LG AI Research의 ATAD 프로토콜이 LLM 정확도를 21.3~33.9% 낮추는 문제를 생성했다
LG AI Research의 DistPFN이 재학습 없이 불균형 데이터 정확도를 13.7% 높였다
LG AI Research의 LOAM이 LLM으로 RL 공간을 설계해 학습 속도를 3배 높였다.
Sim-GEAR는 메트릭 매칭으로 GEAR 대비 연산 속도 91.1%, 메모리 62.6% 개선했다.
LG AI Research가 TokenGT의 그래프 재구성 메커니즘을 규명했다.
차수 계산 등 기본 그래프 태스크에서 어텐션 헤드를 통한 국소 구조 복원 원리를 규명했다.
LG AI Research가 조성, 구조, 원자 생성 등 다중 결정 생성 작업을 단일 모델로 수행하는 'MCFlow'를 개발해 ICML 2026에 게재했다.
LG AI연구원이 원소 치환까지 가능한 무기 소재 생성 통합 모델 MCFlow를 개발해 ICML 2026에 채택됐다.
LG AI Research가 실제 데이터 없이 사전학습된 경량 Tabular 파운데이션 모델 EXAONE Tabular을 공개했다.
LG AI연구원이 실제 데이터 없이 합성 데이터만으로 사전 학습된 정형 데이터 파운데이션 모델 'EXAONE Tabular'를 공개했다.
LG AI Research가 VLM과 Agentic AI를 활용해 데이터 라벨링부터 배포까지 전 과정을 자동화하는 무인 비전 검사 프레임워크를 공개했다.
LG AI Research가 VLM과 Agentic AI를 결합해 라벨링부터 배포까지 사람 개입을 배제한 자율 비전 검사 프레임워크를 공개했다.
LG AI Research가 실행 오류를 학습 신호로 활용하는 ReSQL을 발표하며 경량 모델의 Text-to-SQL 성능을 개선했다.
LG AI연구원이 경량 모델의 SQL 오류를 학습에 재활용해 GPT-4 성능을 추월한 ReSQL을 공개했다.
LG AI Research는 문서 단위가 아닌 세그먼트 단위로 토픽을 할당해 기존 토픽 모델링의 왜곡 문제를 해결하는 방식을 제안했다.
LG AI 연구원이 문서 대신 문장 단위의 세그먼트에 주제를 할당해 토픽 오염을 해결하는 SBTA 기술을 제안했다.
LG AI연구원이 CVPR 2026의 World Model 연구 흐름과 EDA 적용 가능성을 정리했다.
LG AI Research와 LG U+가 EXAONE 모델을 활용해 ixi-O를 온디바이스 에이전틱 AI로 진화시켰다.
LG AI연구원과 LG유플러스가 EXAONE을 활용해 보안과 효율성을 극대화한 온디바이스 에이전틱 AI 서비스를 구현했다.
LG AI Research가 텍스트와 시각적 요소를 전략적으로 결합해 답변을 생성하는 VinQA 연구를 발표했다.
LG AI연구원이 텍스트와 시각 요소를 적절히 배치해 긴 답변을 생성하는 멀티모달 문서 QA 연구 'VinQA'를 발표했다.
LG AI Research는 데이터 가치 평가 모델인 KNN-SV를 활용해 기존 지식을 보존하며 새로운 데이터를 학습하는 ASER 알고리즘을 제안했다.
LG AI Research가 기존 XAI 모델의 한계를 극복한 새로운 이미지 인식 설명 기술인 SISE를 개발했다.
AI Briefing