3962 편의 논문
본 논문은 R3D-18, R(2+1)D-18, MC3-18과 같은 심층 신경망이 인간 행동 인식에서 높은 정확도를 달나지만, 실제 배포를 위해서는 정확도에만 의존하기보다 인식 성능과 계산 효율성, 시간적 강건성, 그리고 자원 제약 사이의 균형을 맞추는 것이 필요함을 보여주는 6축 조사 및 통제된 벤치마크를 제시한다.
본 연구는 동결된 사전 학습된 VideoMAE 인코더를 경량 선형 분류기와 결합하는 것이 최소한의 주석만으로도 UCF101 및 HMDB51 벤치마크에서 강력한 성능을 달성하며 매우 높은 라벨 효율적인 인간 행동 인식을 가능하게 함을 입증하며, 이 과정에서 안정적인 최적화와 일정한 계산 자원 사용량을 유지한다.
본 연구는 Thales 제조 데이터셋을 사용하여 3개 클래스의 제조 효율을 예측하는 머신러닝 시스템을 개발하였으며, Gradient Boosting 분류기를 통해 최대 100%의 정확도를 달est하고 인터랙티브한 Streamlit 대시보드를 통해 솔루션을 배포한다.
이 파일럿 연구는 의료 및 정신 의학 작업에 적용된 소규모 오픈 웨이트 언어 모델(1.2B~9.2B 파라미터)의 경우, 내부 토큰 확률을 추출하는 것이 모델의 언어적 표현 자신감에 의존하는 것보다 오류 탐지에 있어 훨씬 더 신뢰할 수 있는 방법임을 입증하며, 특히 언어적 자신감이 우연 수준의 성능을 보이는 가장 작은 모델들에서 더욱 그러하다.
이 논문은 수억 개의 실제 문자열에 대한 광범위한 실험을 통해 검증된, 고정된 예측 모델과 장부 기반의 보정 메커니즘을 결합하여 엄격한 순위 오차 보장을 유지하는 계층적 문자열 키를 위한 인증된 동적 학습 인덱스인 HRT-LI를 소개한다.
이 합성-비네트(synthetic-vignette) 연구는 소규모 오픈 웨이트 언어 모델에 안전 프라이밍 지침을 추가하는 것이 일부 모델의 정신과 진료 기록 요약 시 핵심 위험 요인의 누락을 유의미하게 줄일 수 있는 반면, 종종 일상적인 임상 세부 사항의 누락을 증가시키는 상충 관계를 생성한다는 점을 보여주며, 이는 이러한 안전 개입이 보편적으로 효과적이라고 가정하기보다는 모델별로 검증되어야 함을 시사한다.
본 연구는 180,519개의 DataCo Global 물류 기록을 바탕으로 학습된 XGBoost 분류기를 활용하여 79.89%의 정확도로 지연 배송 위험을 예측함으로써, 해상 운송, 지역 모니터링 및 고객 커뮤니케이션 분야에서 선제적인 운영 의사결정을 가능하게 하는 완전 배포된 대화형 Streamlit 대시보드를 제시한다.
본 논문은 소스 코드를 수정하지 않고도 툴체인 메타데이터를 기록하고 실험 환경을 관리함으로써, 언어의 급격한 진화로 인한 문제를 해결하여 형식화된 수학의 장기적인 재현성과 지속 가능성을 보장하기 위해 설계된 Lean 4 생태계 프레임워크인 xLaDe를 제시한다.
이 논문은 언어화된 확신을 예산에 맞춘 토큰 확률 기반 기권 정책으로 대체하는 것이 llama3.2:1b 모델에서 관찰된 특정 정확도 저하 효과를 인과적으로 제거한다는 것을 입증하지만, 이러한 이점이 다른 소규모 오픈 웨이트 모델들로 일반화되지 못함을 보여줌으로써, 그러한 수정 방식이 모델 특이적이며 고정 예산 기권 방식은 타겟팅이 개선되더라도 여전히 순손실(net-harmful)로 남을 수 있음을 나타낸다.
본 연구는 머신러닝, 반사실적 시뮬레이션, 비용 인식 최적화를 통합하여 나이지리아의 준도시 지역인 이솔루(Isolu) 공동체의 다차원적 빈곤 역학을 모델링하는 설명 가능한 디지털 트윈 프레임워크를 제안하며, 이를 통해 표적화된 클러스터별 다각적 정책 개입이 지능형 빈곤 거버넌스를 위한 일률적인 사회 안전망보다 더 효과적임을 입증한다.