4717 편의 논문
이 논문은 10~100 MeV 대역의 강전하 입자 빔에서 Vlasov-Poisson 계를 기반으로 한 유전 함수 이론과 Prometheus 라는 unsupervised 학습 모델을 결합하여, 임계 밀도 이상에서 감쇠가 없는 랭뮤어 파동 존재를 증명하고 입자 - 빔 전이가 3D 이징 보편성 부류에 속함을 규명하며 PIC 시뮬레이션을 통해 이론적 예측을 검증했습니다.
이 논문은 제한된 실험 데이터만으로도 강화학습 기반 예측 보행 시뮬레이션의 생체역학적 정확도와 일반화 능력을 향상시키기 위해 신경생리학적 구조인 근육 시너지 (muscle synergy) 를 제어 공간에 통합한 새로운 프레임워크를 제안하고 그 유효성을 입증합니다.
이 논문은 오버파라미터화된 선형 모델에서 듀얼 스페이스 프리컨디셔닝 경사 하강법 (정규화 경사 하강법, 그래디언트 클리핑, Adam 등 포함) 의 수렴성을 새로운 Bregman 발산 기법을 통해 증명하고, 등방성 프리컨디셔너의 경우 초기화에서 최소 거리의 해로 수렴하여 표준 경사 하강법과 동일한 암시적 편향을 가짐을 보여줍니다.
이 논문은 제한적이고 노이즈가 많은 신경 기록 데이터에서도 다양한 과제를 포괄하는 단일 통합 모델로 뇌의 역동적 메커니즘을 확장 가능하고 일반화되게 추론할 수 있는 계층적 모델 'JEDI'를 제안하고, 이를 통해 신경 역학의 공유 구조를 밝히고 실제 원숭이 운동 피질 데이터에 적용하여 운동 제어의 기작적 통찰을 도출함을 보여줍니다.
이 논문은 데이터 분포에 구애받지 않고 진정한 내재 차원에 수렴하는 보편적 특성을 가진 새로운 최근접 이웃 거리 비율 기반 추정기를 제안하고, 이를 이론적으로 증명하며 실험을 통해 검증합니다.
이 논문은 증거 기반 주장 검증을 통해 선호도를 추출하고 직접 선호도 최적화 (DPO) 를 적용하여 임상 요약의 사실성 (unsupported claim) 을 크게 줄이면서도 정보량을 유지하는 VERI-DPO 모델을 제안합니다.
이 논문은 t-곱 대수와 텐서 트레인 구조를 결합하여 저장 효율성을 높이고 이미지 및 영상 압축, 텐서 완성, 초분광 영상 등 다양한 응용 분야에서 우수한 성능을 보이는 새로운 '튜브형 텐서 트레인 (TTT)' 분해 모델을 제안합니다.
이 논문은 제한된 컴퓨팅 자원에서 그래프 어텐션 메커니즘과 GPT-4o-mini 를 결합한 경량 하이브리드 프레임워크를 제안하여, 노이즈가 있는 데이터에서도 아만존스 체스 게임에서 기존 베이스라인과 교사 모델보다 뛰어난 성능을 달성함을 입증합니다.
이 논문은 프론티어 LLM 의 지시 계층 구조 (IH) 강인성을 향상시키기 위해 고안된 강화 학습 데이터셋 'IH-Challenge'를 소개하고, 이를 통해 GPT-5-Mini 의 지시 계층 안정성을 10% 이상 개선하면서도 안전성과 유용성을 동시에 확보한 결과를 제시합니다.
이 논문은 리튬이온 배터리의 비정상적 노화 하에서 상태-of-건강 (SOH) 궤적을 예측하기 위해 전압, 전류, 온도 시계열 데이터를 잠재 상태로 인코딩하고 학습된 동역학을 통해 미래로 전파하는 '월드 모델' 접근법을 제안하며, 단일 입자 모델 (SPM) 제약을 도입하여 특히 노화 무릎 (degradation knee) 구간에서 예측 정확도를 향상시켰음을 보여줍니다.
이 논문은 통신 및 위치 제약 하에서 불확실한 의료 수요에 대응하기 위해 부분 관측 마르코프 결정 과정 (POMDP) 으로 모델링된 UAV 군집을 조정하고, 비동기식 및 순차적 학습 전략보다 우수한 성능을 보이는 Proximal Policy Optimization (PPO) 기반의 다중 에이전트 강화학습 프레임워크를 제안합니다.
이 논문은 강화 학습에서 발생하는 길이 팽창 문제를 보상 손실 없이 해결하기 위해, 길이를 제어하기 위해 곱셈적 재조정 패러다임을 도입하고 그룹 상대 정규화 및 이득 인식 보정을 결합한 '그룹 상대 보상 재조정 (GR³)' 방법을 제안합니다.
이 논문은 ODE 에서 영감을 받은 수축적 반복 업데이트를 통해 레이어 스택링을 대체하는 SCORE 를 제안하여, 가중치 공유로 파라미터를 줄이면서도 다양한 아키텍처에서 수렴 속도와 학습 효율성을 개선함을 보여줍니다.
이 논문은 클러스터 스케줄러의 점수 함수 가중치를 강화학습으로 자동 조정하여 다양한 워크로드와 클러스터 환경에서 작업의 종단간 성능을 평균 33% 향상시키는 방법을 제안합니다.
이 논문은 미국과 중국 주식 시장의 비중첩 거래 시간을 활용하여 방향성 지향적 이분 그래프를 구축하고, 이를 기계 학습 프레임워크에 통합함으로써 미국 시장 수익률이 중국 시장 수익률 예측에 유의미한 비대칭적 예측력을 가진다는 것을 규명했습니다.
이 논문은 단조 연산자 균형 네트워크의 가중치 양자화를 스펙트럼 섭동으로 분석하여, 양자화 오차가 단조성 마진보다 작을 때만 수렴이 보장되며 MNIST 실험을 통해 5 비트 이상에서 수렴하고 4 비트 이하에서는 발산하는 임계값을 확인하고 양자화 인식 학습으로 이를 회복할 수 있음을 증명합니다.
이 논문은 뇌파 공분산 행렬의 대칭 양정부호 성질을 보존하는 리만 기하학적 특성을 반영한 변이 오토인코더 (RGP-VAE) 를 제안하여, 운동 상상 뇌-컴퓨터 인터페이스 (MI-BCI) 의 데이터 증강 및 개인화 문제 해결에 기여하는 고품질 합성 데이터를 생성하는 방법을 제시합니다.
이 논문은 컨텍스트 학습 (ICL) 이 단순한 유사도 매칭이 아니라, 사전에 알려진 최적 알고리즘과 비교하여 Transformer 가 맥락에서 베이지안 최적 통계량을 근사하고 작업 유형에 따라 선형적 투표 또는 심층 순차 계산을 동적으로 구성하는 통계적 추정기를 구축함으로써 구현됨을 보여줍니다.
이 논문은 예측 성능과 하드웨어 효율성 간의 최적 균형을 찾아 다양한 테이블 데이터 분류 작업에서 기존 방법보다 우수한 성능을 보이는 새로운 사후 앙상블 방법인 HAPEns 를 제안합니다.
이 논문은 도덕적 추론 작업에서도 분포 매칭 기반의 다양성 추구 알고리즘이 아닌, 기존 보상 극대화 RLVR 방법이 더 효과적일 수 있음을 실증적으로 규명하며, 도덕적 추론의 고수익 응답 분포가 수학 추론보다 더 집중되어 있음을 발견했습니다.