UFGraphFR: Graph Federation Recommendation System based on User Text description features
이 논문은 사용자의 텍스트 설명 기반 시맨틱 벡터를 활용하여 프라이버시를 보호하면서도 글로벌 사용자 관계 그래프를 재구성하고 개인화된 행동 시퀀스를 학습함으로써 추천 정확도를 획기적으로 향상시킨 새로운 연합 추천 프레임워크인 UFGraphFR 을 제안합니다.
🤖 Category
cs.LG
6638 편의 논문
Efficient Semi-Supervised Adversarial Training via Latent Clustering-Based Data Reduction
이 논문은 잠재 공간 클러스터링을 기반으로 결정 경계 근처의 핵심 데이터 샘플을 선별하거나 생성하여, 반지도 적대적 학습 (SSAT) 의 데이터 요구량과 계산 비용을 획기적으로 줄이면서도 강력한 적대적 견고성을 유지하는 효율적인 방법을 제안합니다.
The Exploration of Error Bounds in Classification with Noisy Labels
이 논문은 딥러닝 프레임워크 내 노이즈가 있는 레이블을 가진 분류 문제에서 초과 위험의 오차 상한을 유도하고, 이를 통계적 오차와 근사 오차로 분해하여 종속성 처리, 벡터 값 설정, 저차원 매니폴드 가정을 통해 각각 분석합니다.
Strengthening Generative Robot Policies through Predictive World Modeling
이 논문은 전문가 시연과 무작위 탐색을 기반으로 한 예측 세계 모델을 활용하여 생성형 확산 정책을 온라인으로 계획 및 최적화하는 '생성형 예측 제어 (GPC)' 프레임워크를 제안하며, 다양한 로봇 조작 작업에서 시뮬레이션과 실제 환경 모두에서 기존 행동 모방 (Behavior Cloning) 보다 뛰어난 성능을 입증합니다.
General Coded Computing in a Probabilistic Straggler Regime
이 논문은 확률적 스트래거 환경에서 BACC 와 LeTCC 두 가지 일반 부호화 계산 기법의 평균 근사 오차가 서버 수 이 증가함에 따라 0 으로 수렴함을 이론적으로 증명하고 실험을 통해 검증했습니다.
GRADIEND: Feature Learning within Neural Networks Exemplified through Biases
이 논문은 모델의 기울기를 활용하여 사회적 편향 정보를 인코딩하는 새로운 인코더-디코더 접근법인 GRADIEND를 제안함으로써, 모델의 특정 가중치를 식별하고 수정하여 다른 능력을 유지하면서 편향을 제거할 수 있음을 보여줍니다.
Security and Quality in LLM-Generated Code: A Multi-Language, Multi-Model Analysis
이 논문은 다양한 프로그래밍 언어와 LLM 모델을 대상으로 생성된 코드의 보안 및 품질을 분석한 결과, 모델들이 최신 보안 기능을 활용하지 못하고 구식 방법을 사용하는 등 언어별 보안 효율성에 차이가 있음을 밝혀냈습니다.
An Efficient Local Search Approach for Polarized Community Discovery in Signed Networks
이 논문은 부호화 네트워크에서 크기 불균형 문제를 해결하고 중립 정점을 허용하면서도 대규모 네트워크에 확장 가능한 효율적인 국소 탐색 알고리즘을 제안하여, 기존 방법들보다 우수한 분극된 커뮤니티 탐지 성능을 입증합니다.
Controllable Sequence Editing for Biological and Clinical Trajectories
이 논문은 생물학적 및 임상적 궤적에서 특정 시점과 변수에 대한 정밀한 제어가 가능한 새로운 시계열 편집 모델인 CLEF 를 제안하여, 기존 방법론보다 편집 정확도와 반사실적 추론 성능을 크게 향상시켰음을 보여줍니다.
Mitigating Unintended Memorization with LoRA in Federated Learning for LLMs
이 논문은 연방 학습 환경에서 저랭크 적응 (LoRA) 기법을 적용하면 모델의 성능 저하 없이 훈련 데이터의 암기 현상을 최대 10 배까지 감소시켜 개인정보 보호를 강화할 수 있음을 입증합니다.
Active Advantage-Aligned Online Reinforcement Learning with Offline Data
이 논문은 오프라인 데이터의 풍부함과 온라인 학습의 적응력을 결합하면서도 데이터 품질과 포용성 문제를 해결하기 위해, 정책의 진화적 필요에 따라 오프라인 및 온라인 데이터를 동적으로 우선순위화하는 '신뢰도 인식형 능동 우위 정렬 (A3)' 샘플링 전략을 도입한 A3RL 알고리즘을 제안하고, 이를 통해 기존 방법들보다 우수한 성능을 입증합니다.
Language in the Flow of Time: Time-Series-Paired Texts Weaved into a Unified Temporal Narrative
이 논문은 시계열 데이터와 짝을 이루는 텍스트가 시계열의 주기적 특성을 반영한다는 통찰을 바탕으로, 기존 수치 기반 시계열 모델의 아키텍처를 변경하지 않고도 텍스트를 보조 변수로 활용하여 다중 모달 예측 성능을 향상시키는 'Texts as Time Series (TaTS)' 프레임워크를 제안합니다.
LaVCa: LLM-assisted Visual Cortex Captioning
이 논문은 대규모 언어 모델 (LLM) 을 활용하여 뇌의 시각 피질 뉴런이 특정 이미지에 반응하는 이유를 자연어 캡션으로 생성하고 해석하는 'LaVCa'라는 새로운 접근법을 제안하며, 기존 방법보다 더 정교하고 상세한 뇌 표현의 특성을 규명했다고 요약할 수 있습니다.
Unveiling Downstream Performance Scaling of LLMs: A Clustering-Based Perspective
이 논문은 LLM 의 하류 작업 성능 예측 정확도를 높이기 위해 작업 난이도 특성에 따라 클러스터링하는 COD 프레임워크를 제안하고, 이를 통해 예측 가능한 하위 집단의 성능을 전체 평가 세트로 외삽하여 70B 파라미터 모델에서 평균 1.55% 의 낮은 예측 오차를 달성했음을 보여줍니다.
Subclass Classification of Gliomas Using MRI Fusion Technique
이 논문은 BraTS 데이터셋의 다중 MRI 시퀀스를 기반으로 UNet 을 활용한 2D 및 3D 분할 결과를 가중 평균으로 융합하고 사전 학습된 ResNet50 모델에 입력하여 뇌종양 아형 분류 정확도를 99.25% 로 극대화하는 새로운 기법을 제안합니다.
A Simple and Effective Reinforcement Learning Method for Text-to-Image Diffusion Fine-tuning
이 논문은 텍스트-이미지 확산 모델의 미세 조정을 위해 REINFORCE 의 분산 감소 기법과 PPO 의 견고함을 결합하여 샘플 효율성과 최종 성능 간의 균형을 개선한 새로운 강화 학습 방법인 'LOOP(Leave-One-Out PPO)'를 제안합니다.
Go Beyond Your Means: Unlearning with Per-Sample Gradient Orthogonalization
이 논문은 제한된 유지 데이터만 접근 가능한 상황에서도 제거하려는 데이터와 유지 데이터 간의 간섭을 최소화하기 위해, 제거 데이터의 기울기를 유지 데이터의 기울기들에 수직인 부분공간으로 투영하는 새로운 기계 망각 기법인 OrthoGrad 를 제안하고 그 유효성을 입증합니다.
LLM-Powered Prediction of Hyperglycemia and Discovery of Behavioral Treatment Pathways from Wearables and Diet
이 논문은 웨어러블 센서와 식이 데이터를 활용하여 대형 언어 모델과 기계 학습을 결합한 'GlucoLens' 시스템을 개발함으로써 식후 고혈당을 예측하고 개인 맞춤형 행동 치료 경로를 제시하는 설명 가능한 솔루션을 제안합니다.
IMPACT: Intelligent Motion Planning with Acceptable Contact Trajectories via Vision-Language Models
이 논문은 비전 - 언어 모델을 활용하여 환경의 의미와 접촉 허용도를 분석하고, 이를 기반으로 접촉이 필요한 복잡한 환경에서도 안정적이고 효율적인 로봇 경로 계획을 가능하게 하는 'IMPACT' 프레임워크를 제안합니다.
Characterizing Nonlinear Dynamics via Smooth Prototype Equivalences
이 논문은 제한적이고 노이즈가 포함된 관측 데이터로부터 역학 시스템의 장기적 거동과 불변 구조를 식별하기 위해 가역 신경망을 활용한 '부드러운 프로토타입 동등성 (SPE)' 프레임워크를 제안하며, 이를 통해 진동 시스템 분류 및 생물학적 과정 추적에서 기존 기법보다 우수한 성능을 입증했습니다.