Pure Exploration with Infinite Answers
이 논문은 무한한 정답 집합을 가진 순수 탐색 문제를 다루며, 기존 방법론의 한계를 지적하고 점근적 최적성을 보장하는 'Sticky-Sequence Track-and-Stop' 프레임워크를 제안합니다.
🤖 Category
cs.LG
4885 편의 논문
Rating Quality of Diverse Time Series Data by Meta-learning from LLM Judgment
이 논문은 대규모 언어 모델 (LLM) 의 사전 지식과 메타 러닝을 활용하여 다양한 도메인의 시계열 데이터 품질을 효율적이고 정확하게 평가하는 통합 프레임워크인 'TSRating'을 제안합니다.
Cooperative Game-Theoretic Credit Assignment for Multi-Agent Policy Gradients via the Core
이 논문은 협력적 다중 에이전트 강화학습의 신용 할당 문제를 해결하기 위해 협력 게임 이론의 코어 (core) 개념을 도입하여 연합별 기여도를 평가하고 할당하는 CORA 알고리즘을 제안하며, 이를 통해 에이전트 간 조율된 최적 행동을 유도하고 기존 방법들보다 우수한 성능을 입증합니다.
Regret-Optimal Q-Learning with Low Cost for Single-Agent and Federated Reinforcement Learning
이 논문은 데이터 수집 및 정책 배포 비용이 큰 환경에서 단일 에이전트 및 연방 강화학습을 위해 선형 번인 비용과 로그 스위칭/통신 비용을 달성하면서 최적의 후회 (regret) 를 보장하는 두 가지 새로운 모델 없는 알고리즘을 제안하고 이론적 보장을 제시합니다.
Towards Robust Real-World Multivariate Time Series Forecasting: A Unified Framework for Dependency, Asynchrony, and Missingness
이 논문은 실제 세계의 다변량 시계열 데이터에서 발생하는 채널 간 의존성, 비동기적 샘플링, 결측치 문제를 동시에 해결하기 위해 제안된 'ChannelTokenFormer'라는 트랜스포머 기반 프레임워크를 소개하고, 이를 통해 다양한 실제 환경에서 뛰어난 예측 성능과 견고성을 입증했습니다.
Wavelet Scattering Transform and Fourier Representation for Offline Detection of Malicious Clients in Federated Learning
이 논문은 웨이블릿 스캐터링 변환과 푸리에 변환을 기반으로 한 'WAFFLE' 알고리즘을 제안하여, 원시 데이터 접근 없이 사전 훈련 단계에서 악성 클라이언트를 효율적으로 탐지하고 연동 학습의 성능을 향상시키는 방법을 제시합니다.
Uncovering Social Network Activity Using Joint User and Topic Interaction
이 논문은 정보 캐스케이드와 사용자 간의 상호작용을 공동으로 모델링하기 위해 제안된 '혼합 상호작용 캐스케이드 (MIC)' 모델을 통해 기존 방법보다 우수한 정보 확산 예측 성능과 통찰력 있는 시각화를 달성함을 보여줍니다.
ConLID: Supervised Contrastive Learning for Low-Resource Language Identification
이 논문은 저자원 언어의 도메인 불변 표현을 학습하기 위해 지도 대조 학습 (SCL) 기반의 'ConLID'를 제안하여, 고자원 언어의 성능을 유지하면서 저자원 언어의 도메인 외 데이터에서 언어 식별 정확도를 3.2% 포인트 향상시켰다고 요약할 수 있습니다.
Global Convergence of Iteratively Reweighted Least Squares for Robust Subspace Recovery
이 논문은 동적 평활화 정규화를 적용한 반복 재가중 최소제곱법 (IRLS) 변형이 임의의 초기화에서 기저 부분공간으로 선형 수렴함을 증명하여, 로버스트 부분공간 복원 및 비볼록 리만 다양체 상의 IRLS 에 대한 최초의 전역 수렴 보장을 제시합니다.
Service Placement in Small Cell Networks Using Distributed Best Arm Identification in Linear Bandits
이 논문은 제한된 에지 자원과 불확실한 서비스 수요 하에서 지연을 최소화하는 최적의 서비스 배치를 찾기 위해, 소셀 네트워크의 기지국들이 협력하여 선형 밴딧 문제를 해결하는 분산형 적응적 최적-arm 식별 알고리즘을 제안하고 그 성능을 이론적·실험적으로 검증합니다.
Convergence Rate for the Last Iterate of Stochastic Gradient Descent Schemes
이 논문은 그론월 부등식을 사용하여 볼록 및 비볼록 목적 함수 하에서 확률적 경사 하강법 (SGD) 과 확률적 헤비 볼 (SHB) 알고리즘의 마지막 반복에 대한 수렴 속도를 분석하고 새로운 수렴 오차 한계를 제시합니다.
Operator Learning for Consolidation: An Architectural Comparison for DeepONet Variants
본 논문은 지반공학의 압밀 문제에 DeepONet 아키텍처를 적용하여 물리 기반 모델 (Model 3) 과 푸리에 특징이 강화된 3D 모델 (Model 4) 의 성능을 비교 평가함으로써, 기존 수치 해석 대비 최대 1,000 배의 속도 향상과 불확실성 정량화 가속화를 가능하게 하는 과학적 머신러닝의 잠재력을 입증했습니다.
Langevin Flows for Modeling Neural Latent Dynamics
이 논문은 물리적 사전 지식 (관성, 감쇠, 학습된 퍼텐셜 등) 을 기반으로 한 언더댐프드 랑베인 방정식을 잠재 공간의 시간 진화에 적용하여, 생물학적 신경 집단의 진동 및 흐름 특성을 효과적으로 모델링하고 기존 최첨단 방법들보다 우수한 성능을 보이는 'LangevinFlow'라는 시퀀스 변분 오토인코더를 제안합니다.
Latent Policy Steering with Embodiment-Agnostic Pretrained World Models
이 논문은 다양한 신체 구조의 데이터를 광학 흐름을 통해 통합하여 세계 모델을 사전 학습한 후, 이를 타겟 로봇의 소량 데이터로 미세 조정하고 가치 함수를 활용해 행동 복제 정책을 최적화함으로써 저데이터 환경에서 로봇 시각-운동 정책의 성능을 획기적으로 향상시키는 '잠재 정책 조종 (LPS)' 방법을 제안합니다.
Multimodal LLM-assisted Evolutionary Search for Programmatic Control Policies
이 논문은 투명하고 검증 가능한 제어 정책 개발을 위해 멀티모달 대형 언어 모델과 진화적 탐색을 결합한 MLES 방식을 제안하며, 시각적 피드백을 통해 정책 생성을 자동화하고 PPO 와 유사한 성능을 달성함을 보여줍니다.
CTRL Your Shift: Clustered Transfer Residual Learning for Many Small Datasets
이 논문은 다양한 소스로부터의 데이터 분포 변화와 샘플 크기 편차를 해결하면서도 전체 정확도와 소스별 이질성을 동시에 보장하기 위해 교차 도메인 잔차 학습과 적응형 클러스터링을 결합한 메타학습 기법인 'CTRL'을 제안하고, 스위치 난민 프로그램 등 5 개 대규모 데이터셋을 통해 기존 벤치마크보다 우수한 성능을 입증합니다.
Singing Syllabi with Virtual Avatars: Enhancing Student Engagement Through AI-Generated Music and Digital Embodiment
이 논문은 HeyGem 과 같은 오픈소스 도구를 활용해 텍스트 기반 강의 개요를 가상 아바타가 부르는 노래로 변환함으로써 학생들의 참여도와 정보 기억력을 향상시키는 새로운 교수법을 제안하고 그 효과를 입증했습니다.
MuFlex: A Scalable, Physics-based Platform for Multi-Building Flexibility Analysis and Coordination
본 논문은 단일 건물 모델의 한계를 극복하고 다양한 제어 시나리오에서 물리 기반의 정밀한 다중 건물 유연성 분석 및 조정을 가능하게 하는 확장 가능한 오픈소스 플랫폼 'MuFlex'를 제안하며, 이를 통해 강화학습 기반의 수요 반응 최적화 가능성을 입증했습니다.
RF-Informed Graph Neural Networks for Accurate and Data-Efficient Circuit Performance Prediction
이 논문은 RF 회로의 비선형적 특성과 높은 시뮬레이션 비용을 해결하기 위해 RFIC 도메인 지식을 그래프 신경망에 접목하여, 소량 데이터로도 다양한 토폴로지의 능동 RF 회로 성능을 기존 기술 대비 9.2 배 정밀하게 예측하는 경량화된 프레임워크를 제안합니다.
Iterative In-Context Learning to Enhance LLMs Abstract Reasoning: The Case-Study of Algebraic Tasks
이 논문은 추상적 추론이 필요한 대수적 작업에서 일반화 능력을 향상시키기 위해, 테스트 데이터 분포보다 단순한 Few-shot 예제를 선택적으로 반복적으로 구성하는 새로운 인-컨텍스트 학습 전략을 제안하고 그 유효성을 입증합니다.