MUSS: Multilevel Subset Selection for Relevance and Diversity
이 논문은 추천 시스템 및 RAG 와 같은 대규모 데이터 환경에서 관련성과 다양성을 동시에 확보하는 NP-hard 부분집합 선택 문제를 해결하기 위해, 기존 방법보다 20~80 배 빠르면서 정밀도를 최대 4% 포인트 향상시키고 최적 해에 대한 상수 인자 근사 보장을 제공하는 새로운 다단계 접근법인 MUSS 를 제안합니다.
🤖 Category
cs.LG
6667 편의 논문
More Bang for the Buck: Process Reward Modeling with Entropy-Driven Uncertainty
이 논문은 고비용의 수동 단계 주석이 필요 없이 예측 엔트로피를 기반으로 논리적 전환점을 자동으로 식별하여 효율적인 과정 보상 모델 (EDU-PRM) 을 제안하며, 적은 학습 데이터로도 최첨단 성능을 달성하고 추론 정확도를 높이며 토큰 사용량을 대폭 줄인다는 결과를 보여줍니다.
Enhancing Metabolic Syndrome Prediction with Hybrid Data Balancing and Counterfactuals
이 논문은 SMOTE, ADASYN, CTGAN 을 통합한 새로운 하이브리드 데이터 균형화 프레임워크인 'MetaBoost'와 반사실 분석을 활용하여 대사증후군 예측의 정확도를 높이고, 혈당과 중성지방이 주요 위험 인자임을 규명함으로써 임상적 통찰력을 제공합니다.
Estimating Item Difficulty Using Large Language Models and Tree-Based Machine Learning Algorithms
이 논문은 K-5 수학 및 독해 평가 문항의 난이도를 예측하기 위해 대규모 언어 모델 (LLM) 을 활용한 직접 추정법과 특징 기반 앙상블 모델 접근법을 비교한 결과, LLM 이 추출한 언어 및 인지 특징을 나무 기반 머신러닝 모델에 입력하는 방식이 가장 높은 예측 정확도를 보였음을 입증했습니다.
A Champion-level Vision-based Reinforcement Learning Agent for Competitive Racing in Gran Turismo 7
이 논문은 Gran Turismo 7 에서 외부 위치 추적 없이 차량의 전방 카메라와 온보드 센서 데이터만을 활용하여 챔피언급 수준의 경쟁력을 갖춘 최초의 비전 기반 강화 학습 레이싱 에이전트를 제안합니다.
Structural Inference: Interpreting Small Language Models with Susceptibilities
이 논문은 신경망을 베이지안 통계역학 시스템으로 간주하여 데이터 분포의 미세한 변화가 네트워크 구성 요소의 사후 기대값에 미치는 영향을 분석하는 선형 응답 프레임워크를 개발함으로써, 3M 파라미터 트랜스포머 모델에서 다중그램 및 유도 헤드와 같은 기능적 모듈을 분리할 수 있는 저차원 구조를 가진 반응 행렬을 제시합니다.
Learning to Rank Critical Road Segments via Heterogeneous Graphs with Origin-Destination Flow Integration
이 논문은 출발지 - 목적지 (OD) 흐름과 경로 정보를 통합한 이질적 그래프 학습 프레임워크 'HetGL2R'을 제안하여 기존 방법의 한계를 극복하고 도로 구간 중요도 순위 예측 성능을 크게 향상시켰습니다.
From LLM Reasoning to Autonomous AI Agents: A Comprehensive Review
본 논문은 2019 년부터 2025 년까지의 대규모 언어 모델 및 자율 AI 에이전트 평가 벤치마크를 통합된 분류체계로 정리하고, 에이전트 프레임워크, 실제 응용 사례, 에이전트 간 협력 프로토콜을 종합적으로 검토하며 향후 연구 방향을 제시합니다.
StablePCA: Distributionally Robust Learning of Shared Representations from Multi-Source Data
이 논문은 다중 소스 고차원 데이터에서 전이 가능한 구조를 추출하고 체계적 편향을 완화하기 위해, 볼록 완화와 미러-프록스 알고리즘을 통해 비볼록 최적화 문제를 해결하는 분포 강건한 공유 표현 학습 프레임워크인 StablePCA 를 제안합니다.
Reinforcement Learning for Individual Optimal Policy from Heterogeneous Data
이 논문은 이질적인 데이터에서 개별 최적 정책을 찾기 위해 개인 잠재 변수를 활용한 이질적 모델과 페널티를 부과한 비관적 개인화 정책 학습 (P4L) 알고리즘을 제안하며, 약한 부분 커버리지 가정 하에 평균 후회율의 빠른 수렴을 보장하고 기존 방법보다 우수한 성능을 입증합니다.
Distilled Circuits: A Mechanistic Study of Internal Restructuring in Knowledge Distillation
이 논문은 지식 증류 과정에서 학생 모델이 교사의 내부 회로를 재구성하고 압축하여 출력 유사성 이상으로 기능적 정렬을 달성하는 메커니즘을 기계적 해석 기법을 통해 규명하고, 이를 정량화하는 새로운 정렬 지표를 제안합니다.
Ready2Unlearn: A Learning-Time Approach for Preparing Models with Future Unlearning Readiness
이 논문은 기존에 배포 단계에서 사후적으로 수행되던 기계적 망각을 학습 단계에서 사전에 준비하는 'Ready2Unlearn'이라는 새로운 최적화 접근법을 제안하며, 메타학습 원리를 활용하여 향후 데이터 삭제 요청에 효율적이고 원칙적으로 대응할 수 있는 모델을 구축하는 방법을 제시합니다.
EgoDex: Learning Dexterous Manipulation from Large-Scale Egocentric Video
이 논문은 애플 비전 프로를 활용해 829 시간 분량의 3D 손 관절 추적 데이터와 다양한 일상 조작 행위를 포함하는 대규모 데이터셋 'EgoDex'를 구축하고, 이를 통해 모방 학습 정책의 성능을 평가하는 새로운 벤치마크를 제시합니다.
FreeKV: Boosting KV Cache Retrieval for Efficient LLM Inference
FreeKV 는 학습이 필요 없는 알고리즘 및 시스템 공동 최적화 프레임워크를 통해 KV 캐시 검색 효율성을 극대화하면서도 정확도를 유지하여, 기존 최첨단 방법 대비 최대 13 배의 속도 향상을 달성합니다.
Online Decision-Focused Learning
이 논문은 고정된 배치 데이터가 아닌 시간에 따라 변화하는 동적 환경에서 의사결정 중심 학습 (DFL) 을 위해 미분 가능성과 비볼록성 문제를 해결하는 두 가지 온라인 알고리즘을 제안하고, 정적 및 동적 후회 (regret) 한계를 증명하여 해당 분야에서 최초의 이론적 보장을 제시합니다.
Vid2World: Crafting Video Diffusion Models to Interactive World Models
이 논문은 대규모 인터넷 데이터로 학습된 비디오 확산 모델을 상호작용 가능한 세계 모델로 전환하기 위해 인과적 구조 재설계와 행동 유도 메커니즘을 도입한 'Vid2World'를 제안하며, 로봇 조작 및 3D 게임 등 다양한 환경에서 확장 가능하고 효과적인 해결책을 제시합니다.
MAS-ZERO: Designing Multi-Agent Systems with Zero Supervision
이 논문은 검증 세트 없이도 메타 피드백을 통해 각 문제实例에 맞춰 에이전트 구성을 동적으로 설계, 비판 및 정제할 수 있는 최초의 자기 진화 추론 시간 프레임워크인 MAS-ZERO 를 제안하며, 다양한 벤치마크에서 기존 수동 및 자동 다중 에이전트 시스템보다 뛰어난 성능을 입증합니다.
HDLxGraph: Bridging Large Language Models and HDL Repositories via HDL Graph Databases
이 논문은 HDL 코드의 구조적 및 어휘적 불일치 문제를 해결하기 위해 추상 구문 트리와 데이터 흐름 그래프를 통합한 'HDLxGraph' 프레임워크와 실세계 HDL 프로젝트 기반의 'HDLSearch' 벤치마크를 제안하여, 기존 RAG 기반 방법론보다 검색, 디버깅, 코드 완성 정확도를 크게 향상시켰음을 보여줍니다.
WikiDBGraph: A Data Management Benchmark Suite for Collaborative Learning over Database Silos
이 논문은 기존 협업 학습 벤치마크가 간과한 실제 데이터 실리 (silos) 의 복잡성을 반영하기 위해, 10 만 개의 실세계 관계형 데이터베이스와 1700 만 개의 연결 관계로 구성된 대규모 벤치마크 'WikiDBGraph'를 제안하고 이를 통해 기존 협업 학습 방법의 한계를 평가하며 실용적 배포를 위한 방향성을 제시합니다.
The Cell Must Go On: Agar.io for Continual Reinforcement Learning
이 논문은 비에피소드적이고 역동적인 'Agar.io'를 기반으로 한 새로운 연구 플랫폼 'AgarCL'을 소개하며, 이를 통해 기존 강화학습 알고리즘과 지속적 학습 방법들의 성능을 평가하고 지속적 강화학습이 안정성 - 가소성 딜레마를 넘어선 더 복잡한 과제를 안고 있음을 시사합니다.