BoxMind: Closed-loop AI strategy optimization for elite boxing validated in the 2024 Olympics
본 논문은 2024 파리 올림픽에서 중국 국가대표팀의 역사적인 메달 획득에 기여한 것으로 검증된, 박스마인드 (BoxMind) 라는 폐쇄 루프 AI 전략 최적화 시스템을 통해 격투기 종목의 비구조화된 비디오 데이터를 전술적 지능으로 변환하는 새로운 패러다임을 제시합니다.
🤖 Category
cs.AI
9633 편의 논문
Multifaceted Scenario-Aware Hypergraph Learning for Next POI Recommendation
이 논문은 위치 기반 소셜 네트워크의 다음 방문지 추천 성능을 향상시키기 위해 다양한 상황별 이동 패턴을 포착하고 상황 간 충돌을 해결하는 '다면적 상황 인식 초그래프 학습 (MSAHG)' 프레임워크를 제안합니다.
DevBench: A Realistic, Developer-Informed Benchmark for Code Generation Models
DevBench 는 실제 개발자 텔레메트리 데이터를 기반으로 6 개 프로그래밍 언어와 6 가지 작업 범주에 걸친 1,800 개의 평가 인스턴스를 포함하여, 기존 벤치마크의 한계를 극복하고 생태학적 타당성과 실용적 유용성을 중시하는 LLM 코드 생성 모델 평가를 위한 새로운 기준을 제시합니다.
MAS-Orchestra: Understanding and Improving Multi-Agent Reasoning Through Holistic Orchestration and Controlled Benchmarks
이 논문은 전역적 오케스트레이션을 강화학습 기반으로 구현한 'MAS-Orchestra' 프레임워크와 다중 에이전트 시스템의 효용을 체계적으로 분석하는 'MASBENCH' 벤치마크를 제안하여, 단일 에이전트 대비 다중 에이전트 시스템의 성능 향상을 효율적으로 달성하고 그 작동 원리를 규명합니다.
Replayable Financial Agents: A Determinism-Faithfulness Assurance Harness for Tool-Using LLM Agents
이 논문은 금융 서비스용 도구 활용 LLM 에이전트의 규제 감사 재현성을 보장하기 위해 결정론적 일관성과 정확도를 독립적으로 측정하는 '결정론-신뢰성 보장 하네스 (DFAH)' 프레임워크와 관련 벤치마크를 제안하며, 두 지표가 서로 상관관계가 없으므로 모두 독립적으로 평가해야 함을 실증합니다.
Continuous-Flow Data-Rate-Aware CNN Inference on FPGA
이 논문은 풀레이어 (fully parallel) 구현 시 발생하는 데이터 감소로 인한 하드웨어 비효율성을 해결하기 위해, CNN 의 데이터 흐름을 분석하여 저속 신호를 인터リーブ하고 하드웨어 유닛을 공유하는 새로운 데이터율 인지 연속 흐름 아키텍처를 제안하여 단일 FPGA 에서 MobileNet 과 같은 복잡한 CNN 을 높은 처리량으로 구현할 수 있음을 보여줍니다.
MeanCache: From Instantaneous to Average Velocity for Accelerating Flow Matching Inference
이 논문은 기존 캐싱 방법의 한계를 극복하고 Jacobian-벡터 곱을 활용한 평균 속도 관점과 궤적 안정성 스케줄링 전략을 통해 FLUX.1 및 HunyuanVideo 등 다양한 모델에서 고품질 생성을 유지하면서 3.5 배 이상 가속화를 실현하는 훈련 불필요한 MeanCache 프레임워크를 제안합니다.
BioAgent Bench: An AI Agent Evaluation Suite for Bioinformatics
이 논문은 RNA 시퀀싱 및 변이 호출 등 생정보학 작업에서 AI 에이전트의 성능과 견고성을 평가하기 위해 설계된 'BioAgent Bench' 벤치마크 데이터셋과 평가 도구를 소개하고, 최첨단 모델이 복잡한 파이프라인을 완수할 수 있지만 교란 조건에서는 실패할 수 있으며 민감한 데이터 처리 시 오픈 가중치 모델이 더 적합할 수 있음을 규명합니다.
RedSage: A Cybersecurity Generalist LLM
이 논문은 118 억 토큰 규모의 사이버 보안 데이터와 에이전트 기반 증강 파이프라인을 활용하여 훈련된 오픈소스 사이버 보안 특화 LLM 인 'RedSage'를 제안하고, 이를 통해 사이버 보안 전문성과 일반 추론 능력을 동시에 향상시켰음을 입증합니다.
Real-Time Aligned Reward Model beyond Semantics
이 논문은 정책 모델의 실시간 분포 변화를 반영하기 위해 사전 훈련된 LLM 의 의미적 표현뿐만 아니라 정책의 진화하는 은닉 상태를 활용하는 새로운 경량 RLHF 프레임워크인 R2M 을 제안하여 보상 과최적화 문제를 해결합니다.
Bitcoin Price Prediction using Machine Learning and Combinatorial Fusion Analysis
이 논문은 랭크 - 스코어 특성 함수와 인지적 다양성을 활용한 조합 융합 분석 (CFA) 기법을 적용하여 개별 모델 및 기존 비트코인 가격 예측 모델보다 뛰어난 성능 (MAPE 0.19%) 을 달성한 새로운 예측 모델을 제안합니다.
Impact of LLMs news Sentiment Analysis on Stock Price Movement Prediction
이 논문은 DeBERTa, RoBERTa, FinBERT 등 3 가지 LLM 기반 뉴스 감정 분석을 주식 가격 예측에 적용한 비교 평가 연구를 통해 DeBERTa 가 단일 모델로 75% 의 정확도를 보이며, 세 모델을 결합한 앙상블은 80% 까지 정확도를 높이고 감정 정보가 다양한 시계열 모델의 예측 성능을 소폭 향상시킨다는 것을 밝혔습니다.
In-Run Data Shapley for Adam Optimizer
본 논문은 SGD 기반의 기존 데이터 기여도 추정 방법이 Adam 최적화 환경에서는 신뢰성이 떨어진다는 점을 지적하고, 선형화된 유령 근사 (Linearized Ghost Approximation) 를 통해 Adam 의 특성을 반영하면서도 기존 학습 속도를 유지하며 높은 정확도로 데이터 기여도를 추정하는 'Adam-Aware In-Run Data Shapley'를 제안합니다.
Do Schwartz Higher-Order Values Help Sentence-Level Human Value Detection? A Study of Hierarchical Gating and Calibration
이 논문은 Schwartz 의 고차원 가치 범주가 단일 문장 기반 인간 가치 감지 작업에서 경성 계층적 게이트링보다는 인덕티브 바이어스나 보정 및 앙상블 기법과 결합될 때 더 유용함을 보여줍니다.
Thickening-to-Thinning: Reward Shaping via Human-Inspired Learning Dynamics for LLM Reasoning
이 논문은 인간의 학습 과정에 영감을 받아, 오답 시 탐색을 확장하고 정답 시 불필요한 반복을 줄이는 동적 보상 체계 'T2T(Thickening-to-Thinning)'를 제안하여 LLM 의 추론 능력을 획기적으로 향상시켰다고 요약할 수 있습니다.
Extracting Recurring Vulnerabilities from Black-Box LLM-Generated Software
이 논문은 LLM 이 생성한 소프트웨어에서 반복적으로 나타나는 취약점을 예측하고 평가하기 위해 프론트엔드 기능만으로 백엔드 취약점을 추론하는 'FSTab'을 제안하고, 최신 코드 생성 모델들에서 높은 공격 성공률과 취약점 포괄성을 입증했습니다.
Semantic Search over 9 Million Mathematical Theorems
이 논문은 arXiv 등 920 만 개의 수학적 정리를 대상으로 자연어 설명을 활용한 대규모 의미 기반 정리 검색 시스템을 구축하고, 전문가가 작성한 평가 세트를 통해 기존 방법보다 뛰어난 검색 성능을 입증했습니다.
LMMRec: LLM-driven Motivation-aware Multimodal Recommendation
이 논문은 리뷰 텍스트와 상호작용 데이터를 통합하여 대규모 언어 모델 (LLM) 의 추론 능력을 활용하고 대비 학습을 통해 노이즈를 줄임으로써 추천 성능을 향상시키는 'LLM 기반 다중 모달 동기 인식 추천 시스템 (LMMRec)'을 제안합니다.
Conditional Diffusion Guidance under Hard Constraint: A Stochastic Analysis Approach
이 논문은 사전 훈련된 확산 모델의 스코어 네트워크를 수정하지 않고도 도브의 h-변환 및 마팅갈 이론을 기반으로 확률적 분석을 통해 사전 정의된 엄격한 제약 조건을 100% 만족하는 조건부 생성을 가능하게 하는 새로운 안내 프레임워크와 오프-폴리시 학습 알고리즘을 제안합니다.
NAAMSE: Framework for Evolutionary Security Evaluation of Agents
이 논문은 수동적 평가나 정적 벤치마크의 한계를 극복하고, 유전적 프롬프트 변이와 계층적 탐색을 통해 적응형 적대적 공격을 자동화하면서도 안전성을 유지하는 진화형 에이전트 보안 평가 프레임워크 'NAAMSE'를 제안합니다.