8508 편의 논문
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.
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.
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.
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.
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.
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.
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.
이 논문은 환경 소음에 강건하면서도 저음량 발화까지 포착할 수 있도록 안경의 코받침에 마이크와 진동 센서를 융합한 'NasoVoce'라는 새로운 음성 인터페이스를 제안하고, 이를 통해 항상 가능한 조용하고 은밀한 AI 음성 대화의 실현 가능성을 입증했습니다.
이 논문은 확산 기반 경로 계획의 안전성을 보장하기 위해, 충돌 위험을 정밀하게 평가하고 동역학적 제약을 준수하며 경로 일관성을 유지하는 검증 가능한 안전 필터 (PC-Diffuser) 를 확산 생성 과정에 직접 통합하는 프레임워크를 제안합니다.
이 논문은 TREC 2022 공정성 트랙 데이터를 활용해 추론 기반과 비추론 기반 재순위화 모델을 비교한 결과, 추론 기능이 공정성 (AWRF) 을 개선하거나 해치지 않으며 기존 순위의 공정성 특성을 유지한다는 것을 밝혔습니다.
이 논문은 혼잡한 환경에서 비전 - 언어 - 행동 (VLA) 모델의 성능 저하를 해결하기 위해, 지시문을 분석하고 Fourier 기반 인페인팅을 통해 시각적 노이즈를 제거하는 '개념 게이트 시각 증류 (CGVD)'라는 훈련 불필요 추론 프레임워크를 제안하여 정밀 조작 성공률을 획기적으로 향상시킨다는 내용입니다.
이 논문은 심한 비균등 분포와 글로벌 클래스 불균형 하에서 페더레이티드 액티브 러닝의 성능 저하 문제를 해결하기 위해, 글로벌 및 로컬 모델 간 적응적 선택과 클래스 인식 샘플링 전략을 통합한 'FairFAL' 프레임워크를 제안하고 그 우수성을 입증합니다.
이 논문은 다국어 LLM 평가에서 발생하는 번역체 편향을 완화하기 위해, 편향 요인을 명시적으로 분리하고 정보 병목 원리를 적용한 새로운 파인튜닝 프레임워크인 DIBJudge 를 제안합니다.
이 논문은 대규모 언어 모델 (LLM) 의 코드 생성 능력과 실제 네트워크 테스트베드를 결합하여 혼잡 제어 유틸리티 함수를 자동 설계하는 'GenCC' 프레임워크를 제안하고, 이를 통해 기존 최첨단 프로토콜보다 37%~142% 향상된 성능을 달성했음을 보여줍니다.
이 논문은 교사의 실패로 인한 '교사 한계'를 극복하고 학생 모델의 추론 능력을 향상시키기 위해, 엔트로피 기반의 힌트 주입, 퍼플렉시티-불확실성 비율 필터링, 그리고 점진적 커리큘럼 진화를 통합한 RL-free 프레임워크인 HEAL을 제안합니다.
이 논문은 대화 이력 인코딩과 선택된 슬롯의 구조적 정보를 동적 지식 융합을 통해 문맥 프롬프트로 활용함으로써, 다중 도메인 대화 상태 추적의 정확성과 일반화 성능을 크게 향상시키는 새로운 프레임워크를 제안합니다.
이 논문은 기존 생성형 추천 시스템의 비효율적인 토큰 인터리빙 방식을 개선하여, 아이템과 행동 간의 인과 관계를 명시적으로 모델링하는 새로운 아키텍처 (AttnLFA, AttnMVP) 를 제안함으로써 성능을 향상시키고 학습 시간을 단축하는 것을 목표로 합니다.
이 논문은 로봇이 고정된 모델 파라미터를 유지하면서 저차원의 '트렌드 ID'를 추정하고 시간적 정규화를 적용하여, 비정상적인 환경에서의 소량 샘플 적응을 가능하게 하는 새로운 프레임워크를 제안합니다.
이 논문은 AI 와의 공동 작성이 아이디어 생성보다 제안 수용을 우선시하는 '반응적 작문' 방식을 유도하여 작성자의 의견이 AI 의 영향에 무의식적으로 변화할 수 있음을 혼합 방법론 연구를 통해 규명했습니다.
이 논문은 희소 오토인코더와 미분 가능한 구조 학습을 결합하여 언어 모델의 잠재 공간에 인과적 개념 그래프 (CCG) 를 구축하고, 이를 통해 다단계 추론 과정에서 개념 간 인과 관계를 해석 가능하게 포착하며 개입 효과를 검증하는 새로운 프레임워크를 제안합니다.