3657 편의 논문
이 예비 연구는 미세 조정 과정에서 잠재 기여도 정규화(Latent Attribution Regularization, LAR)를 적용하는 것이 소규모 도구 사용 LLM 에이전트의 기여도 일관성을 향상시켜, 탐지 성능을 크게 저하시키지 않으면서도 바꾸어 표현된 유해한 요청에 대한 민감도를 줄이고 거절 결정을 안정화하는 동시에, 무해한 예시에 적용될 경우 과도한 거절의 위험이 있음을 입증한다.
이 논문은 희소 점 구름(sparse point clouds)에 대한 스크린ed 푸아송 재구성(Screened Poisson reconstruction)을 위해 다중 스케일 볼 피보팅(multi-scale ball pivoting) 지원이 전제 조건이기는 하지만, 정확도 향상의 주요 동력은 그 지원 구조의 후속적인 고밀도 리샘플링이며, 이것이 오차와 법선 방향 민감도를 크게 줄여주지만, 해당 파이프라인은 여전히 오라클(oracle)과 비교했을 때 추정된 법선의 품질에 의해 근본적으로 제한된다는 점을 입증한다.
이 논문은 로봇 공학을 위한 얼굴 감정 인식 시스템이 깨끗한 데이터셋에 대해서는 높은 정확도를 달i지만, 적대적 공격 하에서는 치명적이고 구조적으로 교정 불가능한 신뢰도 오설정 문제를 겪으며, 이로 인해 매우 높은 확신을 보이는 것처럼 보임에도 불구하고 물리적 제어 측면에서 근본적으로 안전하지 않음을 입증한다.
본 논문은 정밀한 구조 인식, 경계 정밀도 및 소형 객체 탐지에서의 과제를 효과적으로 해결하기 위해, 모달리티별 인코딩, 계층적 교차 모달 상호작용 및 주파수 유도 디코딩을 통해 광학 영상과 디지털 표면 모델을 통합하는 새로운 원격 탐사 시맨틱 세그멘테이션 프레임워크를 제안한다.
본 연구는 5개의 CNN 백본에 대해 누출 인지 그룹 5겹 교차 검증 프로토콜을 통해 평가된 합성 장면 합성 파이프라인이 외부 데이터셋에서의 가시적인 전이 격차를 유지하면서도 배경 강건한 정적 손 동작 인식 정확도를 48.0%에서 97.1%로 유의미하게 향상시킨다는 것을 입증한다.
이 연구는 환각 탐지기들이 도메인 내에서는 강력한 성능을 달성하지만, 분포 변화, 증거 섭동, 그리고 증가된 문맥 노이즈 하에서 신뢰성이 현저히 저하된다는 점을 밝히며, 이는 집계된 벤치마크 정확도만으로는 그들의 강건성과 일반화 능력을 평가하기에 불충분하다는 것을 입증한다.
본 연구는 표준 단어 오류율(Word Error Rate) 지표가 임상 환경에서 오픈 소스 음성 인식 모델의 결정적인 안전 위험을 포착하는 데 실패함을 입증하는데, 이는 해당 모델들이 음향적 스트레스 상황에서 비선형적 성능 붕괴와 위험한 유사 발음/유사 음성(Look-Alike/Sound-Alike) 약물 전사 오류를 나타내기 때문이다.
본 논문은 로컬 판례 검색을 통해 변론의 질과 하위 판결 예측 정확도를 크게 향상시키고, ArguEval이라는 새로운 평가 지표를 함께 도입하여 미국 연방 대법원 사건에 대한 법정 변론을 시뮬레이션하는 멀티 에이전트 LLM 시스템인 ArguGenCourt를 제안한다.
본 연구는 다중 소스 신호와 컨포멀 예측(conformal prediction)을 활용하여 안전 필수적 내러티브에서 LLM이 추출한 인과 관계의 불확실성을 정량화하는 포괄적인 프레임워크를 제안하고 평가하며, 보정된 신뢰도 추정치가 추출 정밀도를 유의미하게 향상시키고 신뢰할 수 있는 위험 기반 의사결정을 위한 비용 효율적인 전문가 선별(expert triage)을 가능하게 함을 입증한다.
본 논문은 검증되지 않은 예측적 주장보다 운영의 투명성과 추적성을 우선시하면서, 이질적인 데이터 스트림을 모듈형 아키텍처로 통합하여 해석 가능한 지정학적 에스컬레이션 리스크 점수를 생성하는 설명 가능한 다중 소스 조기 경보 시스템인 ARES를 소개한다.