TS-MLLM: A Multi-Modal Large Language Model-based Framework for Industrial Time-Series Big Data Analysis
이 논문은 시계열 신호, 주파수 영역 이미지, 텍스트 도메인 지식을 통합하여 산업용 예지보전 (PHM) 을 위한 다중 모달 대규모 언어 모델 프레임워크인 TS-MLLM 을 제안하고, 이를 통해 기존 방법보다 우수한 성능과 일반화 능력을 입증했습니다.
🤖 Category
cs.LG
8675 편의 논문
Integration of deep generative Anomaly Detection algorithm in high-speed industrial line
이 논문은 제약 산업의 고속 Blow-Fill-Seal (BFS) 생산 라인에서 제한된 시간 내에 실시간으로 결함을 탐지하고 위치를 파악하기 위해, 정상 샘플만으로 학습된 생성적 적대 신경망 (GAN) 기반의 잔차 오토인코더 이상 탐지 알고리즘을 통합한 프레임워크를 제안합니다.
Analysis-Driven Procedural Generation of an Engine Sound Dataset with Embedded Control Annotations
이 논문은 실제 엔진 녹음의 조화 구조를 분석하여 샘플 단위의 정밀한 RPM 및 토크 주석이 포함된 19 시간 분량의 'Procedural Engine Sounds Dataset'을 생성하고, 이를 통해 엔진 사운드 합성 및 제어 파라미터 추정 연구에 활용할 수 있는 데이터셋을 공개했습니다.
Models as Lego Builders: Assembling Malice from Benign Blocks via Semantic Blueprints
이 논문은 LVLM 이 개별적으로는 안전해 보이는 시각적 요소들을 조합해 유해한 의미를 생성하는 '의미적 슬롯 채우기' 취약점을 발견하고, 이를 악용하여 블랙박스 환경에서 단일 쿼리로 모델의 안전 장치를 우회하는 'StructAttack' 프레임워크를 제안합니다.
Shorter Thoughts, Same Answers: Difficulty-Scaled Segment-Wise RL for CoT Compression
이 논문은 추론 단계와 답변 단계를 분리하여 각각에 difficulty-aware 보상 스케일링을 적용하는 DSS-GRPO 를 제안함으로써, CoT(Chain-of-Thought) 의 길이를 효율적으로 단축하면서도 답변의 정확성을 유지하는 방법을 제시합니다.
MetaSort: An Accelerated Approach for Non-uniform Compression and Few-shot Classification of Neural Spike Waveforms
본 논문은 메타-전이 학습을 통해 기하학적 정보를 활용하여 신경 스파이크 파형의 비균일 압축 및 퓨샷 분류 문제를 동시에 해결하는 새로운 알고리즘인 'MetaSort'를 제안하고, 생체 내 실험을 통해 그 우수성을 입증했습니다.
TT-Sparse: Learning Sparse Rule Models with Differentiable Truth Tables
이 논문은 차분 가능한 진리표를 활용하고 새로운 소프트 TopK 연산자를 도입하여, 높은 예측 성능과 낮은 복잡도를 동시에 달성하면서도 완전한 해석 가능성을 보장하는 희소 규칙 기반 모델 'TT-Sparse'를 제안하고 다양한 데이터셋에서 기존 최첨단 방법론보다 우수한 성능을 입증했습니다.
MAS-H2: A Hierarchical Multi-Agent System for Holistic Cloud-Native Autoscaling
이 논문은 비즈니스 정책과 리소스 프로비저닝 간의 전략적 공백을 해소하고, 예측 기반의 계층적 다중 에이전트 시스템 (MAS-H2) 을 통해 클라우드 네이티브 환경의 자동 확장 성능을 획기적으로 개선하고 제로 다운타임 전략 마이그레이션을 가능하게 하는 종단 간 솔루션을 제안합니다.
Compression as Adaptation: Implicit Visual Representation with Diffusion Foundation Models
이 논문은 고정된 시각 생성 모델에 저랭크 적응 (LoRA) 을 부착하여 신호를 함수로 인코딩하는 새로운 프레임워크를 제안함으로써, 극저 비트레이트에서 강력한 지각적 비디오 압축을 실현하고 압축과 생성을 통합하는 새로운 패러다임을 제시합니다.
SMAT: Staged Multi-Agent Training for Co-Adaptive Exoskeleton Control
이 논문은 인간의 보행 적응 과정을 단계적으로 반영한 '단계적 다중 에이전트 훈련 (SMAT)' 방식을 제안하여, 개별 사용자 재학습 없이도 다양한 피험자에게 일관된 보조와 양의 기계적 에너지를 제공하는 적응형 외골격 제어 정책을 성공적으로 개발하고 실험적으로 검증했습니다.
Accelerating Diffusion Models for Generative AI Applications with Silicon Photonics
이 논문은 확산 모델의 높은 추론 에너지 소모 문제를 해결하기 위해 실리콘 포토닉스 기반 가속기를 제안했으며, 실험 결과 기존 최첨단 가속기 대비 3 배 이상의 에너지 효율과 5.5 배의 처리량 향상을 달성했음을 보여줍니다.
Exoskeleton Control through Learning to Reduce Biological Joint Moments in Simulations
이 논문은 시뮬레이션 기반 강화학습을 통해 인간 보행 시 생물학적 관절 모멘트를 감소시키는 외골격 제어 정책을 학습하고, 오픈소스 보행 데이터를 통해 훈련된 제어 네트워크의 토크 예측 정확도와 생체 역학적 일관성을 정량적으로 검증하는 프레임워크를 제시합니다.
Helix: Evolutionary Reinforcement Learning for Open-Ended Scientific Problem Solving
이 논문은 복잡한 과학적 문제를 해결하기 위해 문맥 학습을 통한 탐색과 강화 학습을 통한 정책 정제를 결합한 계층적 진화 강화 학습 프레임워크 'HELIX'를 제안하며, 원형 패킹 및 머신러닝 벤치마크에서 기존 최첨단 모델보다 우수한 성능을 입증합니다.
Evaluating Synthetic Data for Baggage Trolley Detection in Airport Logistics
이 논문은 NVIDIA Omniverse 기반의 고충실도 디지털 트윈을 활용해 생성된 합성 데이터와 소량의 실제 데이터를 혼합하여 훈련함으로써, 공항 수하물 카트 탐지 성능을 유지하면서 실제 데이터 주석 작업을 25~35% 줄일 수 있음을 입증합니다.
Compressed Proximal Federated Learning for Non-Convex Composite Optimization on Heterogeneous Data
이 논문은 비볼록 합성 최적화 문제를 해결하기 위해 프록시 업데이트와 통신을 분리하고 오차 피드백 및 제어 변수를 통합하여 통신 효율성과 수렴성을 동시에 향상시킨 새로운 연방 학습 알고리즘인 FedCEF 를 제안하고 그 이론적 수렴성과 실증적 유효성을 입증합니다.
Partial Differential Equations in the Age of Machine Learning: A Critical Synthesis of Classical, Machine Learning, and Hybrid Methods
이 논문은 고전적 수치 해법과 기계 학습 접근법의 인식론적 차이를 명확히 구분하고, 두 방법론의 한계와 상호 보완성을 비판적으로 분석하여 PDE 해법을 위한 하이브리드 설계 원칙과 미래 방향성을 제시합니다.
Beyond Surrogates: A Quantitative Analysis for Inter-Metric Relationships
이 논문은 오프라인 검증 지표와 온라인 성능 간의 불일치 문제를 해결하기 위해 서브레이트 손실과 평가 지표 간의 관계를 정량화하는 통합 이론적 프레임워크를 제안하여, 오프라인 개선이 온라인 목표와 이론적으로 정렬되도록 보장합니다.
Mitigating the Memory Bottleneck with Machine Learning-Driven and Data-Aware Microarchitectural Techniques
이 논문은 현대 프로세서의 메모리 병목 현상을 해결하기 위해 실행 중 관찰된 데이터 패턴을 학습하고 애플리케이션 데이터의 의미적 특성을 활용하는 머신러닝 기반의 데이터 인식형 마이크로아키텍처 기법들을 제안하여 성능과 에너지 효율을 획기적으로 향상시켰음을 보여줍니다.
Scalable Training of Mixture-of-Experts Models with Megatron Core
이 논문은 메모리, 통신, 연산의 통합 최적화 및 다양한 병렬화 기법을 통해 MoE 모델의 확장성 문제를 해결하고, NVIDIA GB200/GB300 클러스터에서 높은 성능을 달성한 Megatron Core 기반의 실용적인 오픈소스 솔루션을 제시합니다.
Global Convergence of Average Reward Constrained MDPs with Neural Critic and General Policy Parameterization
이 논문은 신경망 크리틱과 일반 정책 파라미터화를 사용하는 평균 보상 제약 MDP 를 위한 원 - 쌍대 자연 액터 - 크리틱 알고리즘을 제안하고, NTK 이론을 활용하여 혼합 시간 오라클 없이 전역 수렴과 누적 제약 위반률 을 보장하는 최초의 이론적 결과를 제시합니다.