2433 편의 논문
이 논문은 사전 학습된 가우시안 프로세스 모델로 생성된 해부학적 랜드마크를 통합한 새로운 토큰화 방식과 트랜스포머 기반의 기하학적 딥러닝 모델을 제안하여, 고비용 침습적 PET 스캔 없이도 알츠하이머병 진단 및 중위험군의 뇌 아밀로이드 양성 예측 정확도를 향상시켰습니다.
이 연구는 카자흐스탄 학자들을 대상으로 CGScholar 플랫폼을 활용하여 AI 도구와 동료 피드백이 학술적 글쓰기 능력 및 피드백 수용 태도에 미치는 영향을 분석한 결과, AI 기반 피드백에 대한 개방성과 동료 피드백에 대한 높은 기대가 공존하며 두 요소를 통합하는 것이 학술 글쓰기 품질 향상에 유익함을 보여주었습니다.
이 논문은 대규모 시각 - 언어 모델 (VLM) 의 사회적 추론 능력을 중간 계층의 주석 맵으로 증류하여 사회적 준거성을 갖춘 로봇 항법을 위한 공간 비용 지도를 생성하고, 이를 통해 기존 방법 대비 성공률을 14.2% 에서 50% 까지 향상시킨 'ViLAM'이라는 새로운 방법을 제안합니다.
이 논문은 비전 - 언어 모델을 활용하여 환경의 의미와 접촉 허용도를 분석하고, 이를 기반으로 접촉이 필요한 복잡한 환경에서도 안정적이고 효율적인 로봇 경로 계획을 가능하게 하는 'IMPACT' 프레임워크를 제안합니다.
이 논문은 인간과 LLM 간의 상호작용을 통해 데이터 분석 워크플로우를 선언적 표현으로 분해하고 코드를 생성하는 'iProg' 도구를 제안하며, 천체물리학과 생화학 분야의 사례를 통해 기존 노코드 방식보다 성능과 코드 품질이 우수하며 개발 속도가 획기적으로 향상됨을 입증합니다.
이 논문은 대규모 언어 모델이 직업별 여성 등장인물을 과대표출하면서도 실제 노동 시장 데이터보다는 성별 고정관념에 더 부합하는 편향을 유지하는 역설적 현상을 규명하고, 이를 해결하기 위한 균형 잡힌 완화 조치의 중요성을 강조합니다.
이 논문은 비동기적인 2D 구조 정렬과 물리적 충돌이 없는 3D 확산 모델을 통합하여, 단일 이미지에서의 양손 재구성 시 발생하는 복잡한 오목과 관통 문제를 해결하고 정밀한 상호작용 복원을 가능하게 하는 새로운 접근법을 제안합니다.
이 논문은 고비용의 수동 단계 주석이 필요 없이 예측 엔트로피를 기반으로 논리적 전환점을 자동으로 식별하여 효율적인 과정 보상 모델 (EDU-PRM) 을 제안하며, 적은 학습 데이터로도 최첨단 성능을 달성하고 추론 정확도를 높이며 토큰 사용량을 대폭 줄인다는 결과를 보여줍니다.
본 논문은 대규모 언어 모델 (LLM) 을 활용하여 임상 시뮬레이션, 논문 분석, 의학 뉴스 요약 기능을 제공하는 'MediTools'를 개발하고 의료 전문가 및 학생들의 피드백을 통해 의료 교육 혁신 가능성을 입증한 연구입니다.
이 논문은 SMOTE, ADASYN, CTGAN 을 통합한 새로운 하이브리드 데이터 균형화 프레임워크인 'MetaBoost'와 반사실 분석을 활용하여 대사증후군 예측의 정확도를 높이고, 혈당과 중성지방이 주요 위험 인자임을 규명함으로써 임상적 통찰력을 제공합니다.
본 논문은 2019 년부터 2025 년까지의 대규모 언어 모델 및 자율 AI 에이전트 평가 벤치마크를 통합된 분류체계로 정리하고, 에이전트 프레임워크, 실제 응용 사례, 에이전트 간 협력 프로토콜을 종합적으로 검토하며 향후 연구 방향을 제시합니다.
이 논문은 특정 공간 영역과 형태를 제한하고 주파수 영역 기반 주입 기법을 활용하여 블랙박스 환경에서도 모든 클래스를 표적으로 삼으면서도 은닉성과 공격 성능을 동시에 확보하는 새로운 다중 표적 백도어 공격 기법인 SFIBA 를 제안합니다.
이 논문은 해양 포유류叫声부터 복잡한 실세계 음향에 이르기까지 다양한 도메인의 음향 이해와 추론 능력을 평가하기 위해 DCASE 2025 챌린지의 Task 5 로 오디오 질문 응답 (AQA) 벤치마크를 제안하고, 다양한 오디오 - 언어 모델들의 성능을 비교 분석합니다.
이 연구는 금융 전문가를 대상으로 한 실험을 통해 AI 가 생성한 콘텐츠가 작업 품질에 긍정적 영향을 미치지만, 특히 불필요한 인지 부하 (extraneous load) 가 성과에 가장 큰 부정적 영향을 미치며, 이는 모델이 주도하는 작업 전환과 관련이 깊고 전문성 수준에 따라 그 효과가 조절됨을 밝혔습니다.
이 논문은 기존에 배포 단계에서 사후적으로 수행되던 기계적 망각을 학습 단계에서 사전에 준비하는 'Ready2Unlearn'이라는 새로운 최적화 접근법을 제안하며, 메타학습 원리를 활용하여 향후 데이터 삭제 요청에 효율적이고 원칙적으로 대응할 수 있는 모델을 구축하는 방법을 제시합니다.
FreeKV 는 학습이 필요 없는 알고리즘 및 시스템 공동 최적화 프레임워크를 통해 KV 캐시 검색 효율성을 극대화하면서도 정확도를 유지하여, 기존 최첨단 방법 대비 최대 13 배의 속도 향상을 달성합니다.
이 논문은 유사 문제 검색과 형식적 검증기를 결합한 신경-심볼릭 접근법을 통해 LLM 의 기하학적 증명 정확도를 크게 향상시키고 신뢰할 수 있는 추론을 가능하게 하는 방법을 제시합니다.
이 논문은 검증 세트 없이도 메타 피드백을 통해 각 문제实例에 맞춰 에이전트 구성을 동적으로 설계, 비판 및 정제할 수 있는 최초의 자기 진화 추론 시간 프레임워크인 MAS-ZERO 를 제안하며, 다양한 벤치마크에서 기존 수동 및 자동 다중 에이전트 시스템보다 뛰어난 성능을 입증합니다.
이 논문은 비에피소드적이고 역동적인 'Agar.io'를 기반으로 한 새로운 연구 플랫폼 'AgarCL'을 소개하며, 이를 통해 기존 강화학습 알고리즘과 지속적 학습 방법들의 성능을 평가하고 지속적 강화학습이 안정성 - 가소성 딜레마를 넘어선 더 복잡한 과제를 안고 있음을 시사합니다.
이 논문은 대규모 다중 에이전트 제어 문제를 해결하기 위해 확률 분포 공간에서 최적 제어에 대한 최대 원리와 해밀턴-자코비-벨만 방정식을 rigorously 유도하고, 이를 기반으로 심층 신경망을 활용한 확장 가능한 수치 알고리즘을 제안하여 도메인 장애물 및 에이전트 간 상호작용이 포함된 다양한 예제에서 그 유효성을 입증합니다.