4541 편의 논문
이 논문은 노이즈로 인한 수렴 불안정성을 해결하기 위해 STORM 기반의 분산 감소와 동일 배치 곡률 검증 메커니즘을 결합한 'VR-SDA-A' 알고리즘을 제안하여, 비볼록 - 비오목 확률적 변분 부등식 문제에서 최적의 오라클 복잡도 (O(ε⁻³)) 를 달성하면서도 자동 학습률 조정을 가능하게 합니다.
이 논문은 가중치 행렬의 특이값 감소를 활용하여 저랭크 행렬로 파라미터를 표현하는 '특이 베이지안 신경망'을 제안함으로써, 기존 평균장 근사 대비 파라미터 수를 획기적으로 줄이면서도 OOD 검출 및 보정 성능을 향상시키고 Deep Ensemble 과 경쟁력 있는 예측 성능을 달성하는 방법을 제시합니다.
이 논문은 고차원 가이드드 확산 모델에서 클래스 수가 지수적으로 증가할 때 발생하는 생성 왜곡 현상을 통계물리학적 접근으로 분석하고, 분산 축소 문제를 해결하면서도 클래스 분리를 유지할 수 있는 음수 가이드 윈도우를 포함한 새로운 이론적 가이드 스케줄을 제안합니다.
이 논문은 정보이론적 관점에서 볼 때, 제한된 용량을 가진 언어 모델이 최적의 압축 전략을 따를 때 사실과 비사실의 확률 분포 차이를 최소화하는 과정에서 할루시네이션이 불가피하게 발생한다는 것을 증명합니다.
이 논문은 물리적 제약과 시간적 일관성을 위반할 수 있는 제로샷 비디오 생성 계획을, 학습된 행동 조건부 세계 모델을 통해 역학적으로 실행 가능한 행동 시퀀스로 변환하는 'GVP-WM' 방법을 제안합니다.
이 논문은 분산 확산 모델의 생성 품질이 수치적 안정성이 아닌, 현재 탈노이즈 상태와 가장 잘 일치하는 전문가를 선택하는 '전문가 - 데이터 정렬'에 의해 결정된다는 것을 규명합니다.
이 논문은 온라인 수학 튜터링 플랫폼 데이터를 활용하여 학습자의 과거 수행과 특성을 기반으로 컨텍스트 톰슨 샘플링을 적용한 밴딧 기반 추천 시스템을 제안함으로써, 대규모 학습자에게 개인화된 연습 문제를 제공하여 기술 향상도를 극대화하는 방법을 제시합니다.
이 논문은 유한 4 차 모멘트를 가진 일반 잡음 하에서도 가우시안 잡음과 동일한 점근적 스펙트럼 분포 및 통계적 한계를 보인다는 사실을 증명하여 비대칭 스파이크 텐서 모델의 보편성 원리를 확립합니다.
이 논문은 -wise 비교에서 도출된 모든 쌍별 선호도를 전이 폐포를 통해 집계하는 토너먼트 그래프 프레임워크를 제안하여, LLM 기반 문서 재랭킹 등에서 기존 방법 대비 정확도는 유지하거나 향상시키면서 토큰 사용량을 25~40% 절감하는 효율적인 제로샷 순위 에이전트를 제시합니다.
이 논문은 그룹 상대 정책 최적화 (GRPO) 의 데이터 활용 비효율성과 엔트로피 붕괴 문제를 해결하면서, 대형 언어 모델의 불필요한 추론 과정을 효율적으로 압축하여 성능 저하 없이 계산 비용과 지연 시간을 줄이는 '세분화된 그룹 정책 최적화 (FGO)' 알고리즘을 제안합니다.
이 논문은 JEPA 아키텍처를 추적 모델 예측으로 확장하여 GOT-JEPA 프레임워크를 제안하고, 가시성 추정을 위한 OccuSolver 를 결합함으로써 가려짐과 같은 열악한 환경에서도 일반화 능력과 강건성을 크게 향상시킨 객체 추적 방법을 제시합니다.
이 논문은 사이버-물리 시스템의 안전성 확보를 위해 기존 오프라인 안전 강화학습의 한계를 극복하고, 계층적 안전 우선순위를 반영한 'LexiSafe' 프레임워크를 제안하며 이론적 성능 보장과 실험적 우수성을 입증합니다.
이 논문은 의료 영상에서 공간적 배열 정보가 약한 경우 기존 비전 트랜스포머의 고정된 공간 사전 지식이 비효율적일 수 있음을 지적하고, 위치 임베딩과 [CLS] 토큰을 제거한 경량화된 ZACH-ViT 아키텍처를 제안하여 데이터가 부족한 의료 영상 환경에서 데이터 구조에 맞는 아키텍처 정렬이 성능 향상에 기여함을 입증합니다.
통계물리학적 관점에서 제안된 새로운 난이도 높은 벤치마크를 통해 그래프 신경망 (GNN) 과 기존 휴리스틱 알고리즘을 공정하게 비교한 결과, 현재 GNN 은 여전히 기존 알고리즘보다 성능이 낮음을 확인하고 향후 연구의 방향성을 제시했습니다.
이 논문은 대규모 언어 모델을 기반으로 한 자율적 AI 분석가들이 인간 다중 분석가 연구와 유사한 분석적 다양성과 결과 불일치를 저렴하게 재현할 수 있음을 보여주며, 이에 따라 AI 자동화 과학의 투명성을 위해 다중 우주식 보고와 프롬프트 공개가 필수적임을 주장합니다.
이 논문은 서브가법 집합 함수의 누락된 값을 효율적으로 질의하여 최소 및 최대 완결 사이의 가법 오차를 최소화하는 방법을 제안하고, 이를 오프라인 및 온라인 방식으로 해결하는 알고리즘을 개발하여 실증적으로 검증했습니다.
본 논문은 대규모 언어 모델이 초기 학습 단계에서 잘못된 문법적 편향을 형성하여 이를 후기까지 유지하는 '고착' 현상을 발견하고, 이를 설명하는 '이중어 가설 (Bigram Hypothesis)'을 제시하며 언어학적 통찰을 통해 모델 학습 효율성을 개선할 수 있음을 주장합니다.
이 논문은 VLM 과 전문 시각 그라운딩 모델을 분해된 에이전트 프레임워크로 결합하여 증거 기반의 단계적 워크플로우를 구현함으로써 의료 다중 모달 추론의 정확성과 임상적 책임성을 크게 향상시킨 'CARE'를 제안합니다.
이 논문은 기존 무분류기 안내 (CFG) 의 불안정성과 과도한 오버슈팅 문제를 해결하기 위해 슬라이딩 모드 제어 (SMC) 이론을 도입하여 유한 시간 수렴을 보장하고 다양한 안내 스케일에서 향상된 의미 정렬을 달성하는 새로운 방법인 SMC-CFG 를 제안합니다.
이 논문은 코드 분석을 위한 단일 모델의 다중 태스크 파라미터 효율적 미세 조정 (PEFT) 을 체계적으로 평가하여, 단일 태스크 미세 조정과 유사한 성능을 유지하면서 저장 공간과 계산 비용을 대폭 절감할 수 있음을 입증하고, 작업 간 상호 보완성 및 모델 아키텍처 등 성공 요인을 규명했습니다.