2315 편의 논문
이 논문은 지정학적 충격이 국가부도 리스크를 직접적으로 재평가하는 반면, 지경제학적 충격은 통화정책과 글로벌 금융 사이클을 통해 전파된다는 '가위 패턴'을 2018~2025 년 42 개국의 데이터를 통해 실증적으로 규명하고, 이에 따라 유동성 공급이 금융 사이클 매개 스프레드 확대에는 대응할 수 있으나 지정학적 리스크 프리미엄의 지속적 요소에는 한계가 있음을 시사합니다.
이 논문은 기존 음성 활동 감지 (VAD) 모델의 특정 계층에 대해 하이퍼네트워크를 통해 개인화된 가중치를 생성하는 'HyWA'를 제안하여, 기존 스피커 조건부 방법보다 성능을 향상시키고 동일한 아키텍처 재사용을 통한 배포 용이성을 확보했다고 요약할 수 있습니다.
이 논문은 교차 모달 어텐션 융합, Grad-CAM++ 기반 설명, 그리고 '발견 - 수정' 피드백 루프를 통합한 설명 가능하고 편향 감지형 생성 프레임워크를 제안하여, 다중 모달 데이터와 텍스트 분류 벤치마크에서 기존 모델보다 뛰어난 성능과 공정성을 입증했습니다.
이 논문은 기존 상대적 지수의 한계를 극복하고 데이터 구조에 의존하지 않는 새로운 절대적 군집 지수를 제안하여 군집의 응집도와 분리도를 정량화하고 최적의 군집 수를 결정하는 방법을 제시합니다.
이 논문은 실제 데이터의 공분산 행렬과 타겟 함수의 다항식 분해 두 가지 통계량만으로 커널 회귀의 학습 곡선을 예측하는 '헤르미트 고유구조 가정 (HEA)'을 제안하고, 이를 통해 실제 이미지 데이터에서 MLP 의 학습 패턴까지 설명할 수 있음을 보여줍니다.
이 논문은 할인 및 평균 보상 설정 모두에서 최적 정책이 유일하고 단일 체인 (unichain) 일 때, 기존 이론보다 빠른 기하급수적 수렴을 보장하는 통합된 기하학적 분석을 통해 가치 반복 (Value Iteration) 알고리즘의 이론적 수렴 보장을 실험적 관찰과 일치하도록 재정의합니다.
본 논문은 LLM 추론 시 공유 접두사 프롬프트를 활용한 KV 캐시 재사용 시 발생하는 메모리 문제를 해결하기 위해, PCA 기반 특징 비상관화, 적응형 양자화 및 엔트로피 부호화를 결합하여 모델 정확도 저하 없이 최대 20 배 이상의 압축률을 달성하는 경량 변환 코더 'KVTC'를 제안합니다.
이 논문은 기상 패턴, 발전 기술, 가격 형성 간의 복잡한 인과 관계를 학습하고 가변적 인과 그래프를 구축하여 다양한 재생에너지 시나리오에 대한 반사실적 추론이 가능한 에너지 시장용 증강 시간 계열 인과 모델 (ATSCM) 을 제안합니다.
이 논문은 기존 생성 모델의 한계를 극복하고 반사실적 분석을 가능하게 하기 위해 변이 오토인코더와 구조적 인과 모델을 결합한 '시계열 신경 인과 모델 VAE(TNCM-VAE)'를 제안하며, 인과적 제약을Decoder 아키텍처와 인과적 와asserstein 거리를 통해 구현하여 금융 시장 시뮬레이션의 정밀도를 크게 향상시켰음을 보여줍니다.
이 논문은 에너지 제약과 부분 관측 가능성 하에서 광무선 (OWC) 과 전파 (RF) 를 통합한 하이브리드 IoT 네트워크의 자원 할당 문제를 해결하기 위해, 그래프 신경망 (GNN) 과 트랜스포머를 결합한 다중 태스크 학습 프레임워크인 DGET 을 제안하여 최적의 스케줄링을 달성하고 정보의 신선도 (AoI) 를 크게 개선함을 보여줍니다.
이 논문은 자동차 원격 측정 데이터의 느린 드리프트와 빠른 스파이크 동역학을 분리하여 처리하는 듀얼 경로 라우팅 메커니즘을 도입한 STREAM-VAE 를 제안함으로써, 기존 재구성 기반 방법들의 한계를 극복하고 다양한 작동 모드에서 안정적인 이상 탐지 성능을 달성했습니다.
이 논문은 불완전하고 민감한 의료 데이터를 기반으로 대규모 언어 모델의 특정 지식을 정밀하게 삭제하면서도 핵심 의료 역량은 유지하기 위해 기하학적 제약과 개념 인식 토큰 개입을 통합한 계층적 이중 전략 언러닝 프레임워크를 제안하고, 이를 통해 높은 망각률과 지식 보존률을 달성함과 동시에 파라미터 수정을 최소화하여 규제 준수 및 윤리적 기준을 충족함을 보여줍니다.
이 논문은 실제 상업적 타당성을 평가하기 위해 SEC filings 및 AIS 손상 보고서와 같은 산업 표준 데이터를 Isaac Sim 시뮬레이션과 결합한 최초의 물리 기반 경제 내비게이션 벤치마크인 'CostNav'를 제안하며, 기존 내비게이션 방법론들이 모두 경제적 손실을 초래한다는 점을 규명했습니다.
이 논문은 대칭성이 부분적으로 깨지는 실제 환경에서 오차 전파를 방지하면서도 대칭성의 이점을 유지하기 위해, 대칭성이 성립하는 영역과 그렇지 않은 영역에 따라 벨만 백업을 선택적으로 적용하는 '부분적으로 불변 MDP(PI-MDP)' 프레임워크와 이를 구현한 강화학습 알고리즘 (PE-DQN, PE-SAC) 을 제안합니다.
이 논문은 시뮬레이션과 실제 배포를 통해 24 시간 이내에 새로운 로봇 손의 형태와 제어 정책을 동시에 최적화하여 제작 및 배포할 수 있는 '크로스-임바디드' 공설계 프레임워크를 제안합니다.
이 논문은 표면 코드와 컬러 코드 모두에서 최적에 가까운 논리 오류율을 달성하고, 기존 고정밀 디코더보다 수 배 빠른 속도로 1 마이크로초 이내의 실시간 디코딩을 가능하게 하는 확장 가능한 신경망 디코더 'AlphaQubit 2'를 제안합니다.
이 논문은 분자 언어 모델, 강화 학습, 몬테카를로 트리 탐색을 통합한 'Trio' 프레임워크를 제안하여, 기존 생성 모델의 한계를 극복하고 결합 친화도, 약물 유사성, 합성 접근성을 모두 향상시키면서도 분자 다양성을 4 배 이상 확장하는 폐쇄 루프형 표적 분자 설계 패러다임을 제시합니다.
이 논문은 다양한 환경에서 최대 리스크를 최소화하는 원칙 (MaxRM) 을 기반으로 한 랜덤 포레스트 변형 알고리즘을 제안하고, 효율적인 계산 방법과 통계적 일관성을 증명하며 MSE, 보상, 후회 (regret) 등 세 가지 리스크 지표에 적용 가능한 것을 보여줍니다.
이 논문은 인간형 로봇의 데이터 효율적인 전신 제어를 위해 proprioceptive(고유수용감각) 와 privileged(우대) 상태 간의 상호보완성을 활용한 대비 학습 프레임워크인 PvP 와 인간형 로봇을 위한 상태 표현 학습 (SRL) 평가 프레임워크인 SRL4Humanoid 를 제안하고, 이를 통해 샘플 효율성과 최종 성능을 크게 향상시켰음을 보여줍니다.
이 논문은 이질적인 배터리 데이터의 부족과 다양성이라는 과제를 해결하고, 13 개의 데이터셋으로 사전 학습된 '사전 학습 배터리 트랜스포머 (PBT)'라는 최초의 기초 모델을 통해 다양한 배터리 화학 조성과 조건에서 기존 최첨단 방법보다 평균 21.8% 높은 정밀도로 수명을 예측하는 범용 시스템을 제시합니다.