Continual uncertainty learning
이 논문은 비선형 동역학과 다양한 불확실성이 공존하는 기계 시스템의 강인한 제어를 위해, 불확실성 소스를 점진적으로 확장하는 커리큘럼 기반 지속 학습 프레임워크와 모델 기반 제어기를 결합하여 시뮬레이션과 현실 간의 격차를 효과적으로 해소하는 새로운 방법을 제안하고 자동차 동력계 진동 제어에 적용하여 검증했습니다.
🤖 Category
cs.LG
4918 편의 논문
Breaking the Factorization Barrier in Diffusion Language Models
이 논문은 확산 언어 모델의 '분해 장벽'을 해결하기 위해 완전 분해된 출력 분포를 경량화되고 다루기 쉬운 확률적 추론 계층으로 대체하는 '결합 이산 확산 (CoDD)' 프레임워크를 제안하여, 적은 비용으로 복잡한 토큰 간 종속성을 모델링하고 고품질의 병렬 생성을 가능하게 합니다.
Detecting Transportation Mode Using Dense Smartphone GPS Trajectories and Transformer Models
이 논문은 스마트폰의 밀집된 GPS 궤적 데이터에서 속도 정보만을 입력으로 활용하는 새로운 트랜스포머 기반 모델인 'SpeedTransformer'를 제안하여, 기존 LSTM 모델보다 우수한 성능과 지역 간 전이 학습 능력을 입증하고 복잡한 실제 환경에서도 높은 정확도를 보였다고 요약할 수 있습니다.
Non-Rectangular Average-Reward Robust MDPs: Optimal Policies and Their Transient Values
이 논문은 직사각형 가정을 요구하지 않는 비직사각형 평균 보상 강건 MDP 에서 최적 정책의 존재성을 증명하고, 평균 보상 최적성만으로는 과도기적 성능이 나쁠 수 있음을 보여주며, 이를 해결하는 상수 차수의 과도기적 성능을 갖는 에포크 기반 정책을 제안합니다.
DUEL: Exact Likelihood for Masked Diffusion via Deterministic Unmasking
이 논문은 결정적 언마킹을 통해 마스킹 확산 모델 (MDM) 에 정확한 가능도 계산과 퍼플렉시티 평가를 가능하게 하는 'DUEL' 프레임워크를 제안하여, 기존 ELBO 의 한계를 극복하고 MDM 의 성능이 autoregressive 모델보다 훨씬 우수할 수 있음을 입증합니다.
Reasoning as Gradient: Scaling MLE Agents Beyond Tree Search
이 논문은 LLM 기반의 머신러닝 엔지니어링 에이전트가 기존 트리 탐색 방식보다 강화된 추론 능력을 가진 모델에서 더 효율적인 경사 하강 기반 최적화 패러다임인 'Gome'을 도입하여 MLE-Bench 에서 최상의 성능을 달성하고, 모델의 추론 능력이 향상됨에 따라 경사 기반 최적화가 트리 탐색을 능가하는 전환점이 도래함을 보여줍니다.
FinTexTS: Financial Text-Paired Time-Series Dataset via Semantic-Based and Multi-Level Pairing
이 논문은 단순한 키워드 매칭의 한계를 극복하기 위해 의미 기반 및 다수준 매칭 프레임워크를 제안하여, SEC filing 과 LLM 을 활용하여 뉴스와 주가 데이터를 정교하게 연결한 대규모 금융 텍스트-시계열 데이터셋 'FinTexTS'를 구축하고 주가 예측 성능을 입증했습니다.
Unveiling the Potential of Quantization with MXFP4: Strategies for Quantization Error Reduction
이 논문은 하드웨어 변경 없이 소프트웨어 기법인 오버플로우 인식 스케일링 (OAS) 과 매크로 블록 스케일링 (MBS) 을 도입하여 MXFP4 의 양자화 오차를 줄이고 NVFP4 와의 정확도 격차를 10% 에서 1% 미만으로 축소함으로써, MXFP4 를 하드웨어 효율성을 유지하면서 NVFP4 에 버금가는 성능을 내는 실용적인 대안으로 재탄생시켰음을 보여줍니다.
Equitable Multi-Task Learning for AI-RANs
이 논문은 공유 에지 리소스 하에서 다양한 사용자를 위한 AI-RAN 의 공정한 추론 성능을 보장하기 위해 효율성과 공정성 간의 균형을 조절하며 장기적 형평성을 달성하는 온라인 - within-온라인 공평 다중 태스크 학습 (OWO-FMTL) 프레임워크를 제안하고 그 유효성을 입증합니다.
KernelCraft: Benchmarking for Agentic Close-to-Metal Kernel Generation on Emerging Hardware
이 논문은 새로운 명령어 집합 구조 (ISA) 를 가진 차세대 AI 가속기용 저수준 커널을 자동으로 생성하고 최적화할 수 있는 에이전트형 LLM 의 능력을 평가하기 위해, 컴파일 및 시뮬레이션 피드백을 활용한 'KernelCraft'라는 첫 번째 벤치마크를 제안하고 이를 통해 커널 개발 비용 절감 가능성을 입증했습니다.
ALADIN: Accuracy-Latency-Aware Design-space Inference Analysis for Embedded AI Accelerators
이 논문은 임베디드 AI 가속기를 위한 정밀도-지연 시간 인식 설계 공간 추론 분석 프레임워크인 ALADIN 을 제안하여, 실제 플랫폼 배포 없이도 혼합 정밀도 양자화 신경망의 추론 병목 현상과 설계 트레이드오프를 정량적으로 평가하고 하드웨어 - 소프트웨어 공동 설계를 지원할 수 있음을 보여줍니다.
Performance Analysis of Edge and In-Sensor AI Processors: A Comparative Review
이 논문은 GAP9, STM32N6, Sony IMX500 등 상용 및 연구용 엣지 및 인-센서 AI 프로세서 아키텍처를 비교 검토하고, PicoSAM2 모델을 통한 벤치마크를 통해 지연 시간, 에너지 효율성 및 에너지 - 지연 곱 측면에서 각 플랫폼의 성능과 트레이드오프를 분석합니다.
Data-Rate-Aware High-Speed CNN Inference on FPGAs
이 논문은 풀링 및 스트라이드 컨볼루션으로 인한 데이터율 감소로 인한 하드웨어 비효율성을 해결하기 위해, 다중 픽셀 처리와 데이터율 인식 설계 공간 탐색을 통해 FPGA 기반 CNN 가속기의 자원 효율성과 활용도를 극대화하는 아키텍처를 제안합니다.
Memory-Augmented Spiking Networks: Synergistic Integration of Complementary Mechanisms for Neuromorphic Vision
이 논문은 N-MNIST 데이터셋에서 수행된 실험을 통해 Leaky Integrate-and-Fire 뉴런, 감독 대비 학습, 홉필드 네트워크, 계층적 게이트 순환 네트워크를 통합한 메모리 증강 스파이킹 신경망이 개별 최적화보다 균형 잡힌 아키텍처를 통해 분류 정확도, 에너지 효율성, 그리고 신경 군집 구조를 동시에 향상시킨다는 것을 입증했습니다.
Hebbian-Oscillatory Co-Learning
이 논문은 RSGN 의 쌍곡선 희소 기하학과 SSA 의 발진기 기반 주파수 동기화를 결합하여, 위상 일관성이 구조적 가소성을 제어하는 'Hebbian-Oscillatory Co-Learning(HOC-L)'이라는 통합 동적 프레임워크를 제안하고, 이에 대한 수렴성 증명 및 희소성 유지 효율성을 입증합니다.
Autonomous Edge-Deployed AI Agents for Electric Vehicle Charging Infrastructure Management
이 논문은 클라우드 의존도의 한계를 극복하고 전기차 충전 인프라의 고장률을 해결하기 위해, 에지 환경에서 신뢰성 있는 자율 복구와 실시간 의사결정을 가능하게 하는 'Auralink SDC' 아키텍처와 이를 뒷받침하는 다중 에이전트 시스템을 제안합니다.
Sensitivity-Guided Framework for Pruned and Quantized Reservoir Computing Accelerators
이 논문은 양자화 수준과 가지치기 비율 간의 트레이드오프를 체계적으로 탐색하여 정확도 저하 없이 FPGA 기반 리저버 컴퓨팅 가속기의 하드웨어 효율성을 극대화하는 민감도 기반 압축 프레임워크를 제안합니다.
The AetherFloat Family: Block-Scale-Free Quad-Radix Floating-Point Architectures for AI Accelerators
이 논문은 AI 가속기를 위해 설계된 'AetherFloat' 패밀리를 제안하여, 기존 IEEE 754 표준의 하드웨어 오버헤드와 블록 스케일링 (Block-Scaling) 논리의 필요성을 제거하면서도 넓은 동적 범위와 향상된 에너지 효율을 제공하는 새로운 4 진법 (Quad-Radix) 부동소수점 아키텍처를 소개합니다.
Robust Parameter and State Estimation in Multiscale Neuronal Systems Using Physics-Informed Neural Networks
이 논문은 전통적인 수치 해법의 한계를 극복하고, 부분적이고 잡음이 섞인 전압 관측 데이터로부터 다중 스케일 뉴런 모델의 숨겨진 상태 변수와 생리학적 매개변수를 강건하게 추정하기 위해 물리 정보 신경망 (PINN) 프레임워크를 제안하고 그 유효성을 입증합니다.
Permutation-Equivariant 2D State Space Models: Theory and Canonical Architecture for Multivariate Time Series
이 논문은 다변량 시계열 모델링에서 변수 순서의 인위적 의존성을 제거하기 위해 순열 동등성을 보장하는 이론적 기저를 제시하고, 이를 바탕으로 변수 축의 순차적 의존성을 제거하며 상태-of-the-art 성능을 달성하는 'VI 2D Mamba' 아키텍처를 제안합니다.