BiasBusters: Uncovering and Mitigating Tool Selection Bias in Large Language Models
이 논문은 대규모 언어 모델의 도구 선택에서 발생하는 편향을 체계적으로 평가하고, 메타데이터 정렬과 사전 학습 노출이 주요 원인임을 규명하며, 이를 완화하기 위한 경량화된 필터링 및 균등 샘플링 전략을 제안합니다.
🤖 Category
cs.AI
2384 편의 논문
MonitorVLM:A Vision Language Framework for Safety Violation Detection in Mining Operations
이 논문은 광산 작업의 안전 위반을 감지하기 위해 도메인 특화 데이터셋과 효율적인 모듈을 도입한 멀티모달 비전 - 언어 프레임워크인 MonitorVLM 을 제안하며, 기존 모델 대비 정밀도, 재현율, F1 점수에서 크게 향상된 성능을 입증합니다.
A Systematic Evaluation of Self-Supervised Learning for Label-Efficient Sleep Staging with Wearable EEG
이 논문은 웨어러블 EEG 를 활용한 수면 단계 분류에서 라벨 효율성을 극대화하기 위해 자기지도 학습 (SSL) 을 체계적으로 평가한 결과, SSL 이 라벨이 부족한 상황에서도 기존 지도 학습보다 최대 10% 높은 성능을 달성하고 임상 수준 정확도를 보여준다는 것을 입증했습니다.
HyWA: Hypernetwork Weight Adapting Personalized Voice Activity Detection
이 논문은 기존 음성 활동 감지 (VAD) 모델의 특정 계층에 대해 하이퍼네트워크를 통해 개인화된 가중치를 생성하는 'HyWA'를 제안하여, 기존 스피커 조건부 방법보다 성능을 향상시키고 동일한 아키텍처 재사용을 통한 배포 용이성을 확보했다고 요약할 수 있습니다.
Reveal-to-Revise: Explainable Bias-Aware Generative Modeling with Multimodal Attention
이 논문은 교차 모달 어텐션 융합, Grad-CAM++ 기반 설명, 그리고 '발견 - 수정' 피드백 루프를 통합한 설명 가능하고 편향 감지형 생성 프레임워크를 제안하여, 다중 모달 데이터와 텍스트 분류 벤치마크에서 기존 모델보다 뛰어난 성능과 공정성을 입증했습니다.
MVCustom: Multi-View Customized Diffusion via Geometric Latent Rendering and Completion
이 논문은 대규모 데이터 의존성 한계를 극복하고 기하학적 일관성을 유지하며 프롬프트 기반 커스터마이징을 가능하게 하는 새로운 다중 뷰 생성 프레임워크인 MVCustom 을 제안합니다.
Predicting kernel regression learning curves from only raw data statistics
이 논문은 실제 데이터의 공분산 행렬과 타겟 함수의 다항식 분해 두 가지 통계량만으로 커널 회귀의 학습 곡선을 예측하는 '헤르미트 고유구조 가정 (HEA)'을 제안하고, 이를 통해 실제 이미지 데이터에서 MLP 의 학습 패턴까지 설명할 수 있음을 보여줍니다.
KV Cache Transform Coding for Compact Storage in LLM Inference
본 논문은 LLM 추론 시 공유 접두사 프롬프트를 활용한 KV 캐시 재사용 시 발생하는 메모리 문제를 해결하기 위해, PCA 기반 특징 비상관화, 적응형 양자화 및 엔트로피 부호화를 결합하여 모델 정확도 저하 없이 최대 20 배 이상의 압축률을 달성하는 경량 변환 코더 'KVTC'를 제안합니다.
Expert Evaluation of LLM World Models: A High- Superconductivity Case Study
이 논문은 고온 초전도체 분야를 사례로 삼아, 전문가가 선별한 1,726 편의 논문과 67 개의 질문을 기반으로 구축된 평가 체계를 통해 RAG 기반 시스템이 기존 폐쇄형 LLM 보다 전문적인 과학적 질문에 대해 더 포괄적이고 증거 기반의 답변을 제공함을 입증했습니다.
DeepEyesV2: Toward Agentic Multimodal Model
이 논문은 텍스트와 이미지 이해를 넘어 외부 도구를 능동적으로 활용하는 에이전트형 멀티모달 모델 'DeepEyesV2'를 제안하며, 도구 사용 패턴 확립을 위한 콜드스타트 단계와 정교화를 위한 강화학습 단계를 포함한 2 단계 학습 파이프라인과 새로운 벤치마크 'RealX-Bench'를 통해 실세계 다중 능력 통합의 효과를 입증합니다.
What We Don't C: Manifold Disentanglement for Structured Discovery
이 논문은 조건부 안내 변수에 포함된 정보를 명시적으로 제거하여 잠재 흐름 정합 (latent flow matching) 을 기반으로 의미 있는 잔차 표현을 생성하고, 이를 통해 학습된 표현에서 포착되지 않은 변인들을 효과적으로 발견하고 제어할 수 있는 'What We Don't C'라는 새로운 접근법을 제시합니다.
D-GAP: Improving Out-of-Domain Robustness via Dataset-Agnostic and Gradient-Guided Augmentation in Frequency and Pixel Spaces
본 논문은 주파수 공간의 진폭과 픽셀 공간의 값을 모두 대상으로 그라디언트 기반의 민감도 맵을 활용하여 적응형 증강을 수행하는 D-GAP 을 제안함으로써, 도메인 간 편향을 줄이고 실세계 및 벤치마크 데이터셋에서 아웃오브도메인 강인성을 크게 향상시킵니다.
STREAM-VAE: Dual-Path Routing for Slow and Fast Dynamics in Vehicle Telemetry Anomaly Detection
이 논문은 자동차 원격 측정 데이터의 느린 드리프트와 빠른 스파이크 동역학을 분리하여 처리하는 듀얼 경로 라우팅 메커니즘을 도입한 STREAM-VAE 를 제안함으로써, 기존 재구성 기반 방법들의 한계를 극복하고 다양한 작동 모드에서 안정적인 이상 탐지 성능을 달성했습니다.
REMSA: Foundation Model Selection for Remote Sensing via a Constraint-Aware Agent
이 논문은 산재된 원격탐사 기초 모델 (RSFM) 정보를 체계화한 데이터베이스 'RS-FMD'를 구축하고, 이를 기반으로 제약 조건을 고려하여 자연어 질의에 맞춰 최적의 모델을 자동 선정하고 그 이유를 설명하는 에이전트 'REMSA'를 제안하며, 전문가 검증 벤치마크를 통해 기존 방법보다 우수한 성능을 입증했습니다.
Hierarchical Dual-Strategy Unlearning for Biomedical and Healthcare Intelligence Using Imperfect and Privacy-Sensitive Medical Data
이 논문은 불완전하고 민감한 의료 데이터를 기반으로 대규모 언어 모델의 특정 지식을 정밀하게 삭제하면서도 핵심 의료 역량은 유지하기 위해 기하학적 제약과 개념 인식 토큰 개입을 통합한 계층적 이중 전략 언러닝 프레임워크를 제안하고, 이를 통해 높은 망각률과 지식 보존률을 달성함과 동시에 파라미터 수정을 최소화하여 규제 준수 및 윤리적 기준을 충족함을 보여줍니다.
CostNav: A Navigation Benchmark for Real-World Economic-Cost Evaluation of Physical AI Agents
이 논문은 실제 상업적 타당성을 평가하기 위해 SEC filings 및 AIS 손상 보고서와 같은 산업 표준 데이터를 Isaac Sim 시뮬레이션과 결합한 최초의 물리 기반 경제 내비게이션 벤치마크인 'CostNav'를 제안하며, 기존 내비게이션 방법론들이 모두 경제적 손실을 초래한다는 점을 규명했습니다.
IndiMathBench: Autoformalizing Mathematical Reasoning Problems with a Human Touch
이 논문은 인도 수학 올림피아드 문제를 기반으로 인간 검증이 이루어진 312 개의 Lean 4 정리 세트를 포함한 IndiMathBench 벤치마크를 소개하며, 이를 통해 대형 언어 모델의 자동 형식화 및 정리 증명 능력의 한계를 평가하고 있습니다.
World Models That Know When They Don't Know - Controllable Video Generation with Calibrated Uncertainty
이 논문은 로봇 계획 및 편집과 같은 제어 가능한 비디오 생성 모델의 환각 현상을 해결하기 위해, 잠재 공간에서 학습된 밀도 불확실성 정량화 방법인 C3 를 제안하여 생성된 비디오의 신뢰할 수 없는 영역을 픽셀 단위로 정확히 식별하고 보정하는 기술을 소개합니다.
Toward Closed-loop Molecular Discovery via Language Model, Property Alignment and Strategic Search
이 논문은 분자 언어 모델, 강화 학습, 몬테카를로 트리 탐색을 통합한 'Trio' 프레임워크를 제안하여, 기존 생성 모델의 한계를 극복하고 결합 친화도, 약물 유사성, 합성 접근성을 모두 향상시키면서도 분자 다양성을 4 배 이상 확장하는 폐쇄 루프형 표적 분자 설계 패러다임을 제시합니다.
Maximum Risk Minimization with Random Forests
이 논문은 다양한 환경에서 최대 리스크를 최소화하는 원칙 (MaxRM) 을 기반으로 한 랜덤 포레스트 변형 알고리즘을 제안하고, 효율적인 계산 방법과 통계적 일관성을 증명하며 MSE, 보상, 후회 (regret) 등 세 가지 리스크 지표에 적용 가능한 것을 보여줍니다.