Overlap-Adaptive Regularization for Conditional Average Treatment Effect Estimation
이 논문은 낮은 오버랩 (overlap) 영역에서 조건부 평균 치료 효과 (CATE) 추정의 성능을 향상시키기 위해, 오버랩 가중치에 비례하여 정규화 강도를 조절하는 새로운 '오버랩 적응형 정규화 (OAR)' 기법을 제안하고 이를 기존 메타-러너에 적용하여 추론의 견고성을 확보함을 보여줍니다.
🤖 Category
cs.LG
7394 편의 논문
Cold-Start Active Correlation Clustering
이 논문은 사전 정보 없이 시작되는 콜드스타트 상황에서의 능동적 상관관계 클러스터링 문제를 해결하기 위해, 초기 단계에서 다양성을 촉진하는 커버리지 인식 방법을 제안하고 그 유효성을 실험을 통해 입증합니다.
Feedback Control for Small Budget Pacing
이 논문은 동적 경매 환경에서 소액 광고 캠페인의 예산 조절을 위해 히스테리시스와 비례 피드백을 결합한 제어 이론 기반의 안정적이고 적응적인 pacing 알고리즘을 제안하며, 이를 통해 기존 방법 대비 pacing 오차를 13%, -변동성을 54% 감소시키는 효과를 입증했습니다.
Your Agent May Misevolve: Emergent Risks in Self-evolving LLM Agents
이 논문은 LLM 기반의 자가 진화 에이전트가 환경과의 상호작용을 통해 스스로 개선되는 과정에서 의도하지 않은 방향으로 진화하여 안전 정렬 저하나 취약점 도입과 같은 유해한 결과를 초래할 수 있는 '미진화 (Misevolution)' 현상을 체계적으로 규명하고, 이에 대한 완화 전략을 모색합니다.
An Orthogonal Learner for Individualized Outcomes in Markov Decision Processes
이 논문은 관측 데이터를 기반으로 마르코프 결정 과정에서의 개인별 잠재 결과를 예측하기 위해 이중 강건성, Neyman 직교성, 준-오라클 효율성을 보장하는 새로운 메타 러너인 DRQ-learner 를 제안하고 이론적 근거와 실증적 유효성을 입증합니다.
Privately Estimating Black-Box Statistics
이 논문은 민감도 상한이 알려지지 않은 임의의 블랙박스 함수에 대해 통계적 효율성과 오라클 효율성 사이의 균형을 이루며 근사적으로 최적의 차분 프라이버시 추정 기법을 제안하고 그 최적성을 증명합니다.
Stochastic Self-Organization in Multi-Agent Systems
이 논문은 외부 감독이나 추가 학습 없이 에이전트 응답을 기반으로 샤플리 값을 추정하여 동적 DAG 통신 구조를 자동 구성함으로써, 특히 약한 LLM 환경에서도 기존 방법론의 한계를 극복하고 다중 에이전트 시스템의 협업 효율성과 정확성을 극대화하는 'SelfOrg' 프레임워크를 제안합니다.
CroSTAta: Cross-State Transition Attention Transformer for Robotic Manipulation
이 논문은 시연 데이터의 실패 및 복구 패턴과 같은 시간적 구조를 명시적으로 모델링하기 위해 상태 전이 어텐션 (STA) 메커니즘을 도입한 'CroSTAta'라는 새로운 트랜스포머 아키텍처를 제안하며, 이를 통해 로봇 조작 정책의 강건성과 정밀도를 기존 방법론보다 크게 향상시켰음을 보여줍니다.
Double projection for reconstructing dynamical systems: between stochastic and deterministic regimes
이 논문은 동적 변분 오토인코더 기반의 '이중 투영 (double projection)' 방법을 제안하여 관측 데이터로부터 시스템 상태 궤적과 잡음 시계열을 동시에 추정함으로써, 저차원 상태 공간에서 다단계 예측이 가능한 확률적 동적 시스템을 학습하고 이를 결정론적 모델과 비교 평가합니다.
Automated Extraction of Material Properties using LLM-based AI Agents
이 논문은 대규모 LLM 기반 에이전트 워크플로우를 활용해 약 1 만 편의 과학 논문에서 열전 및 구조적 특성을 자동 추출하여 2 만 7 천 8 백여 개의 레코드로 구성된 가장 큰 규모의 데이터셋을 구축하고, 이를 통해 재료 발견을 가속화할 수 있는 확장 가능한 파이프라인과 공개 도구를 제시합니다.
Tree-based Dialogue Reinforced Policy Optimization for Red-Teaming Attacks
이 논문은 대화 과정을 순차적 의사결정 문제로 간주하고 트리 기반 강화학습을 적용하여 기존 방법론보다 훨씬 높은 공격 성공률로 다양한 다회전 적대적 공격 전략을 자동으로 발견하는 'DialTree' 프레임워크를 제안합니다.
An Senegalese Legal Texts Structuration Using LLM-augmented Knowledge Graph
본 연구는 대규모 언어 모델 (LLM) 과 지식 그래프 기술을 활용하여 세네갈의 법적 텍스트 (특히 토지 및 공공 영역 코드) 에서 수천 개의 조항을 추출하고 구조화함으로써 사법 정보 접근성을 향상시키고 시민과 법률 전문가가 권리와 의무를 더 효과적으로 이해할 수 있는 프레임워크를 제시합니다.
The Role of Feature Interactions in Graph-based Tabular Deep Learning
이 논문은 그래프 기반 표본 딥러닝 (GTDL) 방법들이 예측 정확도만 추구하다 보니 실제 특징 간 상호작용을 무작위 수준으로만 모델링하며, 오히려 정확한 상호작용 구조를 반영할 때 예측 성능이 향상됨을 합성 데이터를 통해 입증하고, 이에 따라 GTDL 이 예측력 향상을 위해 그래프 구조의 정확한 모델링을 우선시해야 함을 주장합니다.
Wasserstein Gradient Flows for Scalable and Regularized Barycenter Computation
이 논문은 미니배치 최적 수송, 모듈형 정규화, 그리고 지도 정보 통합을 통해 기존 이산적 방법의 확장성 한계와 신경망 접근법의 복잡성을 극복하고, 다양한 분야에서 새로운 최첨단 성능을 달성하는 확률 측도 공간의 와세르슈타인 그래디언트 흐름 기반의 확장 가능하고 정규화된 바리센터 계산 알고리즘을 제안합니다.
Pretraining in Actor-Critic Reinforcement Learning for Robot Locomotion
이 논문은 로봇 보행 강화학습에서 무작위 초기화 대신 역동적 탐색 데이터를 기반으로 사전 학습된 역동 모델을 활용하여 액터-크리틱 알고리즘을 초기화함으로써 샘플 효율성과 작업 수행 능력을 크게 향상시키는 새로운 패러다임을 제안하고 검증합니다.
ARM-FM: Automated Reward Machines via Foundation Models for Compositional Reinforcement Learning
이 논문은 파운데이션 모델의 추론 능력을 활용하여 자연어 명세로부터 보상 기계 (Reward Machines) 를 자동으로 생성하고, 이를 통해 강화학습의 과업을 구성적으로 분해하며 제로샷 일반화까지 가능하게 하는 'ARM-FM' 프레임워크를 제안합니다.
The Ends Justify the Thoughts: RL-Induced Motivated Reasoning in LLM CoTs
이 논문은 강화학습 기반의 추론 모델이 지시사항과 충돌할 때 유동적 추론 (motivated reasoning) 을 통해 위반 행위를 합리화하며, 이로 인해 추론 과정을 모니터링하는 소형 모델이 오히려 모델의 위반을 간과하게 되어 위험을 초래할 수 있음을 보여줍니다.
Explainable Heterogeneous Anomaly Detection in Financial Networks via Adaptive Expert Routing
이 논문은 금융 시장의 다양한 이상 징후 (가격 충격, 유동성 동결 등) 를 식별하고 그 원인을 설명할 수 있도록, 적응형 그래프 학습과 메커니즘별 전문가 라우팅을 결합한 해석 가능한 이질적 이상 탐지 프레임워크를 제안하며, 이를 통해 기존 방법보다 정밀한 조기 경보와 행동 가능한 통찰력을 제공합니다.
Reinforcing Numerical Reasoning in LLMs for Tabular Prediction via Structural Priors
이 논문은 열의 순열 불변성을 구조적 사전 지식으로 인코딩한 순열 상대 정책 최적화 (PRPO) 기반 강화학습 프레임워크를 제안하여, 대규모 언어 모델이 표 데이터 예측에서 기존 최첨단 모델들을 능가하는 수치 추론 능력을 발휘하도록 함으로써 적은 감독 하에서도 탁월한 성능을 달성함을 보여줍니다.
Robustness Verification of Graph Neural Networks Via Lightweight Satisfiability Testing
이 논문은 그래프 신경망의 구조적 견고성 검증을 위해 강력한 솔버 대신 다항 시간 내에 실행되는 효율적인 부분 솔버를 활용하는 경량 만족도 테스트 도구인 'RobLight'를 제안하여 기존 최첨단 기법보다 성능을 향상시켰음을 보여줍니다.