Yo'City: Personalized and Boundless 3D Realistic City Scene Generation via Self-Critic Expansion
이 논문은 오프더셸 대형 모델의 추론 및 구성 능력을 활용하여 'Yo'City'라는 새로운 에이전트 프레임워크를 제안함으로써, 사용자의 맞춤형 요구를 반영하고 무한히 확장 가능한 사실적인 3D 도시 장면을 생성하는 방법을 제시합니다.
🤖 Category
cs.AI
9408 편의 논문
Enhancing low energy reconstruction and classification in KM3NeT/ORCA with transformers
이 논문은 KM3NeT/ORCA 중성미자 망원경의 저에너지 재구성 및 분류 성능을 향상시키기 위해 물리 법칙과 검출기 설계를 반영한 어텐션 마스크를 도입한 트랜스포머 모델의 유효성을 입증합니다.
Automating Deception: Scalable Multi-Turn LLM Jailbreaks
이 논문은 심리학적 '발문법 (Foot-in-the-Door)' 기법을 자동화하여 대규모 멀티턴 LLM 재일브레이크 데이터셋을 구축하고, 이를 통해 GPT 계열 모델이 대화 맥락에 취약한 반면 Gemini 2.5 Flash 는 높은 방어력을 보임을 규명한 연구입니다.
Computing Evolutionarily Stable Strategies in Multiplayer Games
이 논문은 3 명 이상의 플레이어가 참여하는 비퇴화 정규형 게임에서 모든 진화적으로 안정된 전략을 계산하는 알고리즘을 제시합니다.
RadDiff: Retrieval-Augmented Denoising Diffusion for Protein Inverse Folding
이 논문은 외부 지식을 활용하지 않거나 파라미터 비효율적인 기존 방법의 한계를 극복하기 위해, 최신 단백질 지식을 검색 증강 메커니즘을 통해 확산 과정에 통합하는 새로운 'RadDiff' 모델을 제안하여 단백질 역접힘 성능을 크게 향상시켰음을 보여줍니다.
ForamDeepSlice: A High-Accuracy Deep Learning Framework for Foraminifera Species Classification from 2D Micro-CT Slices
이 논문은 2D 마이크로 CT 슬라이스를 기반으로 한 심층 학습 파이프라인 'ForamDeepSlice'를 제안하여 27 종의 유공충을 95.64% 의 높은 정확도로 자동 분류하고, 실시간 분류 및 3D 슬라이스 매칭을 지원하는 대시보드를 개발함으로써 AI 기반 미고생물학 식별의 새로운 기준을 제시합니다.
Integrating a Causal Foundation Model into a Prescriptive Maintenance Framework for Optimising Production-Line OEE
이 논문은 통계적 상관관계에 의존하는 기존 예측 모델의 한계를 극복하고, 사전 훈련된 인과 기반 모델 (Causal Foundation Model) 을 'What-if' 시뮬레이션 도구로 활용하여 생산 라인 고장의 근본 원인을 규명하고 개입 효과를 정량화함으로써 전반 설비 효율 (OEE) 을 최적화하는 처방적 유지보수 (Prescriptive Maintenance) 프레임워크를 제안합니다.
AltNet: Addressing the Plasticity-Stability Dilemma in Reinforcement Learning
이 논문은 안전이 중요한 환경에서 성능 저하 없이 강화학습의 가소성 손실 문제를 해결하기 위해, 학습과 재학습을 번갈아 수행하는 쌍둥이 신경망 구조인 'AltNet'을 제안하고 이를 통해 샘플 효율성과 성능을 동시에 향상시켰음을 보여줍니다.
Dual Randomized Smoothing: Beyond Global Noise Variance
이 논문은 전역 노이즈 분산의 한계를 극복하고 다양한 반경에서 강력한 인증된 강인성을 달성하기 위해 입력별 노이즈 분산을 예측하는 '이중 무작위 평활화 (Dual Randomized Smoothing)' 프레임워크를 제안합니다.
Process-Centric Analysis of Agentic Software Systems
이 논문은 에이전트 소프트웨어 시스템의 실행 과정을 그래프 기반으로 체계적으로 분석하는 'Graphectory'를 제안하여, 에이전트의 추론 및 전략 패턴을 심층적으로 규명하고 실시간 모니터링을 통해 문제 해결률을 6.9%~23.5% 향상시키는 효과를 입증했습니다.
Beyond Additivity: Sparse Isotonic Shapley Regression toward Nonlinear Explainability
이 논문은 비선형적 보상 함수와 고차원 환경에서 기존 샤플리 값의 한계를 극복하기 위해, 단조 변환 학습과 L0 희소성 제약을 통합한 '희소 등방성 샤플리 회귀 (SISR)' 프레임워크를 제안하여 정확한 특성 기여도 해석을 가능하게 합니다.
Parallel Decoder Transformer: Planner-Seeded Latent Coordination for Synchronized Parallel Decoding
이 논문은 고정된 트랜스포머 트렁크에 플래너가 시드하는 잠재 작업 공간과 동기화된 다중 스트림 출력 프로토콜을 도입하여, 외부 오케스트레이션이 아닌 모델 내부 메커니즘을 통해 병렬 디코딩을 가능하게 하는 '병렬 디코더 트랜스포머 (PDT)'를 제안합니다.
Beyond Endpoints: Path-Centric Reasoning for Vectorized Off-Road Network Extraction
이 논문은 오프로드 환경의 도로 네트워크 추출을 위해 대규모 벡터 데이터셋 'WildRoad'를 공개하고, 기존 노드 중심 방식의 한계를 극복하여 경로 중심 추론을 통해 강건한 연결성을 확보하는 'MaGRoad' 프레임워크를 제안합니다.
SALVE: Sparse Autoencoder-Latent Vector Editing for Mechanistic Control of Neural Networks
이 논문은 SALVE 라는 프레임워크를 제안하여 희소 오토인코더와 그라디언트 기반 시각화 기법을 결합해 신경망의 특징을 발견하고 검증하며, 이를 통해 모델의 가중치 공간을 정밀하게 편집하여 AI 시스템의 투명성과 제어 가능성을 높이는 방법을 제시합니다.
Adaptation of Agentic AI: A Survey of Post-Training, Memory, and Skills
본 논문은 사전 학습 이후 에이전트와 도구의 적응을 포괄하는 4 가지 패러다임 (A1, A2, T1, T2) 프레임워크를 제시하며, 후학습, 메모리, 기술 시스템에 대한 연구 동향을 통합적으로 분석하고 평가 기준 및 향후 과제를 정리합니다.
Meta-RL Induces Exploration in Language Agents
이 논문은 RL 기반 언어 에이전트의 탐색 부족 문제를 해결하기 위해 에피소드 간 학습과 인-컨텍스트 정책 적응을 통해 환경 피드백을 실시간으로 활용하는 메타-RL 프레임워크 'LaMer'를 제안하고, 다양한 환경에서 기존 RL 베이스라인보다 우수한 성능과 일반화 능력을 입증했습니다.
ReDepth Anything: Test-Time Depth Refinement via Self-Supervised Re-lighting
이 논문은 기초 모델과 대규모 2D 확산 모델의 강점을 결합하여, 깊이 지도를 재조명하고 입력 이미지를 증강하는 자기지도 학습 프레임워크인 'Re-Depth Anything'을 제안함으로써 단안 깊이 추정의 도메인 격차를 해소하고 정밀도와 현실감을 획기적으로 향상시킨다고 설명합니다.
Cost Trade-offs of Reasoning and Non-Reasoning Large Language Models in Text-to-SQL
이 논문은 클라우드 비용 청구와 실행 시간이 서로 무관함을 입증하고, 추론 모델이 비추론 모델보다 데이터 처리량을 44.5% 줄이면서도 동등한 정확도를 유지하여 비용 효율성이 훨씬 높음을 180 건의 실험을 통해 규명했습니다.
Physics-Informed Neural Networks for Device and Circuit Modeling: A Case Study of NeuroSPICE
이 논문은 기존 SPICE 시뮬레이터와 달리 물리 정보 기반 신경망 (PINN) 을 활용하여 소자 및 회로 미분 - 대수 방정식을 해석적으로 풀고, 특히 비선형성이 강한 강유전체 메모리 등 신소자 모델링과 설계 최적화, 역문제 해결에 유연한 NeuroSPICE 프레임워크를 제안합니다.
Toward a Physical Theory of Intelligence
이 논문은 보존 법칙과 비가역적 전환을 기반으로 한 '보존-합치 부호화 (CCE)' 프레임워크를 제시하여, 열역학적 소산, 양자 측정, 시공간 기하학을 연결함으로써 지능과 의식을 설명하는 물리적 이론의 기초를 마련합니다.