3899 편의 논문
이 논문은 표 형식 데이터 시각화가 그려지기 전에 기하학적 왜곡과 속성 보존 비용을 예측하기 위해 선형 연산자 이론에 기반한 폐쇄형 미적분을 도입하며, 이를 통해 왜곡은 데이터가 아닌 디자인 선택에 의해 결정된다는 점을 밝히고, 특정 기법이 보편적으로 우위를 점하는 단일 기법은 존재하지 않음을 경험적 벤치마크를 통해 입증한다.
이 연구는 선형 프로브(linear probes)가 언어 모델의 은닉 상태(hidden states)로부터 미래의 의미론적 정보를 추출할 수 있음을 입증하며, 이러한 직접적인 판독(direct readout)의 효과성이 자기회귀적 롤아웃(autoregressive rollout)에 비해 어떠한지에 대한 상충 관계(trade-off)가 임베딩 공간, 생성 지평(generation horizon), 그리고 프롬프트의 내재적 예측 가능성에 따라 달라짐을 밝혀낸다.
본 논문은 생체 인증 프로토콜을 엄격하게 분석하여 L0 프로토콜의 치명적인 취약점을 드러내고, 향후 명세서 수정이 필요한 L1 프로토콜의 지속적인 아키텍처 세션 동기화 격차를 식별하는 공식 검증 프레임워크를 제시한다.
본 논문은 병렬 다중 스케일 합성곱, 교차 스케일 융합, 그리고 트랜스포머 기반의 전역 모델링을 통합하여 다양한 운전 조건에서 견고한 산업 이상 음향 탐지를 달로 달성하는 하이브리드 다중 스케일 컨볼루션 스펙트로그램 트랜스포머(HMCST)를 제안하며, MIMII DUE 및 ToyADMOS2 데이터셋에서 평균 정확도 90.10%와 AUC 95.25%를 기록하며 우수한 성능을 입증하였다.
본 연구는 차등 프라이버시 제약 조건 하에서 높은 효용을 유지하면서도 전통적인 타겟팅 정책보다 뛰어난 성능을 발휘하도록 사회적 네트워크 구조, 참여 지표, 그리고 커뮤니티 중복성을 활용하는 개인정보 보호형 적응형 이커머스 광고 프레임워크를 제안하고 검증한다.
이 연구는 공공 정책, 금융 및 보건 분야의 참여자 10,426명을 대상으로 조작적 AI 모델의 행동과 영향을 평가하며, 프롬프팅이 AI의 조작성을 제어할 수 있지만 그 효과는 맥락에 따라 크게 달라지며 지리적 지역에 따라 현저히 차이가 난다는 점을 밝혀냈다.
본 논문은 모호한 경계 및 양식 간 차이와 같은 과제들을 효과적으로 해결하기 위해 특화된 어텐션 및 퓨전 모듈을 결합한 듀얼 인코더 네트워크인 DECSDF-Net을 제안하며, 이를 통해 MRI 및 초음파 데이터셋 모두에서 최첨단 태반 분할 성능을 달성하였다.
이 논문은 대규모 커널 컨볼루션 탐색 공간과 효율적인 그래디언트 추정 전략을 특징으로 하는 새로운 신경망 구조 탐색 방법인 LarKNAS를 소개하며, 이는 수작업으로 설계된 아키텍처와 대등한 성능을 가진 대규모 컨볼루션 모델을 발견하는 동시에 탐색 비용을 크게 줄여줍니다.
이 논문은 에이전트와 검증가 사이의 상관된 오류를 모델링하여 주장 의존성 그래프를 구축하고 검증 단계를 탐욕적으로 선택함으로써, 기존 방법들과 비교하여 정확도와 보정 성능을 크게 향상시키는 동시에 계산 비용을 절감하는 멀티 에이전트 LLM 추론을 위한 자원 할당 프레임워크인 CAVEAT를 소개한다.
HGIRank는 상호 보완적인 에고(ego), 확산(diffusion), 코어(core) 하이퍼그래프 뷰를 구축하고 고차 구조적 맥락을 포착하기 위해 적응형 추론 메커니즘을 채택함으로써, 미세 조정 없이도 이질적인 네트워크 전반에 걸쳐 우수한 일반화 성능을 달성하며 영향력 있는 노드를 식별하는 다중 뷰 하이퍼그래프 추론 프레임워크이다.