4698 편의 논문
이 논문은 OpenClaw 스타일 에이전트와 스킬 마켓플레이스 환경에서 실행 계층의 취약점을 해결하기 위해, LLM 의도와 스킬을 비신뢰 대상으로 간주하고 마지막 단계의 불변성을 강제하는 '생존성 인식 실행 (SAE)' 미들웨어를 제안하며, 이를 통해 암호화폐 거래 시 최대 낙폭과 위험 가치를 극적으로 감소시키고 공격 성공률을 낮추는 효과를 입증했습니다.
이 논문은 분자 구조의 계층적 인과관계를 포착하면서도 분자 전체의 범위를 유지하기 위해 적응적 비동기 탈노이즈 일정을 도입한 'Equivariant Asynchronous Diffusion (EAD)' 모델을 제안하여 3D 분자 생성 성능을 획기적으로 개선했음을 보여줍니다.
이 논문은 블랙박스 신경망 정책의 해석 불가능성을 해결하기 위해 대규모 언어 모델을 활용해 인간이 읽을 수 있는 코드로 직접 정책을 생성하는 '코드-스페이스 응답 오라클 (CSRO)' 프레임워크를 제안하며, 이를 통해 경쟁력 있는 성능과 함께 설명 가능한 다양한 다중 에이전트 전략을 도출할 수 있음을 보여줍니다.
이 논문은 기존 경량화 기법의 한계를 극복하기 위해 가장 중요한 비트 (MSB) 를 기반으로 한 '소프트 희소성' 패러다임을 제안하여, ReLU 및 Tanh 활성화 함수를 사용하는 CNN 에서 정확도 손실 없이 연산량을 대폭 줄이고 전력 효율을 극대화하는 하드웨어 친화적인 근사 컨볼루션 방법을 제시합니다.
이 논문은 최종 정답뿐만 아니라 추론 과정의 정확성도 고려하기 위해 대비 학습을 정책 최적화에 통합한 CLIPO 를 제안함으로써, 기존 RLVR 의 환각 및 답사 복사 문제를 완화하고 LLM 의 일반화 및 강건성을 향상시킨다고 설명합니다.
이 논문은 '중간 소실' 현상이 학습이나 위치 인코딩 이전에도 초기화 단계에서 이미 존재하는 인과적 디코더의 기하학적 속성임을 수학적으로 증명하고, 표준 학습만으로는 이 구조적 편향을 극복할 수 없음을 실험을 통해 확인했습니다.
이 논문은 기존 VLA 모델의 반응적 한계를 극복하고, 긴 기억을 통해 시간적 일관성을 유지하며 느린 추론과 빠른 제어를 조화시키는 독립적인 자기회귀 행동 전문가 (AR-VLA) 를 제안하여 로봇 정책의 성능과 안정성을 향상시켰습니다.
이 논문은 도메인 전문가의 수동 개입 없이 AI 에이전트가 지속적인 최적화 루프를 통해 데이터 제품의 품질을 자동화하고 인간 감독을 통합하여 데이터 자산의 신뢰성과 관측 가능성을 높이는 시스템을 제안합니다.
이 논문은 생성과 인식이 확장적으로 동등하지만 계산 복잡성, 모호성, 방향성, 정보 가용성, 문법 추론, 시간성 등 여섯 가지 차원에서 근본적인 비대칭성을 보이며, 특히 '생성은 쉽고 구문 분석은 어렵다'는 통념이 생성이 제약받지 않을 때만 성립함을 지적하고 이를 언어 모델의 맥락에서 재해석합니다.
이 논문은 대규모 X(트위터) 네트워크 기반의 사회적 임베딩을 활용하여 사용자의 선호도를 도메인 간에 모델링하고, 피드백이 없는 제로샷 환경에서도 인기 기반 베이스라인보다 우수한 개인화 성능을 달성하며 사회인구학적 요인이 도메인 간 선호도와 상관관계가 있음을 입증합니다.
이 논문은 과거 학습 체크포인트를 식별하고 모델 병합을 통해 새로운 작업에 대한 초기값으로 활용하는 'Mashup Learning'을 제안하여, 기존 방식 대비 정확도를 높이고 학습 속도를 크게 단축한다고 설명합니다.
이 논문은 MCP(모델 컨텍스트 프로토콜) 의 호환성 유연성에서 비롯된 새로운 취약점을 체계적으로 발견하고 이를 악용하는 공격을 식별하기 위해 다국어 SDK 를 분석하는 프레임워크를 제시합니다.
이 논문은 오픈소스 MCP 서버의 대규모 정적 코드 분석을 통해 취약점을 식별하고 위협 패턴을 매핑하여, 신뢰할 수 있는 에이전트 배포를 위한 새로운 위험 평가 프레임워크를 제안합니다.
이 논문은 신호 처리의 적응형 잡음 제거 개념을 차용하여, 추가 학습이나 외부 지식 없이 추론 시 실시간으로 환각 관련 뉴런을 선택적으로 억제함으로써 사실성 정확도를 높이는 동시에 모델의 일반적 성능을 전혀 저하시키지 않는 '적응형 활성화 취소 (AAC)' 프레임워크를 제안합니다.
이 논문은 비전 - 언어 모델을 활용해 누락된 개념의 의미적 서명을 인코딩한 차분 키 () 를 생성하여 확산 과정 초기의 공유 크로스 어텐션 키 공간에 주입함으로써, 추가 학습이나 구조 변경 없이 복잡한 다중 인스턴스 장면 생성 시 발생하는 개념 누락을 해결하는 'Delta-K'라는 프레임워크를 제안합니다.
이 논문은 비영어권 (인도) 데이터와 ChatGPT 가 생성한 데이터를 활용하여 기존 PassGAN 모델보다 우수한 성능을 보이며, Jaro 유사도 기반 매칭을 통해 약한 비밀번호를 효과적으로 탐지하는 다국어 AI 기반 비밀번호 강도 측정기를 개발하고 검증했습니다.
이 논문은 확률적 밴딧 문제에 대한 정책 경사법의 연속 시간 확산 근사를 분석하여 학습률 조건에 따른 후회 (regret) 의 상한과 하한을 증명합니다.
이 논문은 로봇 초음파를 활용하여 호흡 및 수술 조작으로 인한 연조직 변형을 실시간으로 추정하고 이를 정적 CBCT 이미지에 반영함으로써 방사선 노출 없이 수술 중 내비게이션 정확도를 향상시키는 새로운 프레임워크를 제안합니다.
이 논문은 교차 엔트로피 손실의 한계를 극복하고 해석 가능성과 지속 가능성을 향상시키기 위해 유클리드 거리를 다양한 거리 척도로 대체한 조화 손실 (harmonic loss) 을 체계적으로 연구하여, 비유클리드 거리 기반 손실이 비전 및 언어 모델에서 성능과 효율성을 동시에 개선함을 입증했습니다.
이 논문은 레이 트레이싱 데이터를 활용하여 양자 회로를 최적화함으로써, 채널 측정이 불필요하고 약한 신호에도 민감하며 고전적 방법보다 적은 정보로도 환경 학습이 가능한 양자 RF 센싱 기반 국소화 시스템을 제안하고 그 유효성을 입증합니다.