고 콘텐츠 조정의 어려움을 지적하며, 이 문제에 대한 정책적 해결책 모색의 필요성을 강조합니다.

Zhu, Jiang, Fan의 ClassWise-CRF는 원격 감지 영상 의미 분할 성능을 향상시키는 혁신적인 아키텍처입니다. 카테고리별 전문가 네트워크 융합과 CRF 활용을 통해 LoveDA와 Vaihingen 데이터셋에서 mIoU 향상을 달성했습니다. 이 연구는 원격 감지 영상 분석 분야에 새로운 가능성을 제시합니다.