Social Knowledge for Cross-Domain User Preference Modeling
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.
🤖 Category
cs.AI
2385 편의 논문
Mashup Learning: Faster Finetuning by Remixing Past Checkpoints
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.
Compatibility at a Cost: Systematic Discovery and Exploitation of MCP Clause-Compliance Vulnerabilities
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.
MCP-in-SoS: Risk assessment framework for open-source MCP servers
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.
Adaptive Activation Cancellation for Hallucination Mitigation in Large Language Models
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.
Delta-K: Boosting Multi-Instance Generation via Cross-Attention Augmentation
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.
Multilingual AI-Driven Password Strength Estimation with Similarity-Based Detection
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.
A Diffusion Analysis of Policy Gradient for Stochastic Bandits
이 논문은 확률적 밴딧 문제에 대한 정책 경사법의 연속 시간 확산 근사를 분석하여 학습률 조건에 따른 후회 (regret) 의 상한과 하한을 증명합니다.
Robotic Ultrasound Makes CBCT Alive
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.
Rethinking the Harmonic Loss via Non-Euclidean Distance Layers
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.
Learning from Radio using Variational Quantum RF Sensing
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.
Intrinsic Numerical Robustness and Fault Tolerance in a Neuromorphic Algorithm for Scientific Computing
이 논문은 편미분 방정식을 해결하는 네이티브 스파이킹 뉴로모픽 알고리즘이 구조적 교란 (뉴런 제거 및 스파이크 손실) 에 대해 본질적으로 강인하며, 최대 32% 의 뉴런과 90% 의 스파이크가 손실되더라도 정확도 저하 없이 작동할 수 있음을 보여줍니다.
DUCTILE: Agentic LLM Orchestration of Engineering Analysis in Product Development Practice
이 논문은 제품 개발 과정에서 도구와 데이터 형식의 변화로 인해 기존 자동화가 실패하는 문제를 해결하기 위해, LLM 에이전트가 유연하게 작업을 조정하고 엔지니어가 최종 판단을 내리는 'DUCTILE'이라는 새로운 엔지니어링 분석 자동화 접근법을 제안하고 항공우주 산업의 구조 해석 사례를 통해 그 유효성을 입증했습니다.
Joint Imaging-ROI Representation Learning via Cross-View Contrastive Alignment for Brain Disorder Classification
이 논문은 뇌 영상 전체와 ROI 기반 그래프의 표현을 교차 뷰 대비 정렬을 통해 공유 잠재 공간에 정렬하는 통합 프레임워크를 제안하여, ADHD-200 및 ABIDE 데이터셋에서 뇌 질환 분류 성능을 향상시키고 두 표현의 상호 보완적 특성을 입증했습니다.
Taming Score-Based Denoisers in ADMM: A Convergent Plug-and-Play Framework
이 논문은 ADMM 알고리즘과 스코어 기반 생성 모델을 통합할 때 발생하는 매니폴드 불일치와 수렴성 문제를 해결하기 위해 AC-DC(자동 및 방향 보정) 제거기를 도입한 새로운 ADMM-PnP 프레임워크를 제안하고, 이를 통해 다양한 역문제에서 우수한 성능과 이론적 수렴 보장을 입증합니다.
Conversational AI-Enhanced Exploration System to Query Large-Scale Digitised Collections of Natural History Museums
이 논문은 오스트레일리아 박물관의 170 만 건 이상의 표본 데이터를 자연어 대화형 AI 와 인터랙티브 지도를 통해 실시간으로 탐색할 수 있도록 설계한 시스템을 제안하며, 대규모 자연사 박물관 컬렉션에 대한 대중 접근성을 혁신하는 새로운 방식을 제시합니다.
Quantum entanglement provides a competitive advantage in adversarial games
이 논문은 경쟁적 강화학습 환경에서 양자 얽힘을 활용하는 양자 - 고전 하이브리드 에이전트가 분리 가능한 회로나 기존 고전 신경망보다 우수한 성능을 보이며, 얽힘이 경쟁적 상호작용을 모델링하는 데 필수적인 표현 학습 자원임을 입증했습니다.
Hybrid Self-evolving Structured Memory for GUI Agents
이 논문은 인간 기억의 구조와 진화 특성을 모방하여 이산적 심볼 노드와 연속적 임베딩을 결합한 그래프 기반 하이브리드 자기 진화 구조 메모리 (HyMEM) 를 제안함으로써, 오픈 소스 GUI 에이전트가 폐쇄형 최첨단 모델을 능가하는 성능을 달성하도록 돕습니다.
Simulation-in-the-Reasoning (SiR): A Conceptual Framework for Empirically Grounded AI in Autonomous Transportation
이 논문은 대형 언어 모델 (LLM) 의 추론 과정을 텍스트 기반 가설에서 실행 가능한 시뮬레이션 검증으로 전환하여 자율 교통 시스템의 신뢰성을 높이는 새로운 개념적 프레임워크인 '추론 내 시뮬레이션 (SiR)'을 제안합니다.
Is this Idea Novel? An Automated Benchmark for Judgment of Research Ideas
이 논문은 연구 아이디어의 신규성 판단을 위한 첫 번째 종합 벤치마크인 RINoBench 를 제안하고, 이를 통해 최신 대규모 언어 모델 (LLM) 이 인간 전문가의 추론과 유사한 논리를 생성하지만 실제 신규성 판단의 정확도에서는 인간 기준과 크게 괴리된다는 사실을 규명했습니다.