2657 편의 논문
이 논문은 온라인 대화에서 자살 사고를 탐지하기 위해 인지 평가 이론을 기반으로 한 반사실적 사용자 반응을 생성하는 추론 에이전트와 프론트 도어 조정 전략을 통해 숨겨진 편향을 완화하는 편향 인식 의사결정 에이전트를 협력적으로 활용하는 다중 에이전트 인과 추론 (MACR) 프레임워크를 제안합니다.
이 논문은 영어 학습자 (ELL) 의 자동 채점에서 발생하는 편향 증폭 문제를 해결하기 위해, 풍부한 비-ELL 고득점 샘플의 내용과 ELL 의 언어적 패턴을 결합한 가짜 데이터를 생성하는 'BRIDGE' 프레임워크를 제안하고, 이를 통해 California 과학 시험 (CAST) 데이터에서 편향을 효과적으로 완화하면서도 전체 채점 성능을 유지함을 입증합니다.
이 논문은 장문 질문 답변 (LFQA) 평가를 위해 130 만 개의 인간 선호도 데이터와 9 가지 평가 기준을 제안하고, 이를 기반으로 한 간단한 선형 모델이 최첨단 LLM 평가자와 유사한 성능을 보이며 LLM 평가자의 다양한 편향을 드러낸다는 점을 소개합니다.
이 논문은 기존 벤치마크의 한계를 극복하고 실제적인 논리적 추론 능력을 평가하기 위해, 삼단계 최적화를 활용하여 현실적인 다턴 태스크 지향 대화와 추론 작업을 생성하는 LLM 기반 프레임워크를 제안합니다.
이 논문은 기존 방법론의 한계를 극복하고 특허 기반 모순 마이닝의 정확도를 향상시키기 위해 TRIZ 지식 베이스 검색을 통합한 새로운 대규모 언어 모델 프레임워크인 TRIZ-RAGNER 을 제안하고, PaTRIZ 데이터셋 실험을 통해 기존 모델 대비 우수한 성능을 입증합니다.
이 논문은 MLLM 의 계층적 특성을 반영하여 시각 토큰을 90% 까지 압축하면서도 성능을 유지하고 학습 속도를 1.72 배 가속화하는 새로운 효율성 프레임워크 'HiDrop'을 제안합니다.
이 논문은 정적 데이터셋의 한계를 극복하고 LLM 의 진화하는 추론 능력을 평가하기 위해, 자율 에이전트들이 문제를 생성·검증·해결하는 동적 프로토콜을 도입하여 텍스트 이상 탐지 형식을 통해 기존 벤치마크가 놓친 추론 오류를 체계적으로 포착하는 새로운 평가 패러다임을 제안합니다.
이 논문은 시각적 객체 추적의 계산 비용을 줄이면서도 정확도를 유지하기 위해 검색 영역, 동적 템플릿, 정적 템플릿을 통합적으로 압축하는 새로운 단일 토큰 가지치기 프레임워크인 UTPTrack 을 제안하고, 다양한 벤치마크에서 기존 방법보다 뛰어난 성능과 효율성을 입증합니다.
이 논문은 소량 데이터 환경에서의 텍스트 분류 성능을 향상시키기 위해, 다차원 의미 요인으로 구성된 구조화된 프롬프트와 잠재 공간 내 의미 정렬 메커니즘을 도입하여 의미적 혼란을 해소하고 라벨 불명확성을 개선하는 최적화 프레임워크를 제안합니다.
이 논문은 확산 기반 대규모 언어 모델 (dLLM) 의 이론적 병렬성과 실제 성능 간의 격차를 해소하기 위해, 분할 (Divide) 과 정복 (Conquer) 단계를 반복하고 마지막에 정제 단계를 거치는 적응형 병렬 디코딩 기법인 'DiCo'를 제안하여 추론 속도를 크게 향상시키면서도 생성 품질을 유지하는 방법을 제시합니다.
이 논문은 SwiGLU 와 같은 게이트 활성화 함수를 사용하는 최신 트랜스포머 언어 모델의 해석 가능성을 높이기 위해, 각 뉴런의 게이트와 입력 활성화의 네 가지 부호 조합에 따른 텍스트 예시와 발생 빈도를 분석하는 오픈소스 도구인 GLUScope 를 제안합니다.
이 논문은 중국어 전문 글쓰기에서 언어적 오류와 사실적 오류를 통합적으로 수정하는 새로운 태스크인 CLFEC 를 제안하고, 이를 위한 다도메인 데이터셋을 구축하여 대규모 언어 모델 기반의 다양한 수정 패러다임을 체계적으로 평가하고 산업 현장 적용을 위한 실증적 통찰을 제공합니다.
이 논문은 BERT 와 CLIP 을 활용한 멀티모달 멀티태스크 모델과 의사레이블 기반 데이터 증강 기법을 통해 AI 생성 이미지 탐지 및 생성 모델 식별 성능을 향상시키고, 'CT2' 대회에서 상위권을 차지한 결과를 제시합니다.
이 논문은 20 개 이상의 프로그래밍 언어와 3,600 개 이상의 저장소에서 32,000 개 이상의 실행 가능한 소프트웨어 엔지니어링 (SWE) 태스크와 12 만 개 이상의 확장 데이터를 포함하는 대규모 언어 중립적 SWE 벤치마크인 'SWE-rebench V2'를 소개하며, 이를 통해 강화학습 기반 SWE 에이전트 훈련을 위한 재현 가능한 환경과 데이터셋을 제공합니다.
이 논문은 KL 발산 대신 직접적인 수용률 최적화를 목표로 하는 'LK 손실'을 제안하여, 다양한 크기의 모델과 도메인에서 스펙큘레이티브 디코딩의 수용 길이를 8~10%까지 향상시키고 구현의 용이성과 추가 비용 부재를 입증했습니다.
이 논문은 기존 참조 표현 이해 (REC) 벤치마크의 단점을 보완하고 단순한 단서 의존성을 배제하기 위해 고안된 'Ref-Adv'라는 새로운 벤치마크를 제시하며, 이를 통해 최신 멀티모달 LLM 들이 기존 데이터셋에서는 높은 성능을 보이지만 실제 시각적 추론과 정밀한 grounding 능력에서는 심각한 한계를 드러냄을 규명합니다.
이 논문은 대규모 언어 모델 (LLM) 이 무의미한 단어로 대체된 텍스트에서도 문법적 구조와 세계 지식을 활용해 원문의 의미를 놀라운 정확도로 복원할 수 있음을 보여주며, 이는 언어 처리에서 구문론과 어휘적 의미, 그리고 일반 지식이 긴밀하게 통합되어야 함을 시사합니다.
이 논문은 25,006 개의 문장으로 구성된 네덜란드어 데이터셋을 사용하여 10 가지 BERT 기반 모델을 벤치마크한 결과, MuRIL-large 가 90.60% 의 F1 점수로 가장 우수한 성능을 보였으며, 이는 네덜란드어 NLP 응용을 위한 강력한 기준을 제시한다는 내용을 담고 있습니다. *(참고: 원문 초록에 'Nepali(네팔어)'라고 명시되어 있으나, 번역 시 'Devanagari script(데바나가리 문자)'와 'Nepali(네팔어)'의 혼동을 방지하기 위해 'Nepali'를 '네팔어'로 정확히 번역했습니다. 위 문장에서는 '네덜란드어'가 아닌 '네팔어'로 수정하여 작성해야 합니다.)* **수정된 정확한 답변:** 이 논문은 25,006 개의 문장으로 구성된 네팔어 데이터셋을 사용하여 10 가지 BERT 기반 모델을 벤치마크한 결과, MuRIL-large 가 90.60% 의 F1 점수로 가장 우수한 성능을 보였으며, 이는 네팔어 NLP 응용을 위한 강력한 기준을 제시한다는 내용을 담고 있습니다.
이 논문은 18 세기 프랑스 백과전서에서 추출한 지리적 좌표의 정밀한 주석 데이터셋 (EDDA-Coordinata) 을 구축하고 이를 기반으로 학습된 트랜스포머 모델을 통해 고전 텍스트에서 좌표를 자동으로 추출 및 정규화하는 두 단계의 방법을 제안하며, 이를 다양한 언어와 도메인에서 검증한 결과를 제시합니다.
이 논문은 대규모 언어 모델의 기억 시스템이 감정 정보를 처리하는 데 있어 한계가 있음을 규명하기 위해 감정 정보 추출, 업데이트, 질문 응답의 세 가지 차원을 평가하는 새로운 벤치마크와 HLME 데이터셋을 제안하고 있습니다.