1135 편의 논문
MAP-RAG는 구조화된 전자 의무 기록 분해와 하이브리드 검색 및 동적 신뢰도 라우팅을 통합함으로써 임상 진단 정확도와 효율성을 향상시키고, 여러 의료 부서에 걸쳐 베이스라인 모델보다 우수한 성능을 입증하는 새로운 다중 뷰 적응형 프레임워크이다.
과도하게 낙관적인 벤치마크와 정확도-공정성 간의 상충 관계에 의해 발생하는 의료 영상 분할 파운데이션 모델의 번역 격차를 해결하기 위해, 본 논문은 앙상블 전략을 통한 원칙적인 모델 시너지가 어떻게 단일 모델보다 안전하고 공평하며 임상적으로 신뢰할 수 있는 AI를 달성하는 데 더 우수한지를 입증하는 엄격한 다차원 평가 프레임워크인 OrganSegBench를 소개한다.
본 논문은 설명 가능한 개인 맞춤형 임상 의사 결정 지원 및 조기 질병 위험 예측을 강화하기 위해 BM25와 BioBERT 기반의 시맨틱 검색을 상호 순위 결합(Reciprocal Rank Fusion)과 통합한 하이브리드 검색 증강 생성(Retrieval Augmented Generation) 프레 الكريم워크를 제시하며, 182,000개의 의료 기록 데이터셋에 대해 기존 베이스라인보다 우수한 검색 성능을 달성하였다.
본 연구는 다국가 데이터를 활용하여 우수한 산모 정신 건강 위험 예측 성능(정확도 99.86%)을 달달성하는 동시에 SHAP 분석을 통해 핵심 임상 예측 요인을 식별하는 설명 가능한 하이브리드 고전-양자 서포트 벡터 머신 모델을 제안한다.
이 논문은 Hubble/eBPF 네트워크 텔레메트리가 정교하게 구성된 그라운드 트루스 레이블과 결합될 때 쿠버네티스 환경에서의 런타임 공격과 설정 오류를 효과적으로 탐지할 수 있음을 입증하며, 규칙 기반 탐지기의 높은 정밀도와 랜덤 포레스트 분류기의 더 높은 재현율 사이의 절충 관계에도 불구하고 목적지 측의 식별 속성이 위협의 가장 강력한 지표임을 밝혀낸다.
이 논문은 정상 트래픽만을 학습하고 양방향 시간 인코딩을 활용하여 기존 방법들과 비교해 오탐률과 분산을 크게 줄임으로써, 현실적인 클래스 불균형이 존재하는 이기종 IoT 네트워크에서 고정밀 이상 탐지를 달성하는 비지도 시공간 하이브리드 오토인코더인 ST-HAE를 소개한다.
본 논문은 비디오, 오디오 및 태도 데이터를 통합하여 교실 내 미취학 아동의 주의 집중 수준을 견고하게 평가하는 멀티모달 트랜스포머 기반 방법을 제안하며, 다양한 집중 상태에 대해 베이스라인 모델보다 우수한 성능과 안정성을 입증한다.
이 논문은 CBEC-AIGC-Bench 데이터셋을 도입하고, 생성 아티팩트(generation artifacts)를 홍보용 텍스트의 간섭으로부터 효과적으로 구별하기 위해 공간 의미 및 주파수 아티팩트 브랜치를 교차 주의 메커니즘과 결합한 다중 특징 융합 네트워크인 MFF-EComDet을 제안함으로써 국경 간 이커머스에서 AI 생성 제품 이미지를 탐지하는 과제를 다룹니다.
FluxGraph는 동적 그래프 어텐션과 플럭스 메모리 및 양방향 특징 흐름을 결합하여 산업 및 자동차 시스템의 미세한 위장 이상과 점진적인 베이스라인 드리프트를 효과적으로 식기 위해 설계된 비지도 학습 기반의 시계열 이상 탐지 프레임워크로, 새로운 다중 잔차 융합 접근 방식을 통해 기존 방법들을 능가합니다.
이 논문은 응답을 원자적 주장으로 분해하고, 이를 검색을 통해 근거를 마련하며, 소형 언어 모델과 신경-기호 추론을 통해 검증함으로써 대규모 언어 모델의 사실적 신뢰성을 향상시키는 다층 프레임워크를 제안하며, 이는 해석 가능성과 계산 효율성을 유지하면서 HotpotQA 및 SciFact 데이터셋에서 상당한 성능 향상을 달성한다.