9290 편의 논문
이 논문은 오픈핸즈 실행 로그를 기반으로 안전 게이트가 적용된 실행 가능한 행동 트리 (GBT) 를 추출하여 생성 대신 트리 탐색을 제어 정책으로 활용함으로써, 에이전트의 성공률을 획기적으로 높이고 안전 위반을 거의 제로로 줄이며 비용을 절감하는 'Traversal-as-Policy' 프레임워크를 제안합니다.
이 논문은 개별 에이전트의 국소적 프라이버시 제약만으로는 순차적 멀티에이전트 LLM 시스템의 정보 누출을 방지할 수 없음을 이론적으로 규명하고, 상호정보량을 기반으로 한 프라이버시 정규화 학습 프레임워크를 제안하여 시스템 차원의 프라이버시와 유용성 간의 균형을 달성하는 방법을 제시합니다.
이 논문은 embodied agent(로봇, 인간 등) 의 물리적 제약과 도달 가능성을 고려하여 의미론적 일관성과 상호작용 가능성을 모두 갖춘 3D 실내 레이아웃을 생성하는 새로운 프레임워크인 'RoboLayout'을 제안합니다.
이 논문은 소아 루프스 신염의 예후 예측을 위해 일상적인 PAS 염색 조직 슬라이드와 임상 데이터를 통합한 최초의 멀티모달 계산병리학 프레임워크인 'Clinical-Injection Transformer'와 도메인 적응형 MAE 전략을 제안하여 높은 정확도로 치료 반응을 분류하는 방법을 제시합니다.
이 논문은 신경 연산자의 장기적 롤아웃 안정성을 향상시키기 위해 국소 물리적 복잡도에 따라 정규화 강도를 동적으로 조절하는 'JAWS'라는 확률적 정규화 전략을 제안하여, 충격 포착과 유사한 거동을 구현하면서도 메모리 효율적인 최적화를 가능하게 한다고 요약할 수 있습니다.
이 논문은 자연어 쿼리와 가변적 파라미터를 통해 실시간 영상 검색과 생성을 자동화하고, MCP 기반의 지속적 데이터 유입으로 동적 진화하는 오픈 생태계를 구축하여 MLLM 훈련용 전문 영상 데이터셋 제작의 장벽을 낮추는 'VDCook' 플랫폼을 제안합니다.
이 논문은 문법 제약 하의 LLM 디코딩에서 문법적 동치성이 허용된 다음 토큰 집합에는 영향을 주지 않지만, 컴파일된 상태 공간과 온라인 구조적 모호성 비용 (SAC) 에는 결정적인 차이를 만든다는 것을 증명하고, 이를 기반으로 효율적인 디코딩 엔진의 하한을 규명하며 Transformer 아키텍처와의 통합을 위한 이론적 틀을 제시합니다.
이 논문은 브라이어 점수를 분산 불일치, 상관관계 결손, 그리고 전체적 보정이라는 세 가지 비음수 항으로 재구성하여 확률적 예보의 최적 조건을 명확히 제시합니다.
본 논문은 OEIS 정수 수열의 예측을 위해 로그 크기 임베딩과 100 개의 모듈로 잔여 임베딩을 결합한 'IntSeqBERT'를 제안하여, 기존 토큰화 기반 모델보다 정밀도와 다음 항 예측 성능을 획기적으로 향상시켰음을 보고합니다.
이 논문은 광학 카오스 기반 의사결정 시스템에서 시간 계열의 자기상관 특성이 환경의 보상 확률 합에 따라 최적의 부호 (음수 또는 양수) 를 가지며, 이는 확률 합이 1 일 때 성능에 무관함을 수학적 모델로 규명함으로써 강화학습 응용 분야를 개선하는 데 기여함을 보여줍니다.
이 논문은 2 층 준지오스트로픽 해양 시스템에서 장기 예측 시 자동회귀 Transformer 기반 모델보다 오류 증폭과 에너지 드리프트가 적고 추론 속도가 훨씬 빠른 연속 시간 쿠퍼만 오토인코더 (CT-KAE) 를 제안하여 효율적이고 안정적인 해양 상태 예측을 가능하게 함을 보여줍니다.
이 논문은 생성형 AI 가 개별 작업 내 숙련 격차를 축소하지만 보완적 자산의 집중을 통해 전체적인 불평등을 심화시킬 수 있는 두 가지 체제를 제시하며, 기술 구조와 노동 시장 제도가 불평등 방향을 결정하는 핵심 메커니즘임을 규명합니다.
이 논문은 이미지와 텍스트 간의 진정한 의미 정렬을 위해 임베딩을 의미 및 모달리티 성분으로 적응적으로 분리하는 제약된 분해와 모달리티 간극을 해소하는 분포 샘플링을 결합한 CDDS 알고리즘을 제안하여 기존 최첨단 방법보다 6.6%~14.2% 높은 성능을 달성함을 보여줍니다.
이 논문은 두 개의 표적 주머니에 각각 적합한 결합 자세를 가진 단일 리간드를 생성하여 다중 표적 약물 설계를 가능하게 하는 대칭성을 보존하는 결합 확산 모델 'FuseDiff'를 제안하고, 이를 통해 기존 방법들의 한계를 극복하고 최첨단 도킹 성능을 달성했음을 보여줍니다.
이 논문은 소스 데이터와 타겟 데이터 간의 조건부 분포 불일치 (후사적 이동) 에 강건한 최적의 개별화 치료 규칙 (ITR) 을 도출하기 위해 사전 정보를 기반으로 한 분포 강건성 (PDRO-ITR) 접근법을 제안하고, 이에 대한 폐쇄형 해와 적응형 튜닝 절차 및 위험 상한을 제시하여 기존 방법보다 우수한 성능을 입증합니다.
이 논문은 말초혈액 단핵구와 뇌척수액의 다양한 전사체 데이터를 통합 분석하는 기계학습 파이프라인을 개발하여 다발성 경화증 환자 식별에 성공하고, 설명 가능한 AI 기법을 통해 기존 분석법으로는 발견하기 어려운 새로운 병인 기전과 바이오마커를 규명했습니다.
이 논문은 리 대수적 제어 관점에서 시퀀스 모델의 깊이가 표현력과 오차 감소에 미치는 영향을 이론적으로 규명하고, 깊이가 증가함에 따라 오차가 지수적으로 감소함을 증명하며 실험을 통해 이를 검증합니다.
이 논문은 레이블이 있는 데이터가 부족하고 예측 모델이 이용 가능한 환경에서 조건부 평균과 같은 통계적 추론을 수행하기 위해 커널 기반 국소화 기법과 머신러닝 예측을 결합하여 분산을 줄이면서도 유효성을 보장하는 새로운 방법론을 제안하고 그 이론적 성질과 실증적 우수성을 입증합니다.
이 논문은 텍스트 지도 없이 Koopman 연산자와 인스턴스 정규화를 결합한 구조화된 오토인코더 (DKSD-AE) 를 제안하여, 적은 파라미터로 화자 검증 성능을 유지하면서 언어 내용과 화자 특성을 효과적으로 분리하는 방법을 제시합니다.
이 논문은 철도 차량 분류 문제를 해결하기 위해 철도 특화 휴리스틱과 Q-학습을 결합한 하이브리드 휴리스틱 - 강화학습 (HHRL) 프레임워크를 제안하고, 이를 통해 한쪽 또는 양쪽 접근이 가능한 분류 선로 환경에서 효율적이고 고품질의 최적화 해법을 제공함을 보여줍니다.