4139 편의 논문
이 논문은 문장 내 주의 지원이 안정적으로 유지된다는 관찰을 바탕으로, 기존 체크포인트를 재학습 없이 적용하여 긴 문맥과 추론 작업에서 1.6 배에서 14.4 배까지 추론 처리량을 향상시키면서도 품질을 유지하는 'Slow-Fast Inference'라는 새로운 추론 가속 프레임워크를 제안합니다.
이 논문은 멀티모달 에이전트가 매개변수 업데이트 없이 과거 경험을 바탕으로 지속적으로 학습할 수 있도록 시각적 관찰에 기반한 경험과 기술이라는 두 가지 상보적 지식 스트림을 통합한 'XSkill' 프레임워크를 제안하고, 다양한 벤치마크에서 기존 방법들을 크게 능가하는 성능을 입증합니다.
이 논문은 사전 학습된 확산 모델을 활용하여 훈련 없이 저해상도 참조 이미지로부터 고품질 시각 콘텐츠를 생성하기 위해, h-변환을 기반으로 한 드리프트 함수와 노이즈 수준 인식 스케줄을 도입한 새로운 유도 생성 방법을 제안합니다.
이 논문은 은닉층이 없는 화학 반응 네트워크가 은닉층이 필요한 스파이킹 신경망보다 분류 작업을 더 정확하게 효율적으로 학습할 수 있음을 수학적으로 증명하고 실험을 통해 검증함으로써, 화학적 컴퓨터의 기계 학습 가능성과 생물학적 세포의 학습 효율성을 설명합니다.
이 논문은 합성곱 연산의 한계를 극복하기 위해 학습 기반 이미지 처리를 위한 구조화된 연산자 5 가지 계열 (분해 기반, 적응형 가중치, 기저 적응, 적분 및 커널, 어텐션 기반) 에 대한 체계적인 분류를 제시하고, 각 연산자의 구조적 특성과 적용 분야를 비교 분석하며 향후 연구 방향을 제시합니다.
LoV3D 는 표준화된 부피 측정치를 기반으로 한 자동화된 검증기를 통해 3D 뇌 MRI 의 종단적 변화를 지역적 해부학적 평가와 일관성 있게 연결함으로써, 환각을 줄이고 알츠하이머병 등 신경퇴행성 질환의 진단 정확도와 일반화 성능을 획기적으로 향상시킨 새로운 3D 비전 - 언어 모델 파이프라인입니다.
이 논문은 전사 인자 (TF) 결합 부위 예측을 단일 TF 가 아닌 다중 레이블 분류 문제로 접근하여 시계열 합성곱 네트워크 (TCN) 를 활용함으로써 TF 간 상호작용과 협력적 조절 메커니즘을 포착하고 생물학적으로 유의미한 결합 패턴을 규명하는 새로운 프레임워크를 제시합니다.
이 논문은 피드백 메모리와 이중 LLM 전략을 활용하여 단일 소비자용 GPU 에서만 실행 가능한 자원 효율적인 반복형 신경망 구조 탐색 (NAS) 파이프라인을 제안하며, 대규모 클라우드 인프라 없이도 이미지 분류 성능을 크게 향상시킵니다.
이 논문은 대규모 언어 모델 (LLM) 이 개인의 이름과 어떤 정보를 연관 짓는지 사용자가 직접 확인할 수 있도록 돕는 'LMP2'라는 브라우저 기반 자기 감사 도구를 소개하고, 사용자 연구와 다양한 모델 평가를 통해 LLM 프라이버시 감사의 실효성을 입증함과 동시에 확률적이고 맥락 의존적인 생성형 AI 평가의 근본적인 난제와 개선 방향을 제시합니다.
이 논문은 Vissim 시뮬레이터에서 검증된 강화 학습 기반의 다중 에이전트 프레임워크를 제안하여, 회전비 무작위화, 지수적 신호 단계 조정, 그리고 이웃 기반 관측 기법을 통해 기존 방법보다 10% 이상 평균 대기 시간을 단축하고 다양한 교통 상황에 대한 일반화 성능과 제어 안정성을 크게 향상시켰음을 보여줍니다.
이 논문은 강화학습 기반 LLM 에이전트가 능동적 추론 과정에서 정보 획득을 중단하고 기존 정보를 활용하지 못하는 '정보 자기잠금' 현상을 발견하고, 이를 해결하기 위해 방향성 피드백을 주입하는 새로운 접근법을 제안하여 성능을 최대 60% 향상시켰음을 보여줍니다.
이 논문은 외부 교란과 모델 불확실성 하에서도 안정적인 성능을 보장하기 위해, 작업 수행도와 교란 강도를 균형 있게 조절하는 분수 목적 함수를 도입하여 학습된 사용자와 적대적 교란 정책 간의 미니맥스 최적화를 수행하는 'MMDDPG' 프레임워크를 제안합니다.
이 논문은 언어 모델이 텍스트 기반 학습만으로 후각과 미각에 기반한 소믈리에 전문성을 습득할 수 있는지 평가하기 위해, 와인 이론, 특징 완성, 음식-와인 페어링 등 세 가지 다국어 태스크로 구성된 'SommBench' 벤치마크를 제안하고 주요 모델들의 성능을 분석한 결과입니다.
이 논문은 관절에 연성 소재를, 링크에 강성 소재를 배치하여 강도와 내구성을 향상시키고 정밀한 반복 운동을 가능하게 하는 15 개 모터 구동 방식의 저비용 오픈소스 손 'CRAFT'를 소개합니다.
이 논문은 AI 에이전트의 지능이 향상될수록 자원이 부족할 때는 시스템 과부하와 집단적 위험이 증가하지만, 자원이 풍부할 때는 오히려 과부하가 감소하며, 이러한 결과는 AI 의 sophistication(정교함) 이 아닌 '자원 대비 인구 비율'이라는 단일 수치에 의해 결정됨을 보여줍니다.
이 논문은 대규모 언어 모델 (LLM) 의 위상적 추론 능력을 평가하기 위해 'TopoBench'라는 벤치마크를 제안하고, 모델의 실패 원인이 추론 자체보다는 공간적 제약 조건을 추출하고 유지하는 데 있음을 규명했습니다.
이 논문은 복잡한 강화학습 환경을 수개월의 엔지니어링 없이 10 달러 미만의 비용으로 고성능 구현체로 자동 변환하는 재사용 가능한 레시피를 제시하며, 이를 통해 다양한 환경에서 기존 대비 최대 22,320 배의 성능 향상과 의미적 동등성을 입증했습니다.
이 논문은 기존 다단계 생성 모델의 계산 비효율성과 기존 증류 방법의 품질 저하 문제를 해결하기 위해, 하이브리드 전략을 통해 궤적 정확도와 화질을 모두 유지하는 소수 단계의 비디오 생성 프레임워크 'FlashMotion'과 이를 평가하는 벤치마크 'FlashBench'를 제안합니다.
이 논문은 LLM 강화학습 (RL) 후학습의 연산 효율성을 극대화하기 위해 병렬 롤아웃 수, 배치 내 문제 수, 업데이트 단계 수 간의 최적 자원 배분 전략을 제시하며, 병렬 롤아웃 증가는 문제 난이도에 따라 솔루션 정교화 또는 탐색 범위 확장을 통해 성능을 향상시킨다는 실증적 결과를 도출했습니다.
이 논문은 복잡한 문자와 수식의 정확한 렌더링을 위해 보조 도구를 활용해 글리프 템플릿을 잠재 공간과 주의 맵에 주입하는 훈련 없는 에이전트 워크플로우인 GlyphBanana 를 제안하고, 이를 통해 기존 모델들보다 뛰어난 정밀도를 달성함을 보여줍니다.