3900 편의 논문
이 통제된 연구는 FREEDOM 스타일의 멀티모달 추천 시스템에서 더 정보량이 많은 텍스트 모달리티에 대한 표현 용량(representational capacity)을 늘리는 것이 일관된 정확도 향상을 이끌어내는 데 실패한다는 것을 입증하는데, 이는 추가된 용량이 주요 랭킹 목적 함수로 향하는 직접적인 그래디언트 경로를 결여하고 있기 때문이며, 이는 모달리티의 정보성이 비대칭적 구조 할당을 통해 성능 향상으로 자동 변환되지는 않는다는 점을 강조한다.
이 논문은 벤처 캐피털 스크리닝을 위해 IBM의 156-큐비트 헤론(Heron) 프로세서에서 테스트된 4-큐비트 변분 양자 회로인 HQDIS를 제시하며, 이는 높은 하드웨어-시뮬레이션 충실도와 소규모 합성 벤치마크에서 고전 모델에 필적하는 성능을 입증하였으나, 두 번째 합성 데이터셋에서는 고전 알고리즘에 의해 성능이 뒤처짐으로써 이 영역에서 양자 우위의 현재 한계를 부각시킨다.
이 논문은 연속적 순차 추천(continual sequential recommendation)에서 폐쇄형 시계열 선형 모델(closed-form temporal linear model)이 CSTRec과 같은 신경망 기반 베이스라인의 정확도를 따라잡을 수는 없지만, 해당 모델의 충분통계량 증분 업데이트(sufficient-statistics incremental update) 전략이 전체 재해결(full re-solving)에 대한 수치적으로 정확하고 계산 효율적인 대안을 제공하는 반면, 우드베리 기반 업데이트(Woodbury-based updates)는 업데이트 블록이 아이템 카탈로그 크기를 초과할 때 메모리 제약으로 인해 실패한다는 점을 입증한다.
본 연구는 Cyber-QEE 확률적 에너지 표현이 특정의 심각한 결측 시나리오 하에서 XGBoost 기반 침입 탐지 성능을 조건부로 개선할 수는 있으나, 표준 특징들 대비 일관되고 독립적인 예측 가치를 제공하지 못하며 종종 순열 또는 노이즈 대조군과 유사한 성능을 보인다는 점을 입증하며, 이는 그 이점이 보편적으로 일반화될 수 있는 것이라기보다 방법론적인 것임을 시사한다.
본 논문은 정확한 스크립트 기반의 이력 캐싱과 LoRA가 적용된 Qwen2.5-Coder 인코더를 결합하여, 선택적 추론을 통해 계산 오버헤드를 줄이면서 동시에 HPC 클러스터 내 시스템 및 GPU 메모리 사용량 예측 정확도를 크게 향상시키는 히스토리 우선(history-first), 신뢰성 게이트형(reliability-gated) 퓨전 프레임워크를 제시한다.
본 연구는 Grad-CAM과 같은 설명 가능한 인공지능 기술로 강화된 ResNet50 기반의 딥 전이 학습 모델이 Pap-smear 이미지로부터 다섯 가지의 뚜렷한 자궁경부 세포 유형을 분류하는 데 있어 높은 정확도(91.50%)를 달 달성함을 입증하였으나, Koilocytotic 클래스와 Metaplastic 클래스를 구별하는 데 있어서는 특정한 어려움에 직면해 있다.
2022년 말부터 2026년 사이에 발표된 19개 연구를 대상으로 한 이 체계적 범위 검토는 대화형 인공지능이 독특한 권위의 원천, 정서적 노출 및 의례 촉진의 역할을 수행하며 다양한 영적 및 실존적 목적으로 점점 더 많이 활용되고 있음을 밝히는 동시에, 편향성, 개인정보 보호 및 영적 진정성의 본질과 관련하여 미결된 윤리적 우려를 제기하고 있음을 보여준다.
본 논문은 전역 정확도, 하위 꼬리 성능, 그리고 공정성 지표를 공동으로 평가함으로써 개인화가 가장 열악하게 서비스를 받는 클라이언트들에게 실제로 이득을 주는지 판단하기 위해, 심각한 통계적 이질성 하에서의 개인화된 연합 학습을 분석하는 엄격하고 클라이언트 중심적인 다중 데이터셋 평가 프레임워크를 소개한다.
이 논문은 포토맥강 사례 연구를 통해 교차 스케일 그래프 어텐션과 물리적으로 유도된 토폴로지조차 단순한 베이스라인이나 무작위 연결보다 성능이 저하됨을 입증함으로써, 그래프 신경망이 유역 식생 예측을 개선한다는 가설에 이의를 제기하며, 생태 모델링에서 허위 양성을 피하기 위한 엄격하고 일치된 용량 제어의 결정적인 필요성을 강조한다.
본 논문은 단일 단계 객체 탐지기에서 용량 재할당을 유도하기 위해 제안된 지표인 레벨 예산 불일치 비율(LBMR)이 비선형적 정확도 반응, 결합된 구조적 의존성, 그리고 파레토 지배적 결과로 인해 실행 가능한 최적화 도구로서 실패함을 입증하며, 궁극적으로 디커플링 패치와 고정 칼리버 수리가 기본 설정 대비 측정 가능한 이점을 제공하지 못함을 보여준다.