Lightweight Time Series Data Valuation on Time Series Foundation Models via In-Context Finetuning
이 논문은 시계열 기반 모델의 성능 향상을 위해 기존 방법의 계산적 한계를 극복하고 시간적 의존성을 보존하는 경량 데이터 가치 평가 기법인 LTSV를 제안하며, 인-컨텍스트 파인튜닝을 통해 효율적이고 강력한 데이터 기여도 측정을 가능하게 합니다.
🤖 Category
cs.LG
4899 편의 논문
TSFM in-context learning for time-series classification of bearing-health status
이 논문은 베어링 건강 상태 분류를 위해 미세 조정 없이 시계열 기반 모델의 인-컨텍스트 학습을 활용하여 다양한 운영 조건에서 효과적으로 작동하는 새로운 방법을 제안합니다.
Periodic Asynchrony: An On-Policy Approach for Accelerating LLM Reinforcement Learning
이 논문은 추론과 학습을 분리하여 비동기 파이프라인을 구축하고, 오프-폴리시 편향 없이 온-폴리시 정확도를 유지하며 NPU 환경에서 기존 RL 프레임워크 대비 3~5 배의 학습 처리량을 달성하는 주기적 비동기 방식을 제안합니다.
An Interpretable Operator-Learning Model for Electric Field Profile Reconstruction in Discharges Based on the EFISH Method
본 논문은 EFISH 신호를 기반으로 전기장 분포를 재구성하는 기존 방법의 한계를 극복하고, 함수 간 매핑을 학습하는 새로운 '디코더-딥온넷 (DDON)' 모델이 더 높은 정확도, 일반화 능력 및 불완전한 입력 데이터에 대한 견고성을 제공함을 입증합니다.
Enhancing Retrieval-Augmented Generation with Entity Linking for Educational Platforms
이 논문은 교육용 RAG 시스템의 사실적 정확도를 높이기 위해 엔티티 링크링을 통합한 ELERAG 아키텍처를 제안하고, 도메인 특화 데이터셋에서 기존 베이스라인 및 크로스-인코더 기반 방법보다 우수한 성능을 입증했습니다.
SAGFM: Enhancing Robust Graph Foundation Models with Structure-Aware Semantic Augmentation
본 논문은 계층적 구조 의미 모델링의 부족을 해결하기 위해 구조 인식 의미 증강, 정보 병목 메커니즘, 전문가 적응 라우팅 등을 도입하여 도메인 노이즈와 적대적 공격에 강인한 그래프 기반 모델 SAGFM 을 제안하고, 다양한 분류 작업에서 기존 최첨단 모델보다 뛰어난 성능과 견고성을 입증합니다.
ADHint: Adaptive Hints with Difficulty Priors for Reinforcement Learning
이 논문은 강화학습의 학습 안정성과 효율성을 높이기 위해 샘플 난이도를 기반으로 힌트 비율을 동적으로 조정하고, 일관성 기반 그래디언트 조절과 롤아웃 난이도 사후확률을 활용한 이점 추정을 도입한 'ADHint'라는 새로운 방법을 제안합니다.
Directional Textual Inversion for Personalized Text-to-Image Generation
이 논문은 사전 정규화 (pre-norm) Transformer 에서 토큰의 크기 팽창으로 인한 실패를 해결하기 위해 임베딩 크기를 고정하고 방향성만 최적화하는 '방향성 텍스트 인버전 (DTI)'을 제안하여, 텍스트 충실도와 개념 간 매끄러운 보간을 동시에 달성합니다.
Do Spatial Descriptors Improve Multi-DoF Finger Movement Decoding from HD sEMG?
이 연구는 고밀도 표면 근전도 (HD sEMG) 를 이용한 다자유도 손가락 움직임 해독에서 공간 기술자 (MLD-BFM) 가 기존 시간 영역 특징보다 통계적으로 유의미한 성능 향상을 보이지는 않았으나, 차원 축소 방법보다 공간 해상도를 유지하는 것이 더 중요함을 확인했습니다.
EMFusion: Conditional Diffusion Framework for Trustworthy Frequency Selective EMF Forecasting in Wireless Networks
이 논문은 무선 네트워크의 주파수 선택적 전자기장 (EMF) 예측을 위해 다양한 맥락 정보를 통합하고 불확실성을 정량화하는 조건부 확산 기반 프레임워크 'EMFusion'을 제안하며, 기존 모델보다 예측 정확도와 신뢰성을 크게 향상시킨다고 설명합니다.
Enhancing Reconstruction Capability of Wavelet Transform Amorphous Radial Distribution Function via Machine Learning Assisted Parameter Tuning
본 논문은 머신러닝 기반의 파라미터 최적화 기법을 도입하여 비정질 물질의 파동변환 방사형 분포함수 (WT-RDF) 의 진폭 정확도 한계를 극복하고, 기존 머신러닝 모델보다 우수한 성능으로 Ge-Se 및 Ag-Ge-Se 계열의 원자 구조를 정밀하게 재구성하는 'WT-RDF+' 프레임워크를 제안합니다.
The Affine Divergence: Aligning Activation Updates Beyond Normalisation
이 논문은 경사 하강법 시 활성화 업데이트의 이상적인 방향과 실제 간의 불일치를 규명하고, 이를 해결하기 위해 기존 정규화 기법을 재해석하거나 'PatchNorm'과 같은 새로운 함수를 제안하여 더 나은 성능을 입증합니다.
Provable Acceleration of Distributed Optimization with Local Updates
이 논문은 성능 추정 문제 (PEP) 를 활용하여 정확한 그래디언트 환경에서도 국소 업데이트를 도입한 DIGing 알고리즘이 분산 최적화를 가속화할 수 있음을 수학적으로 증명하고, 추가적인 업데이트 없이 두 번의 국소 업데이트만으로 최대 성능 향상을 얻을 수 있음을 보여줍니다.
An AI-powered Bayesian Generative Modeling Approach for Arbitrary Conditional Inference
이 논문은 학습된 단일 모델로 재학습 없이도 임의의 조건부 추론을 수행하고 불확실성을 정량화할 수 있도록, 확률적 반복 베이지안 업데이트 알고리즘을 기반으로 한 새로운 베이지안 생성 모델링 (BGM) 프레임워크를 제안합니다.
Automating Forecasting Question Generation and Resolution for AI Evaluation
이 논문은 대규모 언어 모델 (LLM) 기반 웹 연구 에이전트를 활용하여 자동화되고 검증 가능한 다양한 미래 예측 질문 생성 및 해결 시스템을 구축하고, 이를 통해 AI 예측 모델의 성능 평가와 예측 정확도 향상을 입증했습니다.
Infusion: Shaping Model Behavior by Editing Training Data via Influence Functions
이 논문은 영향 함수를 활용하여 훈련 데이터에 미세한 교란을 가해 모델의 행동을 의도적으로 조작하는 'Infusion' 프레임워크를 제안하고, 이를 통해 소량의 훈련 데이터만으로도 다양한 아키텍처에 걸쳐 모델 행동을 효과적으로 변화시킬 수 있음을 입증합니다.
Robust Assortment Optimization from Observational Data
이 논문은 고객 선호도 변화와 모델 오차로 인한 일반화 실패를 해결하기 위해, 관찰 데이터에서 최악의 경우 기대 수익을 최대화하는 통계적 효율성과 견고함을 동시에 보장하는 새로운 강건한 품목 최적화 프레임워크를 제안합니다.
Bottleneck Transformer-Based Approach for Improved Automatic STOI Score Prediction
이 논문은 청각적 참조 신호 없이도 기존 최첨단 모델보다 높은 상관관계와 낮은 평균 제곱 오차를 보이는 새로운 병목 트랜스포머 아키텍처를 통해 STOI 점수를 정확하게 예측하는 방법을 제안합니다.
B-DENSE: Branching For Dense Ensemble Network Supervision Efficiency
이 논문은 확산 모델의 고해상도 추론 지연과 희소 감독의 한계를 해결하기 위해, 교사의 궤적 중간 단계를 모두 학습하는 밀집 앙상블 네트워크 (B-DENSE) 를 제안하여 이미지 생성 품질을 향상시킵니다.
Missing-by-Design: Certifiable Modality Deletion for Revocable Multimodal Sentiment Analysis
이 논문은 민감한 개인 데이터를 처리하는 다중 모달 감정 분석 시스템에서 특정 모달리티의 삭제를 인증 가능하게 수행하면서도 예측 성능을 유지하는 'Missing-by-Design (MBD)' 프레임워크를 제안합니다.