4907 편의 논문
이 논문은 데이터가 부족한 NPU 커널 합성 분야에서 대규모 언어 모델의 성능 저하를 해결하기 위해, 가치 기반 기억 메커니즘을 통해 경험을 축적하고 단계별로 최적화하는 자기 진화 에이전트 프레임워크인 EvoKernel 을 제안합니다.
이 논문은 기하학적 SLAM 과 GNSS 만으로는 해결하기 어려운 포도원의 행 반복성 문제를 해결하기 위해, 2D LiDAR 와 트렁크/기둥 검출을 통합한 '의미론적 랜드마크 입자 필터 (SLPF)'를 제안하여 로보트의 국소화 정확도와 행 식별 능력을 크게 향상시켰음을 보여줍니다.
이 논문은 희소 롤아웃 환경에서 사전 학습된 일반 가치 모델의 예측을 사전 지식으로 활용하고 실시간 통계 검증을 통해 추가 롤아웃 예산을 동적으로 할당함으로써, 편향과 분산을 균형 있게 제어하여 GRPO 및 DAPO 보다 우수한 성능을 보이는 새로운 가치 모델 를 제안합니다.
이 논문은 그리드, 로드맵, 연속 공간 등 다양한 추상화 수준에서 동일한 작업을 실행할 수 있는 통합된 2D 시뮬레이터 및 벤치마크인 'GRACE'를 제안하여, 다중 로봇 경로 계획 연구의 투명성, 재현성, 그리고 표현 수준 간 비교 가능성을 높이는 것을 목표로 합니다.
이 논문은 영어와 독일어 카탈로그 기록에 통합 권위 파일 (GND) 주석이 달린 대규모 이언어 말뭉치와 머신 액션 가능한 GND 분류 체계를 공개하여, 확장 가능한 주제 색인 및 권위 기반 AI 보조 도구를 위한 오토니지 인식 다중 레이블 분류 연구를 가능하게 한다고 요약할 수 있습니다.
이 논문은 U-Net 을 변형한 파라미터 효율적인 Diffusion Transformer 를 도입하여 200bp 세포 유형별 조절 DNA 서열을 생성하고, Enformer 기반 보상 모델을 활용한 DDPO 미세조정을 통해 예측된 조절 활성을 38 배 향상시켰음을 보고합니다.
이 논문은 대규모 추론 모델의 강화학습 미세조정 과정에서 비용이 많이 드는 롤아웃을 줄이고 학습 효율성을 극대화하기 위해, 히든 마르코프 모델을 기반으로 한 동적 예측 샘플링 (DPS) 을 제안하여 학습 동역학을 사전에 예측하고 정보량이 풍부한 프롬프트를 선별하는 방법을 제시합니다.
본 논문은 대형 언어 모델의 사실성 부족과 추론 한계를 극복하기 위해, 반복적 스키마 정제 알고리즘으로 구축된 하이브리드 제약 지식 베이스와 검증 기반 체인 추론을 결합한 'PharmGraph-Auditor' 시스템을 제안하여 처방 검증의 안전성과 추적 가능성을 강화하는 방법을 제시합니다.
이 논문은 드래프트 생성 없이 파라미터 효율적인 모듈을 통해 미래의 KV 중요도를 예측함으로써, 기존 방법들보다 훨씬 낮은 오버헤드로 긴 컨텍스트 작업에서 KV 캐시 제거의 정확성과 속도를 동시에 향상시키는 'LookaheadKV'를 제안합니다.
이 논문은 다양한 데이터로 LoRA 파인튜닝을 수행할 경우, Qwen-0.5B 기반의 소형 LLM TTS 시스템이 음질, 화자 유사도, 신호 대 잡음비 측면에서 고정된 베이스 모델보다 우수한 성능을 발휘함을 입증합니다.
이 논문은 가우시안 혼합 모델 클러스터링의 다중성을 활용하여 반복적인 선택 과정을 통해 '역사적 합의 (Historical Consensus)'를 형성함으로써, 아키텍처 제약이나 하이퍼파라미터 튜닝 없이도 후방 붕괴를 근본적으로 방지하는 새로운 VAE 학습 기법을 제안합니다.
이 논문은 기대값 기반의 안전성 제약을 전체 비용 분포를 비교하는 1 차 확률적 우세 (FSD) 제약으로 대체하고, 최적 수송 프레임워크와 양자 가중치를 통해 보편적 스펙트럼 위험 측도를 통제하는 새로운 정렬 프레임워크인 RAD 를 제안하여 안전 RLHF 의 강건성과 위험 민감성을 향상시킵니다.
이 논문은 손과 물체의 접촉 패턴을 체계적으로 탐색하여 다양한 정교한 조작 작업을 위한 일반 목적의 강화학습을 가능하게 하는 '접촉 커버리지 유도 탐색 (CCGE)' 방법을 제안하고, 이를 통해 학습 효율성과 성공률을 크게 향상시켰음을 입증합니다.
이 논문은 객체 탐지 모델의 공간적 위치 정보를 시각-언어 모델에 명시적으로 결합하여 카운팅 오류를 줄이고 추론 시간을 단축하는 'GroundCount' 프레임워크를 제안하며, 이를 통해 다양한 모델에서 카운팅 정확도를 유의미하게 향상시킵니다.
이 논문은 머신러닝과 자연어 처리 기반의 인공지능이 요구사항 관리부터 코드 생성 및 테스트까지 반복적 작업을 자동화하여 애자일 개발의 효율성을 높이고 소프트웨어 공학의 혁신을 촉진한다는 실증적 연구 결과를 제시합니다.
이 논문은 16 명의 전문가 인터뷰를 통해 프런티어 AI 시스템의 고유한 특성으로 인해 인간 업리프트 연구 (RCT) 의 내적·외적·구성 타당성 가정이 어떻게 도전받는지 분석하고, 이러한 방법론적 난제를 해결하기 위한 실용적 방안과 고위험 의사결정 시 증거의 적절한 활용 범위를 제시합니다.
이 논문은 컴퓨터 과학자와 미술사가의 협업을 통해 비전 - 언어 모델이 예술적 스타일을 인식하는 메커니즘을 분석한 결과, 추출된 개념의 90% 가 미술사가들에 의해 관련성이 있다고 평가되었으며, 모델이 때로는 형식적 대비와 같은 다른 방식으로 개념을 이해하여 스타일 예측에 성공함을 밝혔습니다.
이 논문은 임의의 유한 단순 그래프를 9 개 문자 명령어 알파벳으로 구성된 compact 한 문자열로 인코딩하여, 모든 문자열이 유효한 그래프로 디코딩되고 그래프 편집 거리와 강한 상관관계를 보이는 IsalGraph 라는 새로운 표현 방법을 제시합니다.
이 논문은 텍스트-음악 생성 모델을 비디오 이벤트 곡선으로만 미세 조정하고 추론 시 비디오 이벤트 곡선으로 대체하는 V2M-Zero 를 제안하여, 짝지어진 데이터 없이도 비디오와 음악 간의 시간적 정렬을 달성함을 보여줍니다.
이 논문은 전통적인 열화상 기법의 한계를 극복하고 경성 물리 법칙을 준수하는 미분 가능 물리 솔버를 활용하여 3D 열 확산 장을 연속 신경장으로 파라미터화함으로써, 비파괴 검사를 위한 정량적 3D 재료 특성 재구성 및 결함 위치 파악의 정확도를 획기적으로 향상시킨 'NeFTY' 프레임워크를 제안합니다.