4852 편의 논문
이 논문은 교차 사일로 연방 학습에서 무거운 암호화 기법 없이 백도어 주입과 망각 현상을 활용해 경량의 내재적 증명 (Intrinsic Proofs) 을 구축함으로써, 서버의 무결성 위반을 검출하면서도 최종 모델의 유용성을 보존하는 새로운 검증 가능 집계 아키텍처를 제안합니다.
이 논문은 시각 기반 모델의 지적 재산권을 보호하기 위해 입력 이미지의 내부 표현에 무작위 디지털 워터마크를 임베딩하여 모델 소유권을 검증하는 새로운 방법을 제안하고, 이론적·실험적 검증을 통해 그 정확성을 입증합니다.
이 논문은 실제 세계의 스키마 진화에 대비하여 텍스트 -SQL 시스템의 견고성을 평가하고 향상시키기 위해 열 가지 교란 유형을 포함하는 포괄적인 벤치마크인 EvoSchema 를 제안하고, 이를 통해 테이블 수준의 변경이 모델 성능에 더 큰 영향을 미치며 다양한 스키마 설계로 훈련된 모델이 더 뛰어난 견고성을 보임을 입증합니다.
본 논문은 Schema.org 마크업과 링크드 데이터 플랫폼 기반의 구조화된 엔티티 페이지를 활용하여 표준 및 에이전트 기반 RAG 시스템의 정확도와 답변 품질을 크게 향상시킬 수 있음을 실험을 통해 입증했습니다.
이 논문은 혼합 음성과 짧은 등록 음성을 조건으로 하여 혼합 비율 예측 없이 한 번의 단계로 목표 화자 음성을 추출하는 새로운 생성 모델 'AlphaFlowTSE'를 제안하며, 이를 통해 지연 시간을 줄이고 화자 유사성 및 실제 환경에서의 자동 음성 인식 성능을 향상시켰습니다.
이 논문은 기존 음성 위조 탐지 모델의 한계를 극복하고 다양한 생성 기술과 입력 변형에 대한 견고성을 검증하기 위해 제안된 모델 독립적인 확률적 프레임워크인 PV-VASM 과 그 이론적 상한선 및 실험적 유효성을 소개합니다.
이 논문은 열화상과 가시광선 영상을 활용한 교차 스펙트럼 기반의 CTCNet 모델과 교통 규제 지식을 통합한 새로운 대규모 벤치마크 Traffic-VQA 를 제안하여, 열악한 조명 조건에서도 UAV 를 통한 정교한 교통 장면 이해 및 위반 행위 감지를 가능하게 합니다.
이 논문은 대규모 오디오 언어 모델과 인간이 주석한 데이터셋에서 도출된 사고 연쇄 추론을 결합하여, 새로운 오디오 도메인 및 생성기에 대한 일반화 성능과 예측에 대한 인간이 이해할 수 있는 해석 가능성을 동시에 갖춘 새로운 음성 딥페이크 탐지 프레임워크인 HIR-SDD 를 제안합니다.
이 논문은 기존 모델의 재학습 없이도 베이지안 항등 매핑과 구조화된 교란 분석을 통해 알레토릭 및 에피스테믹 불확실성을 동시에 추정할 수 있는 범용 플러그인 프레임워크 'CUPID'를 제안합니다.
이 논문은 제한된 공통 무작위성 하에서 데이터 샘플만을 활용하여 목표 분포와 AE 출력 분포 간의 총변동 거리를 최소화하는 오토인코더 기반의 심층 무작위 분산 함수 계산 (DeepRDFC) 프레임워크를 제안하고, 기존 데이터 압축 방법 대비 뛰어난 통신 부하 효율성을 입증합니다.
이 논문은 비전 언어 모델의 얕은 계층에서 직접 스칼라 활성화 값을 추출하여 '슈퍼 뉴런'을 식별함으로써, 추가 학습 없이도 분류 성능을 향상시키고 최대 5.10 배의 속도 향상을 이루는 새로운 효율적 접근법을 제안합니다.
이 논문은 5G/6G 네트워크 계획의 신뢰성을 높이기 위해 공간적 자기상관으로 인한 데이터 누출을 방지하고 잔차 보정을 적용한 문맥 인식 2 단계 분할 전략을 통해 셀룰러 트래픽 수요를 정확하게 예측하는 AI 기반 프레임워크를 제안합니다.
이 논문은 공개된 배포 기록을 기반으로 스펙트럼 수요를 추정하기 위해 계층적 다해상도 그래프 어텐션 네트워크 (HR-GAT) 를 제안하며, 다섯 개 캐나다 도시에서의 평가 결과 기존 최우수 모델 대비 중앙값 RMSE 를 약 21% 감소시키고 공간적 편향을 줄여 무선 네트워크의 스펙트럼 공유 및 할당을 지원함을 보여줍니다.
이 논문은 금융 서비스 환경에서 LLM 의 위험을 정량화하기 위해 도메인 특화 해악 분류 체계, 자동화된 적색 팀링 파이프라인, 그리고 운영적 심각도를 고려한 '위험 조정 해악 점수 (RAHS)'를 통합한 새로운 평가 프레임워크를 제안합니다.
이 논문은 도메인 전문성을 가진 AI 에이전트 구축을 위한 새로운 패러다임인 '양육 우선 개발 (Nurture-First Development)'을 제안하며, 에이전트를 초기에 최소한의 구조로 설정한 후 전문가와의 대화적 상호작용을 통해 지식을 점진적으로 응고화하고 구조화하는 '지식 결정화 사이클'을 핵심 메커니즘으로 삼아 기존의 코드나 프롬프트 우선 접근법의 한계를 극복함을 설명합니다.
이 논문은 사전 훈련된 확산 모델을 매니폴드 사전으로 활용하여, 단백질의 원하는 특성 달성, 변이 최소화, 그리고 접힘 가능성이라는 세 가지 목표를 균형 있게 충족시키는 생물학적으로 타당한 최소 변이를 생성하는 'MCCOP' 프레임워크를 제안하고 GFP 형광 회복, 열역학적 안정성 향상, E3 리가제 활성 복구 등 다양한 단백질 공학 과제에서 기존 방법론보다 우수한 성능을 입증합니다.
이 논문은 현재 스피치 인식 LLM 의 화자 식별 능력이 부족함을 규명하고, ECAPA-TDNN 임베딩을 주입하고 LoRA 를 미세조정하는 경량 증강 기법을 통해 자연어 인터페이스를 유지하면서 화자 검증 성능을 획기적으로 개선한 'ECAPA-LLM'을 제안합니다.
이 논문은 대규모 기초 모델의 계산 비용을 줄이기 위해 작은 예측 헤드에만 베이지안 불확실성 모델링을 적용하여 불일치 기반의 능동적 프롬프트 선택을 가능하게 하는 'BALD-SAM' 프레임워크를 제안하며, 다양한 도메인에서 인간 및 오라클 프롬프트를 능가하는 상호작용적 분할 성능을 입증합니다.
이 논문은 기존 cue-conflict 벤치마크의 불안정성과 모호성을 지적하고, 명확한 정의와 전체 라벨 공간에 걸친 평가 메커니즘을 통해 모양과 질감 편향을 더 신뢰성 있게 진단할 수 있는 새로운 프레임워크인 REFINED-BIAS 를 제안합니다.
이 논문은 외부 센서나 추가 인프라 없이 상용 노트북의 내장 Wi-Fi 하드웨어만으로 사용자의 존재를 감지할 수 있는 최초의 저비용 솔루션인 '범위 필터링 도플러 스펙트럼 (RF-DS)' 기법과 적응형 다중 속도 처리 프레임워크를 제안합니다.