삼성전자 영국 연구소가 기기 내 LLM 추론 정확도를 높이는 CG-TTRL 프레임워크를 공개했다.
삼성 리서치가 배터리 프리 6G 연결을 위한 Ambient IoT 설계안을 공개했다.
삼성 R&D가 멀티 에이전트 AI의 의사결정 투명성을 높이는 langgraph-goat을 공개했다.
3GPP Release 20이 정지 궤도 위성용 NB-IoT NTN에 1.0, 1.4 kbps 초저비트레이트 음성 코덱을 표준화했다.
삼성전자가 가사와 음악 구조를 함께 분석해 인간 전문가 수준으로 노래를 평가하는 AI 프레임워크를 공개했다.
삼성전자가 700KB 용량으로 스마트폰에서 30ms 미만 추론이 가능한 초경량 음성 분류 인코더 AnySimLite를 공개했다.
삼성전자가 6G NTN을 지상망 대체가 아닌 서비스 연속성 계층으로 정의하고, 지상권 밖에서도 필수 모바일 서비스가 중단되지 않도록 하는 기술적 기반을 제시했다.
6G 유즈 플레인은 기존 계층 구조를 단순화하고 지능형 처리를 도입해 지연 시간과 에너지 효율을 극대화할 것이다.
삼성리서치가 AI를 활용해 5G-Advanced 및 6G 네트워크에서 개별 사용자의 체감 품질 저하를 예측하고 선제적으로 제어하는 기술을 제안했다.
삼성이 압축 CSI와 AI 기반 프리코딩으로 업링크 효율 향상 방안을 제안했다.
삼성은 FDMA와 Hopfield Neural Network로 Ambient-IoT 태그의 비트 복구 효율을 높였다.
LittleBit-2가 잠재 기하 정렬로 1비트 미만 LLM의 양자화 성능을 높였다.
NanoQuant가 단일 H100 GPU로 70B LLM을 1비트 미만으로 압축한다.
LLM의 효율성을 극대화하기 위해 잔차를 활용하여 정확도를 높인 이진화 학습 기술인 RaBiT를 제안한다.
삼성 R&D가 특수 직교군(SOG) 등변 구조를 활용해 위상 오류와 가산 잡음을 동시에 처리하는 저복잡도 AI 채널 추정 기법 SOGeCE를 제안했다.
삼성 리서치 아메리카가 ECG를 학습 보조 신호로 활용해 PPG 표현력을 높이는 크로스모달 사전학습 프레임워크 xMAE를 제안했다.
삼성리서치가 256포트 X-MIMO 환경의 극한 압축을 위한 2단계 AI CSI 피드백 훈련 방법을 제안했다.
저장 공간이 제한된 온디바이스 환경에서 데이터 없이도 LLM의 능력을 지속적으로 확장하는 K-Merge 프레임워크를 제안한다.
ITU-R의 IMT-2030 요구사항을 분석하여 차세대 6G 통신 기술의 표준화 방향과 평가 가이드라인을 제시한다.
CSA가 앰비언트 센싱과 향상된 제어 기능을 포함한 Matter 1.6 버전을 출시했다.
6G 시대의 복잡한 네트워크 관리를 해결하기 위해 기존의 규칙 기반 자동화를 넘어 스스로 판단하고 실행하는 AI 에이전트 기반의 자율적 네트워크 관리가 부상하고 있다.
삼성 R&D 연구소에서 온디바이스 실행이 가능한 고효율 픽셀 정밀 테이블 구조 인식 기술인 PIX-TAB을 제안했다.
AI Briefing