11349 편의 논문
이 논문은 작업장 스케줄링 문제를 이종 그래프로 모델링하고 이종 그래프 트랜스포머를 활용하여 작업 우선순위 및 기계 경쟁 관계를 구분해 학습함으로써, 기존 동종 그래프 기반 강화학습 방법보다 우수한 스케줄링 성능을 달성하는 'HGT-Scheduler'를 제안합니다.
이 논문은 그래프 확산과 공간 어텐션을 결합한 하이브리드 프레임워크인 SpatialMAGIC 을 제안하여, 공간 전사체 데이터의 희소성과 기술적 노이즈를 해결하고 클러스터링 정확도 및 하류 생물학적 분석 성능을 기존 방법론보다 향상시켰음을 보여줍니다.
이 논문은 실제 데이터셋에 존재하지 않는 시간적 근거를 평가하기 위해, 합성 시계열 데이터 생성 및 표준 로컬라이제이션 지표를 제공하는 재사용 가능한 Python 패키지 'xaitimesynth'를 소개합니다.
이 논문은 데이터 부족과 클래스 불균형으로 인한 난제 해결을 위해, 물리 법칙을 반영한 컨텍스트 기반 확산 모델을 개발하여 열대성 저기압의 급격한 강화를 특징으로 하는 극단적 기상 현상의 합성 데이터를 생성하고, 이를 통해 운영용 기상 탐지 알고리즘의 성능을 향상시키는 확장 가능한 프레임워크를 제시합니다.
이 논문은 조기 수렴 문제를 해결하고 샘플 효율성을 향상시키기 위해 과거의 성공적인 트래젝토리를 보존하고 강화하는 경량 메커니즘인 '낙관적 정책 정규화 (OPR)'를 제안하며, 아타리 및 사이버 방어 환경에서 기존 최첨단 방법보다 뛰어난 성능을 입증했습니다.
이 논문은 보상 분포의 꼬리 두께에 따라 최적의 추론 시간 정렬 전략이 달라진다는 통찰을 바탕으로, 힐 추정기를 통해 꼬리 특성을 동적으로 분석하고 트살리스 발산을 정규화자로 활용하여 낙관주의와 비관주의를 적응적으로 조화시키는 'Best-of-Tails (BoT)' 프레임워크를 제안합니다.
이 논문은 분산 딥러닝 훈련 시 병렬화, 메모리, 네트워크 토폴로지를 통합적으로 고려하여 구조화된 동적 프로그래밍을 통해 최적의 디바이스 배치를 찾는 NEST 프레임워크를 제안하며, 기존 방법론 대비 최대 2.43 배의 처리량 향상과 향상된 확장성을 입증합니다.
이 논문은 에이전트 간 기여도가 중복되는 현실적 시나리오를 모델링하는 협력적 다중 에이전트 강화학습을 위해, 하모듈성 보상을 고려한 새로운 프레임워크를 제시하고 알려진 동역학 하에서는 다항 시간 복잡도로 1/2-근사 해를, 알려지지 않은 동역학 하에서는 UCB 기반 알고리즘을 통해 regret bound 를 보장하는 알고리즘을 제안합니다.
본 논문은 예측 불확실성을 명시적으로 반영하는 크레달 (credal) 방법과 분포 무관한 보장을 제공하는 공형적 (conformal) 예측의 장점을 결합하여, 모델의 외삽 영역에서도 해석 가능하고 보정된 예측 구간을 제공하는 'CREDO'라는 새로운 회귀 기법을 제안합니다.
이 논문은 Noddyverse 데이터셋을 기반으로 3D 중력 및 자력 공동 반전을 직진 흐름 (Rectified Flow) 프레임워크로 재정의하고, 지질학적 구조 식별을 위한 글린츠란다우 (Ginzburg-Landau) 정규화 및 가이드 메커니즘을 도입하여 기존 결정론적 알고리즘의 한계를 극복하는 새로운 역문제 해결 체계를 제시합니다.
이 논문은 분산이 무한한 중꼬리 분포를 가진 거래자 평가 하에서 컨텍스트 양자 거래 문제를 연구하여, 유계 밀도 조건 하의 자기-경계 성질을 확장하고 절단된 평균 추정법을 결합해 최적의 최소최대 후회율을 도출하고 이를 하한과 일치시킴으로써 의 고전적 비모수율과 의 선형율 사이의 정확한 수렴 속도를 규명했습니다.
이 논문은 다중 에이전트 LLM 협업 시스템에서 희소한 종단 보상만 존재할 때 발생하는 의사결정 수준의 신용 할당 문제를 해결하기 위해, 컨텍스트를 고정하고 고정된 연속 재생을 통해 개별 메시지의 인과적 영향을 격리하는 'Contextual Counterfactual Credit Assignment(C3)' 방법을 제안하고 그 유효성을 입증합니다.
이 논문은 GELU 게이트의 척도 혼합으로 유도되어 Cauchy CDF 게이트를 가지며, ReLU 와 GELU 사이의 행동을 매개변수로 조절하고 무거운 꼬리 분포를 통해 기울기 소실 문제를 완화하는 새로운 활성화 함수 IGLU 와 그 효율적인 근사치 IGLU-Approx 를 제안하고 다양한 벤치마크에서 우수한 성능을 입증합니다.
이 논문은 노이즈가 포함된 불완전한 관측 데이터로부터 물리 법칙을 발견하기 위해, 대칭성 제약을 적용한 문법과 언어 모델 기반 프로그램 합성, 그리고 MDL 정규화된 베이지안 모델 선택을 통합한 'SymLang' 프레임워크를 제안하며, 기존 방법론 대비 구조적 정확도와 외삽 성능을 획기적으로 향상시켰음을 보여줍니다.
이 논문은 기존 어텐션 메커니즘을 고전적 에너지 함수의 경사 하강으로 해석하고, 랑주뱅 동역학을 적용하여 학습 없이 온도로만 제어되는 확률적 어텐션을 제안함으로써, 생성 단계에서 기존 학습 기반 베이스라인보다 뛰어난 다양성과 독창성을 달성함을 보여줍니다.
이 논문은 강유전체 수직 NAND 의 데이터 유지 특성을 분석할 때 기존 TCAD 시뮬레이션의 높은 계산 비용을 극복하기 위해 물리 법칙을 학습 구조에 통합한 PINO 기반 AI 대리 모델을 개발하여, 물리적 정확도를 유지하면서 10,000 배 이상의 속도 향상을 달성했음을 보여줍니다.
이 논문은 비구형 군집을 모델링하고 임의 크기의 감쇠 윈도우에 대한 폐형식 발자국 업데이트 및 공분산 합집합 기법을 활용하여, 기존 스트리밍 군집화 알고리즘보다 우수한 성능을 보이는 단일 통과 가능도 기반 군집화 (SPC) 알고리즘을 제안하고 검증합니다.
이 논문은 산업 디자인 절차에서 영감을 받아 참조 표면과 모델링 절차를 기반으로 LLM 을 유도하여 스플라인 곡률을 포함한 유기적 형태의 CAD 프로그램을 생성하는 새로운 데이터 증강 패러다임을 제안함으로써, 기존 CAD 데이터의 기하학적 다양성 부족 문제를 해결하고 산업 수준의 디자인과 유사한 고품질 데이터를 확보하는 방법을 제시합니다.
이 논문은 속성 정보를 활용하는 환경에서는 공정한 머신러닝이 소외 계층의 성과를 개선하지만, 속성 정보를 배제한 환경에서는 분포에 따라 오히려 모든 그룹의 성과가 하락하는 '수준 하향 평준화'가 발생할 수 있음을 규명합니다.
이 논문은 XGBoost 의 강점을 활용하여 소규모 데이터셋에는 DDIM 기반 모델을, 대규모 데이터셋에는 계층적 자기회귀 모델을 제안함으로써 혼합형 표본 데이터 생성에서 기존 모델보다 낮은 훈련 비용으로 더 우수한 성능을 달성하는 'XGenBoost'를 소개합니다.