CytoNet: A Foundation Model for the Human Cerebral Cortex at Cellular Resolution
이 논문은 10 개의 사후 인간 뇌에서 추출한 100 만 개의 라벨 없는 조직학적 이미지 패치로 학습된 'CytoNet'이라는 기초 모델을 소개하여, 세포 수준의 미세 구조를 분석하고 이를 거시적 뇌 기능 조직과 연결하는 확장 가능한 통합 프레임워크를 제시합니다.
🤖 Category
cs.LG
9623 편의 논문
CoRPO: Adding a Correctness Bias to GRPO Improves Generalization
이 논문은 GRPO 의 평균 기준이 잘못된 해법에도 긍정적 이점을 부여하는 문제를 해결하기 위해 정답 임계값을 기반으로 기준을 클리핑하는 'CoRPO'를 제안하여, 모델의 과적합을 방지하고 도메인 간 일반화 능력을 향상시킨다고 설명합니다.
SPOT: Single-Shot Positioning via Trainable Near-Field Rainbow Beamforming
이 논문은 위상 시프터와 실제 시간 지연을 통합한 위상 - 시간 어레이를 활용하여 단일 다운링크 전송으로 빔 형성과 사용자 위치 추정을 동시에 수행하는 종단 간 딥러닝 기반의 SPOT 방식을 제안함으로써, 기존 방법 대비 오버헤드를 획기적으로 줄이고 2 차원 위치 추정 오차를 개선합니다.
ReCast: Reliability-aware Codebook Assisted Lightweight Time Series Forecasting
이 논문은 국소적 패턴을 이산 임베딩으로 인코딩하고 신뢰도 인식 코드북 업데이트 전략을 통해 비정상성과 분포 변화에 강인하면서도 경량화된 시계열 예측 프레임워크인 ReCast 를 제안합니다.
Revisiting Multimodal KV Cache Compression: A Frequency-Domain-Guided Outlier-KV-Aware Approach
이 논문은 멀티모달 KV 캐시의 주파수 영역 에너지 분포와 이상치 (Outlier) KV 를 분석하여, 기존 방법의 한계를 극복하고 FlashAttention 과 호환되면서도 메모리 사용량을 80% 줄이고 디코딩 속도를 1.69 배 향상시키는 'FlashCache'라는 새로운 압축 프레임워크를 제안합니다.
Observer-Actor: Active Vision Imitation Learning with Sparse-View Gaussian Splatting
이 논문은 3D 가우스 스플래팅을 활용해 한 팔이 최적의 시점을 찾아 3D 모델을 구축하고 다른 팔이 이를 기반으로 행동을 수행하는 'ObAct'라는 새로운 능동적 비전 모방 학습 프레임워크를 제안하며, 이를 통해 가려짐이 없는 학습 분포에 가까운 관측을 확보하여 기존 정적 카메라 설정보다 훨씬 강력한 양손 로봇 정책을 구현함을 보여줍니다.
CycleChemist: A Dual-Pronged Machine Learning Framework for Organic Photovoltaic Discovery
본 논문은 유기 광전지 (OPV) 소재의 발견을 가속화하기 위해 예측 모델링과 생성적 분자 설계를 결합한 'CycleChemist'라는 이중 기계 학습 프레임워크를 제안하며, 이를 위해 대규모 OPV 데이터셋 (OPV2D) 을 구축하고 분자 궤도 에너지 추정기 (MOE2), 광전지 성능 예측기 (P3), 그리고 강화 학습 기반의 생성 모델 (MatGPT) 등을 포함한 통합 시스템을 개발했습니다.
A physics-informed U-Net-LSTM network for nonlinear structural response under seismic excitation
이 논문은 기존 데이터 기반 모델의 일반화 한계를 극복하고 정확성과 효율성을 동시에 향상시키기 위해 물리 법칙을 통합한 U-Net-LSTM 네트워크를 제안하여 비선형 구조물의 지진 응답을 예측하는 새로운 접근법을 제시합니다.
DPAC: Distribution-Preserving Adversarial Control for Diffusion Sampling
이 논문은 확산 모델의 적대적 유도 과정에서 발생하는 분포 왜곡을 경로 공간 KL 발산으로 정량화하고, 생성 모델의 점수 기하학에 수직인 접선 공간으로 적대적 그래디언트를 투영하여 분포를 보존하면서도 분류 성공률을 유지하는 'DPAC'라는 새로운 제어 기법을 제안하고 이론적·실험적으로 검증합니다.
An AI Implementation Science Study to Improve Trustworthy Data in a Large Healthcare System
이 논문은 샤이너스 어린이 병원의 연구 데이터 웨어하우스를 OMOP CDM 과 Microsoft Fabric 환경으로 현대화하고, METRIC 프레임워크를 활용한 신뢰할 수 있는 AI 원칙을 데이터 품질 평가에 통합하며, FHIR 표준을 적용한 체계적 및 사례별 AI 구현 전략을 비교함으로써 의료 AI 의 임상 도입을 가속화하는 방안을 제시합니다.
GRAND: Guidance, Rebalancing, and Assignment for Networked Dispatch in Multi-Agent Path Finding
이 논문은 강화학습 기반의 글로벌 가이드, 최소비용 흐름을 활용한 리밸런싱, 그리고 지역적 할당 문제를 결합한 GRAND 라는 계층적 알고리즘을 제안하여 대규모 로봇 군집의 생애 주기 픽업 및 배송 (MAPD) 작업에서 2024 년 우승 스케줄러 대비 최대 10% 의 처리량 향상과 실시간 실행을 동시에 달성했습니다.
Fairness-Aware Fine-Tuning of Vision-Language Models for Medical Glaucoma Diagnosis
이 논문은 의료용 비전 - 언어 모델의 인종별 진단 정확도 편차를 줄이기 위해, 최대 정확도 격차 손실 함수를 도입한 공정성 인식 LoRA 기법 (FR-LoRA, GR-LoRA, Hybrid-LoRA) 을 제안하고, 1 만 장의 녹내장 안저 이미지 실험을 통해 GR-LoRA 가 전체 정확도를 유지하면서 진단 편차를 69% 감소시켰음을 입증했습니다.
Guided Flow Policy: Learning from High-Value Actions in Offline Reinforcement Learning
이 논문은 오프라인 강화학습에서 데이터의 고가치 행동에 집중하도록 유도하는 '가이드드 플로우 정책 (GFP)'을 제안하여, 기존 방법론의 한계를 극복하고 다양한 벤치마크에서 최첨단 성능을 달성했다고 설명합니다.
Bootstrapped Mixed Rewards for RL Post-Training: Injecting Canonical Action Order
이 논문은 Zebra 퍼즐 해결을 위한 RL 후학습 과정에서 단일 작업 보상 외에 해답의 순서와 일치하는 보상을 혼합하여 사용하면, 모델이 무작위 순서로 학습된 경우에도 성능이 향상됨을 보여줍니다.
NeuralRemaster: Phase-Preserving Diffusion for Structure-Aligned Generation
이 논문은 구조적 일관성이 필요한 작업에 적합하도록 입력 위상 정보를 보존하고 크기만 무작위화하는 위상 보존 확산 (Phase-Preserving Diffusion, Ï-PD) 을 제안하여, 기존 확산 모델의 아키텍처 변경 없이도 구조 정렬 생성 및 시뮬레이션에서 현실로의 전이 성능을 향상시킵니다.
Sparse Attention Post-Training for Mechanistic Interpretability
이 논문은 성능 저하 없이 어텐션 연결성을 0.4% 수준으로 극도로 희소화하여 모델의 계산 중복성을 제거하고, 이를 통해 회로 단순화와 해석 가능성을 획기적으로 향상시키는 새로운 후학습 기법을 제안합니다.
Symmetric Aggregation of Conformity Scores for Efficient Uncertainty Sets
이 논문은 여러 예측 모델의 비동일성 점수를 e-값으로 변환하고 대칭적 집계 함수를 결합하여 단일하고 더 효율적인 불확실성 집합을 생성하는 새로운 방법인 SACP(Symmetric Aggregated Conformal Prediction) 를 제안하고, 이를 통해 기존 방법들보다 향상된 예측 성능을 입증합니다.
Revolutionizing Mixed Precision Quantization: Towards Training-free Automatic Proxy Discovery via Large Language Models
이 논문은 인간 전문가의 개입이나 추가 학습 없이 대규모 언어 모델 (LLM) 과 진화적 탐색 전략을 활용하여 혼합 정밀도 양자화 (MPQ) 를 위한 최적의 자동 프록시를 발견하는 새로운 프레임워크인 TAP 를 제안하고, 이를 통해 기존 방법들의 한계를 극복하고 최첨단 성능을 달성함을 보여줍니다.
ReFusion: A Diffusion Large Language Model with Parallel Autoregressive Decoding
이 논문은 KV 캐시 재사용을 가능하게 하고 학습 복잡도를 줄여 기존 확산 모델의 한계를 극복함과 동시에 autoregressive 모델에 필적하는 성능과 속도를 달성한 새로운 병렬 디코딩 모델인 'ReFusion'을 제안합니다.
Measuring Uncertainty Calibration
이 논문은 이진 분류기의 보정 오차를 추정하기 위해 보정 함수의 유계 변동을 가정하거나 분류기를 수정하는 두 가지 비점근적·분포 무관한 상한 bound 를 제시하고, 이를 실용적인 데이터셋에 적용 가능한 절차로 제안합니다.