3657 편의 논문
본 연구는 대규모 데이터셋을 사용하여 사고 관련 소셜 미디어 텍스트의 감성 극성을 분석하기 위한 프레임워크를 제시하며, 로지스틱 회귀와 같은 전통적인 머신러닝 모델과 DistilBERT와 같은 경량 트랜스포머 아키텍처가 긍정 및 부정 감성을 효과적으로 분류하는 동시에 정신 건강 응용 분야에서 인간의 감독이 필요함을 강조하고 있음을 입증한다.
고대 중국의 점술서인 『주역』에 기초하여, 본 논문은 추가적인 증거 수집의 가치와 안도감이 주는 심리적 이득 사이의 균형을 맞추는, 돌이킬 수 없는 AI 결정에 대한 인간의 감독 프레임워크를 제안하며, 사용자에게 관련 데이터, 해석적 지침, 그리고 별도의 보상 기제를 제공하는 것이 불안과 비난에 대한 두려움을 완화하면서 의사결정 결과를 최적화할 수 있음을 입증한다.
PatchPilot은 결정론적인 버전 선택 및 빌드 판정과 경계가 설정되고 동의를 거친 LLM 지원 소스 수정을 엄격히 분리함으로써, 검증 가능한 불변성과 롤백 기능을 통해 안전성을 보장하며 의존성 취약점 조치를 개선하는 Visual Studio Code 확장 프로그램입니다.
이 논문은 생성 모델의 붕괴를 탐지하고 완화하기 위해 암호학적 출처 증명과 항상성 제어 메커니즘을 결합한 폐쇄 루프 프레임워크인 HOMEOSTASIS를 소개하며, 실시간 모니터링과 적응형 데이터 믹싱을 통해 분포적 다양성을 보존하는 데 있어 상당한 개선을 입증한다.
본 연구는 555개의 GitHub 저장소 거버넌스 아티팩트를 실증적으로 분석하여, 이들이 지식 전수와 코딩 표준 수립을 효과적으로 촉진하는 반면 견고한 감독 메커니즘은 결여되어 있으며 조직의 성숙도나 도메인과 체계적인 상관관계를 보이지 않는다는 점을 밝힘으로써, 모호한 지침과 파편화와 같은 중대한 취약점을 강조한다.
이 논문은 ATmega328P 마이크로컨트롤러와 Artix-7 FPGA 모두에 대해 레이저 결함 주입 공격을 성공적으로 실행하고 검증하기 위해 정찰, 펌웨어 분석, 그리고 인간 참여형 제어를 통합한 자율적인 LLM 기반 에이전트를 제시하며, 물리적 하드웨어 보안 평가를 위한 확장 가능한 워크플로우를 입증한다.
이 논문은 PlantSeg 벤치마크를 감사하여 10.7%의 이미지가 교차 분할 시각적 패밀리 오염(cross-split visual family contamination) 문제를 겪고 있으며, 이것이 모델 성능을 11~15% 인위적으로 부풀리고 있음을 밝히고, 그룹별로 분리된 분할(group-disjoint splits)을 구축하는 것이 질병 클래스 범위를 희생하지 않으면서도 평가 독립성을 효과적으로 복구할 수 있음을 입증한다.
본 연구는 연령이 일치하는 아틀라스 등록(atlas registration)을 활용하여 동결된 Segment Anything Model을 가이드하는 학습 불필요한 스컬 스트리핑(skull-stripping) 파이프라인인 SAM-NeuroAdapt를 소개하며, 특히 영아 MRI에 대해 아틀라스 가이드가 정확도의 주요 동인임을 입증하는 동시에 별도의 작업 특정 학습 없이도 기존의 학습된 방법들과 대등하거나 이를 능가하는 성능을 보여준다.
이 논문은 고립된 문자를 통해 학습 데이터를 합성함으로써 기존의 문자 기반 방식보다 현저히 낮은 오류율을 달해내는 최초의 비분절형 필기 메이테이 마예크 단어 인식기를 소개하며, 동시에 해당 스크립트의 구체적인 언어적 및 위치적 과제를 식별한다.
본 논문은 국부적 구조적 무결성을 보존하기 위한 비전 리퀴드 타임 컨스턴트(Vision Liquid Time-Constant) 모듈과 주파수 인지적 특징 상보성을 위한 교차 모달 웨이브릿 융합(Cross-Modal Wavelet Fusion) 모듈을 통합하여 기존의 CNN, Transformer 및 Mamba 아키텍처의 한계를 극복하고 자연 및 원격 탐사 벤치마크 모두에서 최첨단 성능을 달나하는 새로운 RGB-D 돌출 객체 탐지 프레임워크인 LWNet을 제안한다.