Are Expressive Encoders Necessary for Discrete Graph Generation?
이 논문은 트랜스포머와 같은 고도로 표현력 있는 백본 없이도, GenGNN 이라는 모듈형 메시지 전달 프레임워크를 사용하여 이산 그래프 생성에서 높은 유효성과 빠른 추론 속도를 달성할 수 있음을 보여줍니다.
🤖 Category
cs.LG
2294 편의 논문
MASEval: Extending Multi-Agent Evaluation from Models to Systems
이 논문은 LLM 기반 에이전트 시스템의 성능에 모델뿐만 아니라 토폴로지나 오케스트레이션 로직과 같은 구현 선택도 결정적인 영향을 미친다는 점을 강조하며, 전체 시스템을 분석 단위로 삼아 프레임워크 간 비교를 가능하게 하는 'MASEval' 평가 프레임워크를 제안합니다.
Expressivity-Efficiency Tradeoffs for Hybrid Sequence Models
이 논문은 트랜스포머와 상태 공간 모델을 결합한 하이브리드 시퀀스 모델이 비하이브리드 모델의 이론적 한계를 극복하고, 더 적은 파라미터로 우수한 성능과 길이 일반화 능력을 달성함을 이론적 증명과 실험을 통해 입증합니다.
APPLV: Adaptive Planner Parameter Learning from Vision-Language-Action Model
이 논문은 비전 - 언어 - 행동 (VLA) 모델을 활용하여 고전적 계획기의 매개변수를 적응적으로 학습하는 'APPLV'를 제안함으로써, 기존 방법들보다 뛰어난 항해 성능과 미시적 환경에 대한 일반화 능력을 달성함을 보여줍니다.
Why Channel-Centric Models are not Enough to Predict End-to-End Performance in Private 5G: A Measurement Campaign and Case Study
이 논문은 사설 5G 환경에서 채널 중심 모델이 단말기 간 종단 간 처리량 (throughput) 을 과대평가하는 한계를 측정 캠페인을 통해 입증하고, 실제 시스템 동작을 학습하는 데이터 기반 접근법이 더 정확한 예측을 가능하게 함을 보여줍니다.
A New Modeling to Feature Selection Based on the Fuzzy Rough Set Theory in Normal and Optimistic States on Hybrid Information Systems
이 논문은 하이브리드 정보 시스템에서 고차원 공간의 계산 비용과 노이즈 문제를 해결하기 위해, 객체 간 결합 거리를 기반으로 한 새로운 퍼지 근사 집합 기반 특성 선택 모델 (FSbuHD) 을 제안하고 이를 정상 및 낙관적 두 가지 모드에서 최적화 문제로 재구성하여 UCI 데이터셋을 통해 기존 방법들보다 효율성과 효과성이 입증되었음을 보여줍니다.
Cross-Domain Uncertainty Quantification for Selective Prediction: A Comprehensive Bound Ablation with Transfer-Informed Betting
이 논문은 소스 도메인의 위험 프로파일을 활용하여 데이터가 부족한 환경에서도 더 엄격한 위험 보장을 제공하는 '전이 기반 베팅 (Transfer-Informed Betting)'을 포함한 선택적 예측을 위한 9 가지 유한 표본 경계 가족에 대한 포괄적인 분석과 벤치마크 평가를 제시합니다.
FedLECC: Cluster- and Loss-Guided Client Selection for Federated Learning under Non-IID Data
이 논문은 비독립적·동일분포 (Non-IID) 데이터 환경에서 클라이언트 선택을 위해 클러스터 유사성과 손실 값을 고려한 경량화 전략인 FedLECC 를 제안하여, 테스트 정확도를 최대 12% 향상시키고 통신 라운드 및 오버헤드를 각각 약 22% 및 50% 감소시킨다고 설명합니다.
Quantifying Memorization and Privacy Risks in Genomic Language Models
이 논문은 유전체 언어 모델 (GLM) 의 프라이버시 위험을 정량화하기 위해 퍼플렉시티 기반 탐지, 카나리 시퀀스 추출, 멤버십 추론을 통합한 다중 벡터 평가 프레임워크를 제안하고, 반복 횟수와 모델 용량이 암기 위험에 미치는 영향을 실증적으로 분석했습니다.
Uncovering a Winning Lottery Ticket with Continuously Relaxed Bernoulli Gates
이 논문은 비가분한 스코어 기반 선택의 한계를 극복하기 위해 연속적으로 완화된 베르누이 게이트를 도입하여, 가중치를 고정된 초기값으로 유지한 채 게이트 파라미터만 학습하는 완전히 미분 가능한 방식으로 강력한 로또 티켓 (Strong Lottery Ticket) 을 효율적으로 발견하는 새로운 프레임워크를 제안합니다.
Vision-Language Models Encode Clinical Guidelines for Concept-Based Medical Reasoning
이 논문은 임상 가이드라인과 비전 - 언어 모델을 통합하여 의료 이미지의 특징, 개념, 병리를 연결하고 전문가의 추론을 모방한 구조화된 임상 서술을 생성하는 새로운 개념 기반 추론 프레임워크인 MedCBR 을 제안하며, 이를 통해 의료 영상 분석의 해석 가능성과 진단 정확도를 동시에 향상시켰음을 보여줍니다.
Optimizing Reinforcement Learning Training over Digital Twin Enabled Multi-fidelity Networks
이 논문은 물리적 네트워크와 디지털 트윈의 데이터를 최적 비율로 활용하여 강화학습 기반 안테나 틸트 제어를 수행함으로써 사용자 데이터 전송률을 극대화하고 물리적 데이터 수집 지연을 28.01%까지 감소시키는 계층적 강화학습 프레임워크를 제안합니다.
Interpretable Markov-Based Spatiotemporal Risk Surfaces for Missing-Child Search Planning with Reinforcement Learning and LLM-Based Quality Assurance
이 논문은 실종 아동 수색을 위해 비정형 데이터를 시공간적 위험 표면으로 변환하고, 마르코프 체인, 강화 학습, 그리고 LLM 기반 품질 보증을 결합한 3 층 아키텍처를 가진 '가디언' 시스템의 예측 모델과 검증 결과를 제시합니다.
BiCLIP: Domain Canonicalization via Structured Geometric Transformation
이 논문은 소수의 앵커를 활용하여 도메인 간 시각 - 언어 특징을 정형화된 기하학적 변환으로 정렬하는 단순하고 매개변수가 적은 BiCLIP 프레임워크를 제안함으로써, 다양한 벤치마크에서 최첨단 성능을 달성하는 도메인 적응 방법을 제시합니다.
Kernel Debiased Plug-in Estimation based on the Universal Least Favorable Submodel
이 논문은 효율적 영향 함수의 명시적 유도 없이도 반모수적 효율성을 달성할 수 있는 범용 최소불리 하위모델 기반 커널 편향 보정 플러그인 추정량 (ULFS-KDPE) 을 제안하고, 이를 함수해석학적 근거와 수치적 안정성을 갖춘 알고리즘으로 정립했습니다.
Towards Reliable Simulation-based Inference
이 논문은 시뮬레이션 기반 추론에서 기계 학습 모델의 과신 (overconfidence) 문제를 진단하고, '밸런싱' 정규화 기법과 시뮬레이션에 특화된 베이지안 신경망을 도입하여 이를 완화하고 신뢰할 수 있는 통계적 추론을 가능하게 하는 방법을 제시합니다.
A Consensus-Driven Multi-LLM Pipeline for Missing-Person Investigations
이 논문은 72 시간이라는 골든타임을 활용하여 실종 아동 수색을 지원하기 위해, 여러 특화 LLM 과 합의 엔진을 조율하고 QLoRA 미세조정 기법을 적용한 '가디언' 시스템의 설계와 검증을 제시합니다.
A Survey of Reinforcement Learning For Economics
이 논문은 차원의 저주로 인해 기존 동적 계획법의 적용에 한계가 있는 고차원 경제 모델에 대해 강화 학습이 제공하는 유연한 대안과 그 이론적 기반, 실용적 예시, 그리고 현재 직면한 한계점을 종합적으로 검토합니다.
The Inequality: Quantifying the Double Penalty of Mixture-of-Experts at Inference
이 논문은 혼합 전문가 (MoE) 모델이 훈련 시 효율적이지만 추론 시 '이중 페널티'로 인해 대역폭 병목 현상이 발생하여 긴 컨텍스트 환경에서 밀집형 모델보다 성능이 저하될 수 있음을 'qs 부등식'을 통해 규명하고, MoE 를 훈련 최적화 기법으로 간주하고 추론 효율성을 위해 밀집형 모델로 증류하는 방안을 제안합니다.
Semantic Level of Detail: Multi-Scale Knowledge Representation via Heat Kernel Diffusion on Hyperbolic Manifolds
이 논문은 쌍곡 다양체 상의 열 커널 확산을 통해 지식 그래프의 연속적인 해상도 조절을 가능하게 하고, 스펙트럼 갭을 기반으로 자동으로 의미적 추상화 수준을 탐지하는 '의미적 상세도 (SLoD)' 프레임워크를 제안합니다.