2385 편의 논문
이 논문은 GAN 과 FGSM 기반의 적대적 예제를 활용하여 생성된 악성 트래픽으로부터 ML 기반 네트워크 침입 탐지 시스템 (NIDS) 의 취약점을 완화하기 위해 스택링 분류기와 오토인코더를 결합한 다층 앙상블 방어 메커니즘을 제안하고, UNSW-NB15 와 NSL-KDD 데이터셋을 통해 그 효과성을 입증합니다.
이 논문은 다양한 작동 조건에서 발생하는 분포 불일치 문제를 해결하기 위해, 열화 단계 동기화 배치 샘플링 (DSSBS) 과 교차 도메인 정렬 융합 대형 오토인코더 (CAFLAE) 를 도입하여 건강 지표 (HI) 학습의 정확도를 기존 최첨단 방법 대비 평균 24.1% 향상시킨 도메인 적응 프레임워크를 제안합니다.
이 논문은 저비트 LLM 학습 시 발생하는 수치적 불안정성의 주된 원인이 랭크 1 의 평균 편향임을 규명하고, 이를 제거하는 간단한 평균 차감 기법을 통해 BF16 수준의 안정성과 성능을 FP4 양자화 환경에서도 효율적으로 회복할 수 있음을 제시합니다.
이 논문은 소수의 시연 데이터에서 IsaacLab 을 활용한 데이터 증강과 적응형 잔차 정제 기법을 결합한 계층적 프레임워크 'FAR-Dex'를 제안하여, 다관절 손과 로봇 팔의 협업을 통한 정교한 조작 작업의 성공률과 일반화 성능을 획기적으로 향상시켰음을 보여줍니다.
이 논문은 단일 유동 설정에 국한된 기존 물리 정보 신경망 (PINN) 의 한계를 극복하고, 공유된 물리 법칙과 유동별 특성을 분리하며 간섭을 억제하고 손실 균형을 자동 조정하는 통합 아키텍처인 UniPINN 을 제안하여 다양한 나비에-스토크스 방정식 다중 태스크 학습의 정확도와 안정성을 획기적으로 향상시켰습니다.
이 논문은 장문의 다자간 중첩 음성을 처리할 때 chunk 단위 추론에서 회의 수준의 화자 일관성을 유지하면서 시간 스탬프가 포함된 화자 할당 전사문을 생성하기 위해, 시간 인식 화자 추적 모듈과 Speech-LLM 전사 백본을 결합한 종단간 시스템 'G-STAR'를 제안합니다.
이 논문은 사용자의 장기적 선호도와 급변하는 단기적 관심사를 모두 포착하기 위해 전역 및 국소적 시간적 관점에서 사용자 선호도를 학습하는 통합 프레임워크를 제안하여 뉴스 추천의 정확성과 신선도를 향상시킵니다.
이 논문은 RedNote 의 AI 검색에 처음 도입된 오픈 엔디드 생성형 검색 모델 'SearchLLM'을 소개하며, 계층적 보상 시스템과 GRPO 최적화 기법을 통해 검색 결과의 품질과 사용자 참여도를 향상시키고 안전성을 보장하는 성과를 보여줍니다.
이 논문은 상반된 페르소나를 가진 두 개의 LLM 이 구조화된 협상 대화를 통해 상호 이익을 도모하는 방식으로 훈련함으로써, 가치 충돌 상황에서 집단적 에이전시 (Collective Agency) 정렬을 유지하면서도 갈등 해결 능력을 획기적으로 향상시키는 새로운 다중 에이전트 정렬 프레임워크를 제안합니다.
이 논문은 제한적이고 노이즈가 많은 신경 기록 데이터에서도 다양한 과제를 포괄하는 단일 통합 모델로 뇌의 역동적 메커니즘을 확장 가능하고 일반화되게 추론할 수 있는 계층적 모델 'JEDI'를 제안하고, 이를 통해 신경 역학의 공유 구조를 밝히고 실제 원숭이 운동 피질 데이터에 적용하여 운동 제어의 기작적 통찰을 도출함을 보여줍니다.
이 논문은 생성형 AI 가 사용자에게 노출하는 무제한의 추론 및 이미지 개선 기능이 오히려 현대적인 딥페이크 탐지기의 핵심 기준을 역이용하여, 정책 위반 없이도 탐지를 회피하고 신원 및 화질을 유지하는 공격을 가능하게 함으로써 기존 탐지 프레임워크의 위협 모델이 현실과 괴리되어 있음을 보여줍니다.
이 논문은 제한된 컴퓨팅 자원에서 그래프 어텐션 메커니즘과 GPT-4o-mini 를 결합한 경량 하이브리드 프레임워크를 제안하여, 노이즈가 있는 데이터에서도 아만존스 체스 게임에서 기존 베이스라인과 교사 모델보다 뛰어난 성능을 달성함을 입증합니다.
이 논문은 프론티어 LLM 의 지시 계층 구조 (IH) 강인성을 향상시키기 위해 고안된 강화 학습 데이터셋 'IH-Challenge'를 소개하고, 이를 통해 GPT-5-Mini 의 지시 계층 안정성을 10% 이상 개선하면서도 안전성과 유용성을 동시에 확보한 결과를 제시합니다.
이 논문은 통신 및 위치 제약 하에서 불확실한 의료 수요에 대응하기 위해 부분 관측 마르코프 결정 과정 (POMDP) 으로 모델링된 UAV 군집을 조정하고, 비동기식 및 순차적 학습 전략보다 우수한 성능을 보이는 Proximal Policy Optimization (PPO) 기반의 다중 에이전트 강화학습 프레임워크를 제안합니다.
본 논문은 팔, 어깨, 고관절, 하퇴부 등 네 가지 해부학적 부위의 골격 및 임플란트 분할을 위해 11 개의 프롬프트 기반 기초 모델을 평가한 결과, 모델 간 성능 차이가 크고 인간이 입력한 프롬프트에서는 이상적인 지시보다 성능이 저하되며 모델이 프롬프트 변화에 민감하다는 점을 밝혔습니다.
이 논문은 ODE 에서 영감을 받은 수축적 반복 업데이트를 통해 레이어 스택링을 대체하는 SCORE 를 제안하여, 가중치 공유로 파라미터를 줄이면서도 다양한 아키텍처에서 수렴 속도와 학습 효율성을 개선함을 보여줍니다.
이 논문은 사전 훈련된 비전 - 언어 모델 (VLM) 과 경량 어댑터를 활용하여 학습 데이터 없이도 탄소섬유강화플라스틱 (CFRP) 의 내부 결함을 제로샷 방식으로 이해하고 국소화할 수 있는 새로운 언어 기반 인지 결함 분석 프레임워크를 제안합니다.
이 논문은 수동적 보상 신호 없이 상호작용 경험을 모델 파라미터에 주입하는 자기 미세조정 프레임워크를 제안하여, 동적 RAN 슬라이싱 제어 과제에서 기존 강화학습 및 LLM 에이전트보다 뛰어난 성능을 입증했습니다.
이 논문은 비전 - 언어 모델 (VLM) 을 자율 컴퓨터 사용 에이전트 (CUA) 의 수행자 평가자로 활용하는 메타 평가를 통해, 복잡한 환경에서의 성능 저하와 모델 간 불일치 등 현재 모델 기반 감사 접근법의 근본적 한계를 드러내고 평가자의 신뢰성과 불확실성을 고려해야 할 필요성을 강조합니다.
이 논문은 도덕적 추론 작업에서도 분포 매칭 기반의 다양성 추구 알고리즘이 아닌, 기존 보상 극대화 RLVR 방법이 더 효과적일 수 있음을 실증적으로 규명하며, 도덕적 추론의 고수익 응답 분포가 수학 추론보다 더 집중되어 있음을 발견했습니다.