Community-Informed AI Models for Police Accountability
이 논문은 경찰의 신체 부착 카메라 (BWC) 영상을 분석하여 정부 책임성을 강화하기 위해 다양한 이해관계자의 관점을 반영한 '커뮤니티 기반 AI 모델' 개발 접근법을 제안하고, 사회과학자가 다학제 팀 내에서 이러한 관점을 통합하는 역할을 강조합니다.
🤖 Category
cs.AI
11441 편의 논문
Partially Recentralization Softmax Loss for Vision-Language Models Robustness
이 논문은 사전 훈련된 멀티모달 모델의 손실 함수를 수정하여 상위 K 개의 소프트맥스 출력을 제한하는 '부분적 재중앙화 소프트맥스 손실'을 제안함으로써, 다양한 적대적 공격에 대한 강인성을 크게 향상시킬 수 있음을 실험을 통해 입증합니다.
Estimating Canopy Height at Scale
이 논문은 위성 데이터를 활용하여 지리적 위치 오차를 보정하고 산악 지역의 오류를 필터링하는 새로운 프레임워크를 제안함으로써 전 세계적 규모의 수관 높이 추정 정확도를 크게 향상시켰습니다.
A Systematic Review of Intermediate Fusion in Multimodal Deep Learning for Biomedical Applications
이 논문은 생물의학 분야에서 다양한 데이터 유형을 통합하는 심층 학습을 위해 중간 융합 (Intermediate Fusion) 기법을 체계적으로 분석하고, 사용된 기술과 과제, 향후 방향을 조명하며 향후 연구와 실용적 적용을 위한 기초 프레임워크를 제시합니다.
Stein Variational Evolution Strategies
이 논문은 로그밀도의 기울기 정보가 필요하지 않은 상황에서 진화 전략 (ES) 을 스타인 변분 경사 하강법 (SVGD) 에 통합하여 기존 무기울기 방법들보다 훨씬 우수한 성능으로 타겟 분포로부터 고품질 표본을 생성하는 새로운 알고리즘을 제안합니다.
Testability of Instrumental Variables in Additive Nonlinear, Non-Constant Effects Models
이 논문은 이산형 또는 연속형 치료 변수와 비일정한 효과를 가진 가법적 비선형 모델에서 관측 데이터의 도구변수 유효성을 검증하기 위해 보조 기반 독립성 테스트 (AIT) 조건을 제안하고, 그 필요충분 조건 및 실증적 유효성을 입증합니다.
MARIA: a Multimodal Transformer Model for Incomplete Healthcare Data
이 논문은 결측 데이터를 보정하지 않고 가용 데이터만 처리하는 마스킹 자기 주의 메커니즘을 통해 불완전한 의료 데이터를 효과적으로 분석하는 새로운 트랜스포머 기반 모델인 MARIA 를 제안하고, 다양한 진단 및 예후 과제에서 기존 최첨단 모델보다 우수한 성능과 견고성을 입증했습니다.
RouteNet-Gauss: Hardware-Enhanced Network Modeling with Machine Learning
이 논문은 테스트베드 네트워크를 하드웨어 가속기로 활용하여 기존 이산 사건 시뮬레이션 (DES) 대비 추론 속도를 488 배 향상시키고 예측 오차를 최대 95% 감소시키는 RouteNet-Gauss 라는 머신러닝 기반 네트워크 모델링 프레임워크를 제안합니다.
Capturing Temporal Dynamics in Large-Scale Canopy Tree Height Estimation
이 논문은 GEDI LiDAR 데이터를 기반으로 Sentinel-1 및 Sentinel-2 위성 시계열 데이터를 활용하여 2019~2022 년 유럽 대륙의 10m 해상도 시계열 교관목 높이 지도를 최초로 생성하고 공개함으로써 대규모 산림 모니터링 및 생태 분석을 지원함을 제시합니다.
HOG-Diff: Higher-Order Guided Diffusion for Graph Generation
이 논문은 기존 확산 모델이 간과한 고차 위상 구조를 고려하여 점진적인 생성 커리큘럼과 확산 브리지를 통해 그래프 생성의 성능과 이론적 보장을 향상시킨 'HOG-Diff' 프레임워크를 제안합니다.
Detecting LLM-Generated Peer Reviews
이 논문은 논문 PDF 를 통한 간접 프롬프트 인젝션으로 LLM 이 생성한 리뷰에 은닉 워터마크를 삽입하고, 이를 통계적 검정을 통해 탐지하여 기존 방법론의 한계를 극복하는 새로운 프레임워크를 제안합니다.
FedSKD: Aggregation-free Model-heterogeneous Federated Learning via Multi-dimensional Similarity Knowledge Distillation for Medical Image Classification
이 논문은 중앙집중식 집계 없이도 완전한 모델 이질성을 허용하고 다차원 유사도 지식 증류 기술을 통해 모델 간 지식 교환을 최적화하여 의료 영상 분류 성능을 향상시키는 새로운 연방 학습 프레임워크인 FedSKD 를 제안합니다.
OrchMLLM: Orchestrate Multimodal Data with Batch Post-Balancing to Accelerate Multimodal Large Language Model Training
이 논문은 멀티모달 데이터의 모달리티 구성 불일치로 인한 미니배치 불균형 문제를 해결하여 MLLM 학습의 효율성과 확장성을 획기적으로 개선하는 'OrchMLLM' 프레임워크를 제안하고, 이를 통해 84B 파라미터 모델 학습 시 기존 Megatron-LM 대비 최대 3.1 배의 처리량을 달성함을 보여줍니다.
Tuning-Free LLM Can Build A Strong Recommender Under Sparse Connectivity And Knowledge Gap Via Extracting Intent
이 논문은 튜닝이 필요 없는 RAG 기반 LLM 파이프라인을 통해 의도 (Intent) 를 추출하고 이를 중심축으로 한 지식 그래프를 구축하여, 희소성과 콜드스타트 문제를 해결하면서도 저지연으로 강력한 추천 성능을 달성하는 'IKGR' 프레임워크를 제안합니다.
Structured Agent Distillation for Large Language Model
이 논문은 추론과 행동 단계를 구조화하여 손실 함수를 적용함으로써 대형 LLM 기반 에이전트의 추론 정밀도와 행동 일관성을 유지하면서 소형 모델로 효율적으로 압축하는 '구조화된 에이전트 증류 (Structured Agent Distillation)' 프레임워크를 제안하고, 이를 통해 비용 절감과 성능 유지라는 두 마리 토끼를 잡았음을 보여줍니다.
Hiding in Plain Sight: A Steganographic Approach to Stealthy LLM Jailbreaks
이 논문은 악성 의도를 자연스러운 텍스트에 은닉하는 스테가노그래피 기법을 활용한 'StegoAttack' 프레임워크를 제안하여, 기존 jailbreak 방법들의 한계를 극복하고 높은 공격 성공률과 은닉성을 동시에 달성했다고 요약할 수 있습니다.
Diffusion Blend: Inference-Time Multi-Preference Alignment for Diffusion Models
이 논문은 사전 학습된 확산 모델의 추론 단계에서 추가적인 미세 조정 없이도 사용자가 지정한 여러 선호도 목표와 KL 정규화 강도의 임의의 선형 조합을 유연하게 반영하여 이미지를 생성할 수 있도록 하는 'Diffusion Blend'라는 새로운 접근법을 제안합니다.
From Entity-Centric to Goal-Oriented Graphs: Enhancing LLM Knowledge Retrieval in Minecraft
이 논문은 복잡한 상호작용 환경에서 LLM 의 절차적 추론 능력을 향상시키기 위해 개체 중심의 그래프를 목표와 논리적 의존성을 표현하는 '목표 지향 그래프 (GoG)'로 전환하여, Minecraft 환경에서 기존 GraphRAG 보다 우수한 성능을 입증했습니다.
ReasonMap: Towards Fine-Grained Visual Reasoning from Transit Maps
이 논문은 30 개 도시의 고해상도 교통 지도를 기반으로 한 새로운 벤치마크 'ReasonMap'을 제안하고, 이를 통해 오픈소스 모델과 폐쇄형 모델 간의 시각적 추론 성능 차이와 시각적 근거의 중요성을 분석했습니다.
Your Classifier Can Do More: Towards Balancing the Gaps in Classification, Robustness, and Generation
이 논문은 분류 정확도, 강건성, 생성 능력을 동시에 달성하는 새로운 균형을 위해 청정, 적대적, 생성된 샘플 간의 에너지 분포를 정렬하는 '에너지 기반 연합 분포 적대적 학습 (EB-JDAT)'을 제안하고, 이를 통해 기존 모델들의 성능 한계를 극복하는 새로운 트레이드오프의 전선을 제시합니다.