Adversarial Reinforcement Learning for Detecting False Data Injection Attacks in Vehicular Routing
이 논문은 차량 경로 최적화를 방해하는 허위 데이터 주입 공격에 대응하기 위해 공격자와 방어자 간의 제로섬 게임을 다중 에이전트 강화학습으로 모델링하여 내비게이션 네트워크의 회복력을 극대화하는 최적 탐지 전략을 제안합니다.
🤖 Category
cs.AI
3830 편의 논문
GPT4o-Receipt: A Dataset and Human Study for AI-Generated Document Forensics
이 논문은 AI 가 생성한 영수증의 주요 탐지 신호가 시각적 결함이 아닌 산술 오류임을 밝히며, 인간은 시각적 이상은 감지할 수 있지만 산술 오류는 놓쳐 AI 문서 탐지 성능이 기계보다 낮다는 역설을 보여주는 'GPT4o-Receipt' 데이터셋과 연구를 제시합니다.
Verified Multi-Agent Orchestration: A Plan-Execute-Verify-Replan Framework for Complex Query Resolution
이 논문은 복잡한 쿼리 해결을 위해 하위 질문의 DAG 기반 병렬 실행, LLM 기반 검증, 그리고 적응적 재계획을 통합한 '검증 기반 다중 에이전트 오케스트레이션 (VMAO)' 프레임워크를 제안하며, 이를 통해 단일 에이전트 대비 답변의 완전성과 소스 품질을 크게 향상시켰음을 보여줍니다.
Examining Users' Behavioural Intention to Use OpenClaw Through the Cognition--Affect--Conation Framework
본 연구는 436 명의 OpenClaw 사용자 데이터를 구조방정식 모형으로 분석하여, 개인화·지능성·상대적 우위와 같은 인지적 요인이 긍정적 정서를, 사생활 침해·알고리즘 불투명성·위험 인식과 같은 요인이 불신을 유발하며, 이러한 정서적 반응이 최종적으로 시스템 사용 의도에 영향을 미친다는 CAC(인지 - 정서 - 의도) 프레임워크를 규명했습니다.
Bridging Discrete Marks and Continuous Dynamics: Dual-Path Cross-Interaction for Marked Temporal Point Processes
이 논문은 이산적 마크와 연속적 동역학 간의 상호작용을 포착하기 위해 자기-어텐션과 신경 미분방정식을 병렬로 결합하고 교차 어텐션으로 융합하는 NEXTPP 모델을 제안하여, 불규칙한 이벤트 시퀀스 예측 성능을 기존 최첨단 모델보다 크게 향상시켰습니다.
Stage-Adaptive Reliability Modeling for Continuous Valence-Arousal Estimation
이 논문은 오디오 및 시각 신호의 신뢰도가 상호작용 단계에 따라 달라진다는 점을 고려하여, 각 단계별 모달리티 신뢰도를 추정하고 보정하는 'SAGE'라는 새로운 프레임워크를 제안함으로써 실시간 환경에서의 연속적인 정서 (가치 - 각성) 추정의 정확도를 향상시킵니다.
Grammar of the Wave: Towards Explainable Multivariate Time Series Event Detection via Neuro-Symbolic VLM Agents
이 논문은 자연어 기반의 지식과 물리적 시계열 데이터를 연결하는 '이벤트 논리 트리 (ELT)' 프레임워크와 신경-상징적 VLM 에이전트를 제안하여, 레이블 데이터가 부족한 환경에서도 다변량 시계열 이벤트 탐지의 정확성과 설명 가능성을 동시에 향상시키는 방법을 제시합니다.
INFACT: A Diagnostic Benchmark for Induced Faithfulness and Factuality Hallucinations in Video-LLMs
이 논문은 비디오-LLM 의 환각 현상 (신뢰성과 사실성) 을 진단하기 위해 9,800 개의 QA 데이터와 다양한 왜곡 모드를 포함한 'INFACT' 벤치마크를 제안하고, 기존 모델들이 기본 모드 성능과 달리 왜곡된 환경에서 신뢰성이 크게 저하됨을 실증합니다.
SPEGC: Continual Test-Time Adaptation via Semantic-Prompt-Enhanced Graph Clustering for Medical Image Segmentation
이 논문은 의료 영상 분할에서 도메인 간격으로 인한 성능 저하를 해결하기 위해, 의미 프롬프트 기반 특징 강화와 최적 수송 문제를 활용한 그래프 클러스터링을 통해 신뢰할 수 있는 적응을 가능하게 하는 새로운 CTTA 방법인 SPEGC 를 제안합니다.
OrthoEraser: Coupled-Neuron Orthogonal Projection for Concept Erasure
이 논문은 민감한 개념과 유익한 속성이 중첩된 신경망 구조에서 유해한 콘텐츠를 제거하면서도 모델의 정상적인 생성 능력을 보존하기 위해 희소 오토인코더와 결합된 뉴런의 분석적 직교 투영을 활용하는 'OrthoEraser'라는 새로운 개념 제거 기법을 제안합니다.
KEPo: Knowledge Evolution Poison on Graph-based Retrieval-Augmented Generation
이 논문은 그래프 기반 검색 증강 생성 (GraphRAG) 의 보안 취약점을 공략하기 위해, 외부 데이터베이스에 독성 사건과 지식 진화 경로를 조작하여 지식 그래프를 오염시키고 LLM 의 응답을 악의적으로 조작하는 새로운 공격 기법인 KEPo(Knowledge Evolution Poison) 를 제안하고 그 효과성을 입증합니다.
Gen-Fab: A Variation-Aware Generative Model for Predicting Fabrication Variations in Nanophotonic Devices
이 논문은 나노포토닉 소자의 제조 공정에서 발생하는 비균일한 변형을 예측하고 불확실성을 모델링하기 위해, 설계 레이아웃을 입력받아 다양한 고해상도 제조 결과를 생성하는 조건부 생성적 적대 신경망 (cGAN) 기반의 'Gen-Fab'을 제안하고, 기존 방법들보다 우수한 정확도와 일반화 성능을 입증했습니다.
Multi-Agent Collaboration for Automated Design Exploration on High Performance Computing Systems
이 논문은 고성능 컴퓨팅 시스템에서 대규모 설계 공간을 탐색하기 위해 전문 에이전트들이 협력하는 LLM 기반의 MADA 프레임워크를 제안하며, 이를 통해 관성 핵융합의 Richtmyer-Meshkov 불안정성 억제와 같은 복잡한 과학적 설계 작업을 자동화하고 최적화하는 것을 입증합니다.
FBCIR: Balancing Cross-Modal Focuses in Composed Image Retrieval
이 논문은 기존 조합 이미지 검색 (CIR) 모델이 어려운 부정적 샘플에서 한 모달리티에 치우쳐 성능이 저하되는 문제를 해결하기 위해, 모델의 주의 집중 불균형을 진단하는 'FBCIR' 방법과 이를 보완하는 데이터 증강 워크플로우를 제안합니다.
EReCu: Pseudo-label Evolution Fusion and Refinement with Multi-Cue Learning for Unsupervised Camouflage Detection
이 논문은 저수준 질감 단서와 중간 수준 시맨틱을 통합한 다중 단서 인식 모듈과 의사 레이블 진화 융합 기법을 통해 라벨 노이즈를 정제하고 세부 정보를 복원함으로써, 비지도 위장 객체 탐지 (UCOD) 의 성능을 획기적으로 향상시키는 EReCu 프레임워크를 제안합니다.
Expert Threshold Routing for Autoregressive Language Modeling with Dynamic Computation Allocation and Load Balancing
이 논문은 토큰이 각 전문가의 임계값을 독립적으로 초과하는지 확인하여 동적 계산 할당과 보조 손실 없이 부하 균형을 달성하는 '전문가 임계값 (Expert Threshold)' 라우팅을 제안하며, 이를 통해 TC-MoE 대비 더 낮은 손실과 적은 토큰으로 동등한 성능을 달성하는 것을 보여줍니다.
ReHARK: Refined Hybrid Adaptive RBF Kernels for Robust One-Shot Vision-Language Adaptation
이 논문은 CLIP 과 같은 대규모 비전 - 언어 모델의 원샷 적응 시 발생하는 안정성 - 가소성 딜레마를 해결하기 위해, 전역 근접 정규화와 하이브리드 사전 지식, 지원 세트 증강, 적응형 분포 보정, 다중 스케일 RBF 커널을 결합한 훈련 없는 프레임워크 'ReHARK'를 제안하여 11 개 벤치마크에서 기존 방법들을 압도하는 새로운 최첨단 성능을 달성했다고 요약할 수 있습니다.
One Supervisor, Many Modalities: Adaptive Tool Orchestration for Autonomous Queries
이 논문은 텍스트, 이미지, 오디오, 비디오 등 다양한 모달리티에 특화된 도구들을 중앙 집중형 'Supervisor'가 동적으로 조정하여 처리하는 에이전트 AI 프레임워크를 제안하며, 이를 통해 기존 계층적 기준 대비 응답 시간과 대화 재작업, 비용을 대폭 절감하면서도 정확도를 유지하는 것을 입증했습니다.
MANSION: Multi-floor lANguage-to-3D Scene generatIOn for loNg-horizon tasks
이 논문은 실제 세계의 복잡한 다층 환경과 장기 작업을 평가하기 위해 언어 기반의 전체 건물 규모 3D 장면 생성 프레임워크인 'MANSION'과 이를 활용한 대규모 데이터셋 'MansionWorld'를 제안합니다.
RoboClaw: An Agentic Framework for Scalable Long-Horizon Robotic Tasks
이 논문은 데이터 수집, 정책 학습, 실행을 단일 VLM 기반 에이전트로 통합하고 자기 재설정 루프를 통해 장기적 로봇 작업의 안정성과 확장성을 획기적으로 개선한 'RoboClaw' 프레임워크를 제안합니다.