An AI-powered Bayesian Generative Modeling Approach for Arbitrary Conditional Inference
이 논문은 학습된 단일 모델로 재학습 없이도 임의의 조건부 추론을 수행하고 불확실성을 정량화할 수 있도록, 확률적 반복 베이지안 업데이트 알고리즘을 기반으로 한 새로운 베이지안 생성 모델링 (BGM) 프레임워크를 제안합니다.
🤖 Category
cs.AI
2254 편의 논문
Empowering All-in-Loop Health Management of Spacecraft Power System in the Mega-Constellation Era via Human-AI Collaboration
이 논문은 위성 메가컨스텔레이션 시대에 우주선 전원 시스템의 건강 관리를 혁신하기 위해 인간-AI 협업 프레임워크인 SpaceHMchat 과 새로운 데이터셋을 제안하고, 하드웨어 기반 실험을 통해 그 탁월한 성능을 입증했습니다.
CLEAR-Mamba:Towards Accurate, Adaptive and Trustworthy Multi-Sequence Ophthalmic Angiography Classification
이 논문은 단일 모드, 미세 병변 패턴, 장비 간 편차로 인한 한계를 극복하기 위해 하이퍼네트워크 기반 적응적 조건부 레이어 (HaC) 와 증거 불확실성 학습 기반 신뢰성 예측 체계 (RaP) 를 도입한 CLEAR-Mamba 프레임워크를 제안하여, FFA 및 ICGA 영상을 포함한 대규모 안과 혈관조영 데이터셋에서 기존 모델보다 뛰어난 분류 성능과 신뢰성을 입증했습니다.
Automating Forecasting Question Generation and Resolution for AI Evaluation
이 논문은 대규모 언어 모델 (LLM) 기반 웹 연구 에이전트를 활용하여 자동화되고 검증 가능한 다양한 미래 예측 질문 생성 및 해결 시스템을 구축하고, 이를 통해 AI 예측 모델의 성능 평가와 예측 정확도 향상을 입증했습니다.
From Self-Evolving Synthetic Data to Verifiable-Reward RL: Post-Training Multi-turn Interactive Tool-Using Agents
이 논문은 고품질의 다턴 도구 사용 데이터를 생성하고 검증 기반 강화 학습을 통해 사용자 시뮬레이션 노이즈를 줄이는 통합 프레임워크인 'EigenData'를 제안하여, 고비용 인간 라벨링 없이도 복잡한 도구 사용 에이전트를 확장 가능하게 학습시키는 방법을 제시합니다.
UAT-LITE: Inference-Time Uncertainty-Aware Attention for Pretrained Transformers
이 논문은 사전 학습된 트랜스포머 모델의 가중치를 수정하지 않고 추론 시 몬테카를로 드롭아웃을 통해 자기주의 메커니즘에 불확실성을 주입하여 예측 신뢰도를 개선하고 선택적 예측을 가능하게 하는 'UAT-LITE'라는 프레임워크를 제안합니다.
WebAccessVL: Violation-Aware VLM for Web Accessibility
이 논문은 웹 콘텐츠 접근성 가이드라인 (WCAG2) 위반 사항을 자동으로 수정하면서도 원본 디자인을 유지하는 비전 - 언어 모델 'WebAccessVL'을 제안하고, 위반 조건을 입력으로 활용하는 반복적 개선 전략을 통해 기존 모델 대비 접근성 오류를 87% 이상 감소시킨 효과를 입증했습니다.
Why do we Trust Chatbots? From Normative Principles to Behavioral Drivers
이 논문은 챗봇에 대한 사용자의 신뢰가 실제 신뢰성보다는 인지적 편향을 활용한 설계에서 비롯된다는 점을 지적하며, 챗봇을 '동반자'가 아닌 조직의 목표를 추구하는 '고도화된 영업사원'으로 재정의하고 심리적 신뢰 형성 과정과 규범적 신뢰성 사이의 혼란을 해소할 필요성을 주장합니다.
Monocular Normal Estimation via Shading Sequence Estimation
이 논문은 단일 RGB 이미지에서 기하학적 정합성을 개선하기 위해 정상 추정 문제를 그림자 시퀀스 추정으로 재정의하고, 이미지-비디오 생성 모델을 활용하여 RoSE 라는 새로운 방법을 제안합니다.
Infusion: Shaping Model Behavior by Editing Training Data via Influence Functions
이 논문은 영향 함수를 활용하여 훈련 데이터에 미세한 교란을 가해 모델의 행동을 의도적으로 조작하는 'Infusion' 프레임워크를 제안하고, 이를 통해 소량의 훈련 데이터만으로도 다양한 아키텍처에 걸쳐 모델 행동을 효과적으로 변화시킬 수 있음을 입증합니다.
Energy-Aware Spike Budgeting for Continual Learning in Spiking Neural Networks for Neuromorphic Vision
이 논문은 기존 방법론이 간과했던 정확도와 에너지 효율성의 동시 최적화를 위해 경험 재생, 가변적 누적 - 적분 - 방출 뉴런 매개변수, 적응형 스파이크 스케줄러를 통합한 에너지 인식 스파이크 예산 관리 프레임워크를 제안하여, 프레임 기반 및 이벤트 기반 데이터셋 모두에서 지속적 학습 성능을 향상시키고 동적 전력 소비를 최소화하는 뉴로모픽 비전 시스템의 실용성을 입증합니다.
B-DENSE: Branching For Dense Ensemble Network Supervision Efficiency
이 논문은 확산 모델의 고해상도 추론 지연과 희소 감독의 한계를 해결하기 위해, 교사의 궤적 중간 단계를 모두 학습하는 밀집 앙상블 네트워크 (B-DENSE) 를 제안하여 이미지 생성 품질을 향상시킵니다.
Contextuality from Single-State Ontological Models: An Information-Theoretic No-Go Theorem
이 논문은 단일 상태 온톨로지 모델이 정보 이론적 관점에서 맥락성 비용을 피할 수 없음을 증명하고, 양자 역학이 이 제약을 우회하는 방식을 설명함으로써 맥락성이 고전적 표현의 근본적인 한계임을 규명합니다.
Continual uncertainty learning
이 논문은 비선형 동역학과 다양한 불확실성이 공존하는 기계 시스템의 강인한 제어를 위해, 불확실성 소스를 점진적으로 확장하는 커리큘럼 기반 지속 학습 프레임워크와 모델 기반 제어기를 결합하여 시뮬레이션과 현실 간의 격차를 효과적으로 해소하는 새로운 방법을 제안하고 자동차 동력계 진동 제어에 적용하여 검증했습니다.
ReDON: Recurrent Diffractive Optical Neural Processor with Reconfigurable Self-Modulated Nonlinearity
이 논문은 정적 위상 마스크의 한계를 극복하고, GLU 에서 영감을 얻은 재구성 가능한 자기 변조 비선형성과 순환 구조를 도입하여 기존 회절 광학 신경망보다 정확도와 적응성을 획기적으로 향상시킨 'ReDON' 아키텍처를 제안합니다.
Breaking the Factorization Barrier in Diffusion Language Models
이 논문은 확산 언어 모델의 '분해 장벽'을 해결하기 위해 완전 분해된 출력 분포를 경량화되고 다루기 쉬운 확률적 추론 계층으로 대체하는 '결합 이산 확산 (CoDD)' 프레임워크를 제안하여, 적은 비용으로 복잡한 토큰 간 종속성을 모델링하고 고품질의 병렬 생성을 가능하게 합니다.
OrthoAI: A Neurosymbolic Framework for Evidence-Grounded Biomechanical Reasoning in Clear Aligner Orthodontics
이 논문은 희소 주석과 도메인 지식 기반 제약 조건 추론, 다기준 의사결정 분석을 통합한 신경심볼릭 프레임워크 'OrthoAI'를 제안하여, 3D 치아 분할과 생역학적 실행 가능성 추론을 연결하는 증거 기반 교정 치료 지원 시스템을 개발했습니다.
Zero-Shot and Supervised Bird Image Segmentation Using Foundation Models: A Dual-Pipeline Approach with Grounding DINO~1.5, YOLOv11, and SAM~2.1
이 논문은 Grounding DINO 1.5 와 YOLOv11 을 탐지기로 활용하여 SAM 2.1 을 기반으로 한 제로샷 및 지도 학습 이중 파이프라인을 제안함으로써, 기존 종단간 학습 모델보다 우수한 성능을 보이는 새 이미지 분할 방법을 제시합니다.
Pri4R: Learning World Dynamics for Vision-Language-Action Models with Privileged 4D Representation
이 논문은 훈련 시 3D 포인트 트랙 예측을 위한 특권 4D 정보를 활용하여 VLA 모델이 물리적 상호작용의 시공간적 역학을 내재적으로 학습하도록 함으로써 추론 시 추가 비용 없이 로봇 조작 성능을 크게 향상시키는 'Pri4R' 방법을 제안합니다.
Reasoning as Gradient: Scaling MLE Agents Beyond Tree Search
이 논문은 LLM 기반의 머신러닝 엔지니어링 에이전트가 기존 트리 탐색 방식보다 강화된 추론 능력을 가진 모델에서 더 효율적인 경사 하강 기반 최적화 패러다임인 'Gome'을 도입하여 MLE-Bench 에서 최상의 성능을 달성하고, 모델의 추론 능력이 향상됨에 따라 경사 기반 최적화가 트리 탐색을 능가하는 전환점이 도래함을 보여줍니다.