From Text to Alpha: Can LLMs Track Evolving Signals in Corporate Disclosures?
이 논문은 기업 공시 문서에서 LLM 을 활용해 맥락적 정량 지표의 변화를 포착하는 새로운 프레임워크를 제안하며, 기존 방법론 대비 두 배 이상의 위험 조정 초과수익 (알파) 을 예측하는 것을 입증했습니다.
💻 Category
cs
5633 편의 논문
R v F (2025): Addressing the Defence of Hacking
이 논문은 '해킹 방어' (또는 'SODDI 방어') 를 주장한 R v F 사건을 사례로 들어, 디지털 포렌식 조사관이 이 방어를 어떻게 반박하고 법정에 실증적 증거를 제시할 수 있는지에 대한 실용적인 교훈과 기법을 제시합니다.
Computational Complexity in Property Testing
이 논문은 속성 테스트에서 쿼리 복잡도와 시간 복잡도 간의 관계를 체계적으로 연구하여 시간 - 쿼리 위계 정리를 제시하고, -SUM 가설과 통계적 쿼리 모델을 기반으로 반공간 (halfspace) 문제에서 두 복잡도 간의 본질적인 격차를 증명합니다.
CompassNav: Steering From Path Imitation To Decision Understanding In Navigation
이 논문은 내비게이션 에이전트가 단순한 경로 모방을 넘어 모든 가능한 이동의 상대적 품질을 평가하는 '의사결정 이해' 패러다임으로 전환하도록 하는 CompassNav 프레임워크를 제안하고, 이를 통해 물리적 로봇을 포함한 다양한 벤치마크에서 최첨단 성능을 달성했음을 보여줍니다.
SDGraph: Multi-Level Sketch Representation Learning by Sparse-Dense Graph Architecture
이 논문은 스케치의 희소성과 추상성을 고려하여 스케치, 획, 점 수준의 세 가지 계층으로 유효 정보를 식별하고, 이를 활용하는 희소-밀도 그래프 아키텍처인 SDGraph 를 제안하여 분류, 검색, 벡터 생성 등 다양한 스케치 관련 작업에서 기존 최첨단 기법 대비 성능을 크게 향상시켰습니다.
InstantSfM: Towards GPU-Native SfM for the Deep Learning Era
이 논문은 기존 CPU 기반 SfM 시스템의 한계를 극복하고 대규모 장면에서 COLMAP 대비 약 40 배의 속도 향상을 이루면서도 높은 정확도를 유지하는, 메트릭 깊이 사전 지식을 통합한 완전 GPU 기반의 SfM 시스템 'InstantSfM'을 제안합니다.
UltraGen: Efficient Ultra-High-Resolution Image Generation with Hierarchical Local Attention
UltraGen 은 계층적 로컬 어텐션과 저해상도 전역 가이드를 도입하여 어텐션 복잡도를 선형 수준으로 낮추고, 사전 훈련된 모델을 8K 이상의 초고해상도 이미지 생성에 효율적으로 확장하면서도 구조와 디테일의 일관성을 유지하는 새로운 프레임워크를 제안합니다.
REALM: An MLLM-Agent Framework for Open World 3D Reasoning Segmentation and Editing on Gaussian Splatting
이 논문은 3D 가우시안 스플래팅 표현과 다중 모달 LLM 에이전트를 결합하여 복잡한 자연어 지시를 정밀한 3D 객체 분할 및 편집으로 변환하는 'REALM' 프레임워크를 제안하며, 특히 전역에서 국소로 이어지는 공간적 그라운딩 전략을 통해 견고한 3D 추론 성능을 달성합니다.
Opinion Maximization in Social Networks by Modifying Internal Opinions
이 논문은 기존 행렬 역행렬 계산의 높은 비용 문제를 해결하기 위해 효율적인 샘플링 기반 알고리즘과 대규모 네트워크에서도 최적의 노드 집합을 정확하게 식별하는 결정론적 비동기 알고리즘을 제안하여 소셜 네트워크 내 전체 의견을 극대화하는 방법을 제시합니다.
Importance of Overlapping Network Nodes in Influence Spreading
이 논문은 복잡한 네트워크에서 중첩된 노드가 단순 및 복잡 전염 과정 전반에 걸쳐 비중첩 노드보다 일관되게 더 큰 영향력을 발휘하며, 특히 '원 (circle)' 구조의 정의 방식이 이러한 중첩 효과에 중요한 역할을 한다는 점을 확률적 전염 모델을 통해 규명했습니다.
Compiler.next: A Search-Based Compiler to Power the AI-Native Future of Software Engineering
이 논문은 인간의 의도를 입력받아 프롬프트, 모델 구성, 시스템 파라미터 등을 동적으로 최적화하는 탐색 기반 컴파일러인 'Compiler.next'를 제안하여, AI 네이티브 소프트웨어 개발의 장벽을 낮추고 Software Engineering 3.0 시대를 위한 자동화된 소프트웨어 생성 패러다임을 제시합니다.
Taming the Long Tail: Denoising Collaborative Information for Robust Semantic ID Generation
이 논문은 협업 정보의 노이즈가 장기 꼬리 항목의 콘텐츠 표현을 훼손하고 중요한 행동 기반 시드 (SID) 를 가리는 문제를 해결하기 위해, 적응적 행동 - 콘텐츠 정렬과 동적 행동 가중치 메커니즘을 통해 협업 정보를 적응적으로 제거하는 ADC-SID 프레임워크를 제안합니다.
EyeAgent: An Agentic AI System for Multimodal Clinical Decision Support in Ophthalmology
이 논문은 23 가지 영상 모달리티에 걸친 53 개의 검증된 도구를 동적으로 조율하는 대형 언어 모델을 기반으로 하여, 안과 진단 정확도와 보고서 품질을 획기적으로 향상시키고 전문가 수준의 해석 가능성을 제공하는 최초의 다중 모드 임상 의사결정 지원 에이전트 AI 시스템인 'EyeAgent'를 제시합니다.
Evaluation of Audio Compression Codecs
이 논문은 오디오 압축 코덱 선택 시 단순한 압축 효율뿐만 아니라 청각적 정확도와 청취자가 인지하는 음질 특성도 고려해야 함을 주장하며, 다양한 코덱의 성능 측정, 시각화 및 PEAQ 점수를 통해 압축 기술이 지각적 음질에 미치는 영향을 평가하고 있습니다.
X-WIN: Building Chest Radiograph World Model via Predictive Sensing
이 논문은 3D CT 데이터의 체적 지식을 잠재 공간에서 2D 투영을 예측하는 방식으로 학습하여, 2D 흉부 X 선 (CXR) 의 구조적 중첩 한계를 극복하고 다양한 하류 작업에서 기존 모델보다 우수한 성능을 보이는 새로운 'X-WIN' 세계 모델을 제안합니다.
MergeVLA: Cross-Skill Model Merging Toward a Generalist Vision-Language-Action Agent
이 논문은 다양한 VLA 전문가 모델을 단일 모델로 통합할 때 발생하는 병합 불가 문제를 해결하기 위해, LoRA 어댑터의 일관성 유지와 행동 전문가의 모듈성 강화를 통해 설계된 'MergeVLA' 아키텍처를 제안하고, 이를 통해 단일 모델이 다양한 작업과 환경에서 개별 전문가 수준의 성능을 발휘함을 입증합니다.
Clair Obscur: an Illumination-Aware Method for Real-World Image Vectorization
이 논문은 'Clair Obscur' 원리에 영감을 받아 알베도, 그림자, 조명 레이어를 분리하는 내재적 이미지 분해를 벡터 도메인에 처음 도입함으로써 복잡한 실사 이미지의 시각적 충실도와 편집 가능성을 획기적으로 향상시킨 COVec 프레임워크를 제안합니다.
AD-R1: Closed-Loop Reinforcement Learning for End-to-End Autonomous Driving with Impartial World Models
이 논문은 자율주행의 안전성을 확보하기 위해 충돌 및 탈선과 같은 위험 상황을 정직하게 예측할 수 있도록 훈련된 '공정한 세계 모델 (Impartial World Model)'을 폐루프 강화학습의 내부 비평가로 활용하는 AD-R1 프레임워크를 제안합니다.
TEAR: Temporal-aware Automated Red-teaming for Text-to-Video Models
이 논문은 정적 이미지 생성에 국한된 기존 평가 방법의 한계를 극복하고, 텍스트 - 비디오 (T2V) 모델의 동적 시간적 특성을 악용하여 정책 위반 영상을 유도하는 자동화된 적대적 테스트 프레임워크인 'TEAR'을 제안하며, 이를 통해 오픈소스 및 상용 T2V 시스템에서 기존 최고 기록 (57%) 을 크게 상회하는 80% 이상의 공격 성공률을 달성했음을 보여줍니다.
Near-Linear and Parameterized Approximations for Maximum Cliques in Disk Graphs
이 논문은 단위 원판 그래프와 개의 서로 다른 반지름을 가진 일반 원판 그래프에 대해, 각각 및 시간 복잡도를 갖는 확률적 근사 알고리즘을 제안하여 최대 클릭 문제를 해결하는 새로운 접근법을 제시합니다.