搜索关键词 IEEE
AI & Enterprise
KAIST推出两项多模态AI技术 提升传感器理解并减少“幻觉”
KAIST发布两项多模态大语言模型改进技术。其中，DNA用于提升模型对热成像、深度图、X光等传感器数据的理解能力；MAD则可在无需重新训练的情况下，减少视觉与听觉信息混淆引发的“幻觉”。MAD相关成果已在CVPR发布；DNA相关成果发表于《IEEE Transactions on Image Processing》。
AI & Enterprise
KAIST：AI智能体单次问答耗电可达传统生成式问答136.5倍
KAIST研究团队首次在真实服务环境下系统量化AI智能体的算力消耗与能耗表现。研究发现，AI智能体因反复调用大语言模型，响应时延最高可增至传统方式的153.7倍，单次问答平均耗电348.41Wh，约为传统生成式问答的136.5倍。在高频请求场景下，相关负载还可能显著推高AI数据中心的电力需求。
AI & Enterprise
KAIST研发主动空气动力技术 提升高性能电动车制动与过弯表现
KAIST研究团队开发出一项可根据行驶状态实时调节车辆周围气流的主动空气动力技术，并在Hyundai Motor支持下完成“多重主动空气动力系统”开发。该系统可统一控制车辆前后4个空气动力学装置，并根据车速和转向状态自动匹配最优模式。赛道实测结果显示，系统可缩短单圈时间，同时提升制动表现、过弯能力和车辆稳定性。
