11336 편의 논문
이 논문은 최소 설명 길이 (MDL) 원리를 모델 선택 기준을 넘어 신경망 학습의 적응적 동력으로 재정의하고, 리치 흐름과 결합된 기하학적 매니폴드 진화를 통해 데이터 충실도와 모델 단순화를 조화시키며, 이론적 증명과 실험적 검증을 통해 강력하고 해석 가능한 자율 AI 시스템 구축을 위한 새로운 최적화 프레임워크를 제시합니다.
이 논문은 물리적 동역학과 기호적 인과 추론을 연결하고, 재사용 가능한 인과 원시적 요소들을 동적으로 구성하여 자율적 자기 개선을 가능하게 하는 계층적 인과 원시 동적 구성 네트워크 (HCP-DCNet) 를 제안함으로써 강건하고 해석 가능한 인과적 추론 능력을 갖춘 인공지능 시스템을 구축하는 방법을 제시합니다.
이 논문은 기존 비디오 생성 모델의 한계를 극복하기 위해, 시각적 질문 생성과 VLM 비판을 '의미적 기울기'로 활용하여 블랙박스 환경에서도 효율적으로 비디오 품질을 개선하는 다중 에이전트 프레임워크 'VQQA'를 제안합니다.
이 논문은 비평형 열역학의 결과를 활용하여 강화학습 커리큘럼을 공식화하고, 과업 매니폴드에서의 지오데식 (geodesic) 을 통해 최적 커리큘럼을 유도하며, 이를 바탕으로 최대 엔트로피 강화학습의 온도 어닐링을 위한 'MEW' 알고리즘을 제안합니다.
이 논문은 반복적인 롤아웃 없이 고유벡터 기반의 EVE 알고리즘과 사후 정책 반복 (PPI) 기법을 통해 강화학습에서 상태 방문 분포의 엔트로피를 최대화하는 효율적인 탐색 방법을 제안하고 그 수렴성을 증명합니다.
이 논문은 프로젝트 관리에서 이해관계자에게 작업 완료 시간을 언제 업데이트할지 결정하는 문제를 부분 관측 마코프 결정 과정 (POMDP) 과 혼합 관측성 MDP(MOMDP) 프레임워크로 모델링하여, 업데이트 빈도와 오차 비용을 균형 있게 최적화하는 정책을 제안하고 시뮬레이션을 통해 불필요한 업데이트를 75% 까지 줄이면서도 정확도를 유지함을 입증했습니다.
이 논문은 Lean 4 로 형식적으로 검증된 예산 민감 발견 점수 (BSDS) 프레임워크를 제안하여, HIV 약물 발견 후보 선정에서 기존 ML 기반 제안자가 LLM 기반 제안자보다 우수한 성능을 보이며 LLM 이 추가적인 가치를 제공하지 못함을 입증했습니다.
이 논문은 대규모 추론 모델이 과사고와 과소사고 문제를 해결하여 효율성과 정확도를 동시에 향상시키기 위해, 신뢰도 기반의 동적 제어 메커니즘을 활용하는 훈련 없는 프레임워크 'ReBalance'를 제안합니다.
이 논문은 기존 비디오 MLLM 의 공간적 정밀도 부족과 시간적 일관성 문제를 해결하기 위해, 시공간적으로 정렬된 추적 특징 (TSF) 과 이중 프롬프트 설계를 도입한 SPARROW 를 제안하여 다양한 벤치마크에서 참조 안정성과 공간 정밀도를 크게 향상시켰음을 보여줍니다.
이 논문은 검색-추론 (Search-R1) 기반의 RAG 시스템에서 불필요한 검색 반복과 맥락 통합 부재를 해결하기 위해 문맥화 및 중복 제거 모듈을 도입함으로써 정답 정확도를 높이고 검색 효율성을 개선하는 테스트 시간 전략을 제안합니다.
이 논문은 비동종 비전 기반 모델 (VFMs) 간의 레이어 연결을 위한 새로운 스티칭 프로토콜을 제시하여, 단순한 진단 도구를 넘어 모델 간 표현의 정합성을 파악하고 다양한 강점을 결합한 효율적인 멀티모달 시스템 구축을 가능하게 함을 보여줍니다.
이 논문은 암 병리 이미지 분석에 사용되는 합성곱 신경망 (CNN) 모델이 실제 임상 정보가 없는 배경 이미지 조각에서도 높은 정확도를 보일 정도로 편향에 취약하여, 기존 평가 관행이 신뢰할 수 없는 결과를 초래할 수 있음을 13 개의 벤치마크 데이터셋을 통해 입증했습니다.
이 논문은 제한된 자원을 가진 조직을 위해 자연어 처리 기술을 활용하여 사이버 사고를 MITRE ATT&CK 기법, CIS 통제 항목 및 SMART 지표에 자동 매핑하는 '사이버 카탈로그' 프레임워크와 정밀하게 미세 조정된 AI 모델을 제안하여 위협 인텔리전스를 실행 가능한 보안 조치로 전환하는 방법을 제시합니다.
이 논문은 의료 지식 그래프의 허브 노드를 제거하여 '단축 학습'을 방지하는 토폴로지 정규화 알고리즘을 도입하고, 이를 기반으로 생성된 'ShatterMed-QA' 벤치마크를 통해 현재 의료 LLM 들이 복잡한 다단계 추론에서 심각한 결함을 보이며 RAG 를 통해만 성능이 회복됨을 규명했습니다.
이 논문은 AKEBONO 위성 데이터를 기반으로 전자 온도를 150 개의 이산 구간으로 변환하여 분류 기반 회귀를 수행함으로써 기존 회귀 모델보다 정확도가 6.46% 향상되고 불확실성 추정이 가능한 CLARE 모델을 제안합니다.
이 논문은 AI 가 생성한 API 설계가 인간보다 효율성과 일관성 면에서 우수하지만, 지나친 완벽함이 인간의 실용적 판단 부재를 암시하는 '완벽의 역설'을 야기하므로, 인간 설계자의 역할을 명세 작성자에서 AI 패턴을 선별하고 조정하는 큐레이터로 전환해야 함을 주장합니다.
이 논문은 사전 훈련된 교사 모델 없이도 자기 일관성 손실과 자기 유도 정규화를 통해 고정밀 단일 단계 행동 생성을 가능하게 하는 'One-Step Flow Policy(OFP)'를 제안하며, 이는 기존 100 단계 확산 및 흐름 정책보다 100 배 이상 빠른 추론 속도를 유지하면서 로봇 제어 성능을 획기적으로 향상시킵니다.
이 논문은 시계열 데이터 분석 에이전트의 성능 평가에 필요한 도메인 특화 데이터셋과 쿼리 유형을 생성하여 에이전트의 한계를 규명하고 개선 방향을 제시하는 도구인 'AgentFuel'을 소개합니다.
이 논문은 지식 그래프 기반의 해석 가능한 주가 변동 예측을 위해 심볼릭 관계 사전 지식, 동적 그래프 탐색, LLM 기반 의사결정을 통합한 'TRACE' 모델을 제안하며, S&P 500 벤치마크에서 기존 최강 모델들을 능가하는 성능과 인간이 읽을 수 있는 감사 가능한 설명을 제공합니다.
이 논문은 확산 모델의 무작위성으로 인한 반복 생성의 비효율성을 해결하기 위해, 초기 노이즈와 프롬프트를 기반으로 이미지 품질을 예측하여 최적의 노이즈를 선별하고 생성 품질에 대한 피드백을 제공하는 경량화 도구인 'Naïve PAINE'을 제안합니다.