7915 편의 논문
이 논문은 정적 코드 저장소로부터 다중 에이전트 시뮬레이션과 검색 기반 최적화를 통해 계획, 추론, 디버깅과 같은 잠재적 에이전트 궤적을 역추적하여 생성된 재구성 데이터를 LLM 사전 학습에 활용함으로써, 복잡한 소프트웨어 엔지니어링 작업에 필요한 심층 추론 능력을 획기적으로 향상시킨다는 새로운 패러다임을 제시합니다.
이 논문은 무한한 데이터 도메인을 처리하는 파라미터화된 스트림을 RTLola 모니터링 프레임워크에 통합하여, 정교한 타입 시스템을 통해 런타임 오류를 방지하고 사이버 - 물리 시스템의 안전성을 보장하는 방법을 제시합니다.
이 논문은 비정상적인 상황 (OOD) 에서의 신뢰성을 확보하기 위해 시뮬레이션 벤치마크와 실세계 실험을 통해 검증된 로봇 조건부 정규화 흐름 (RC-NF) 모델을 제안하여, VLA 기반 로봇 시스템의 실시간 이상 감지 및 복구를 가능하게 함으로써 동적 환경에서의 강건성과 적응성을 크게 향상시킵니다.
이 논문은 X 의 커뮤니티 노트 프로그램에서 사실 확인이 쉬운 허위 정보보다 검증에 더 많은 인지적 노력이 필요한 그럴듯한 허위 정보가 평가자들의 노력 회피 성향으로 인해 상대적으로 덜 공개되어, 크라우드소싱 기반의 콘텐츠 관리 시스템이 가장 위험한 형태의 허위 정보에 효과적으로 대응하지 못할 수 있음을 보여줍니다.
이 논문은 불확실성과 풍란을 고려한 이중 루프 강인 공설계 프레임워크를 제안하여, 기존 결정론적 방법보다 항공기 성능과 외란 제거 간의 최적 균형을 달성하는 민첩한 고정익 무인기 설계를 가능하게 함을 보여줍니다.
이 논문은 2012 년부터 2025 년까지 발표된 47 개의 연구를 체계적으로 분석하여 프로그래머 식별 연구의 현재 동향, 분류 체계, 그리고 행동 생체 인식과 소스 코드 스타일로메트리를 연결하는 방법론적 격차를 규명한 서베이 연구입니다.
이 논문은 희소 뷰 3D 재구성에서 기하학적 일관성과 미세한 정밀도를 향상시키기 위해, 구조 운동 (SfM) 기반의 정밀한 기하학적 가이드를 밀도 점 지도 예측에 통합하는 'GGPT(Geometry-Grounded Point Transformer)' 프레임워크를 제안하고, ScanNet++ 데이터셋으로 학습된 이 모델이 다양한 환경에서 기존 최첨단 모델들을 크게 능가함을 입증합니다.
이 논문은 저대비 및 경계 모호성 문제를 해결하기 위해 텍스트 프롬프트 기반의 시각 - 언어 상호작용과 증거 학습을 결합하여 유방 종양 분할 성능을 극대화한 'TextBCS' 모델을 제안합니다.
본 논문은 Los Angeles 의 비영리 기관 사례관리자를 대상으로 한 실험을 통해, LLM 기반 챗봇의 정확도가 높을수록 인간 전문가의 정확도가 크게 향상되지만, 챗봇의 오류는 인간의 판단을 현저히 저하시키며 정확도 향상이 일정 수준에서 정체되는 'AI 과소신뢰의 포화 현상'이 발생함을 규명했습니다.
이 논문은 노이즈가 있는 스트리밍 및 분산 데이터 환경에서 -불일치 모호성 (mismatch ambiguity) 이라는 데이터 의존적 매개변수를 도입하여, 기존 무노이즈 설정과 근본적으로 다른 공간 및 통신 복잡도 하한을 규명하고 추정 문제를 해결하는 새로운 프레임워크를 제시합니다.
이 논문은 VLM 의 고수준 의사결정과 E2E 의 저수준 계획 간의 일관성을 확보하기 위해 3 단계 학습 방식을 제안한 Senna-2 를 통해 주행 안전성과 의사결정 일관성을 크게 향상시켰음을 보여줍니다.
이 논문은 실행 단계별 검증 가능한 보상과 난이도 조절이 가능한 데이터 합성을 통해 강화학습을 적용한 'ExecVerify'를 제안함으로써, 7B 모델이 32B 모델 수준의 코드 추론 성능을 달성하고 코드 생성 정확도를 크게 향상시킨다는 것을 보여줍니다.
이 연구는 만성 질환 관리에 중요한 온라인 건강 커뮤니티에서 알고리즘 기반의 맞춤형 지원 그룹 형성에 대한 사용자의 높은 수용 의지를 확인했으나, 보안, 투명성, 인간 감독 및 데이터 통제와 같은 신뢰와 거버넌스 문제가 해결되지 않으면 실제 도입이 어렵다는 조건부 수용 태도를 발견했습니다.
이 논문은 객체 중심 학습에서 중첩된 슬롯 간의 경쟁을 완화하고 객체 분해 및 분할 성능을 향상시키기 위해, 학습 중 중첩된 슬롯을 자동으로 병합하는 경량화 기법인 '슬롯 머지 (Slot Merging)'를 제안합니다.
이 논문은 모바일 레이저 스캐닝 데이터와 의미론적 3D 도로 공간 모델을 결합하여 다양한 조건에서 동일 객체 표면의 반사 특성을 그룹화함으로써 '방사능 지문 (radiometric fingerprints)'을 추출하고, 이를 통해 도시 디지털 트윈의 재료 정보 활용 가능성을 확장하는 방법을 제시합니다.
이 논문은 혼합 현실 헤드셋과 단일 RGB 카메라를 활용하여 환자의 신체 메쉬와 골격 정보를 복원하고 이를 기반으로 초음파 탐침의 초기 위치를 자동으로 안내하는 프레임워크를 제안하여 원격 초음파 진단의 진입 장벽을 낮추는 방법을 제시합니다.
이 논문은 실제 시나리오에서 패치 오버피팅 탐지 기법들을 종합적으로 벤치마크한 결과, 기존 도구들이 무작위 선택보다 성능이 낮아 실용적 효과가 제한적임을 밝혔으며, 향후 연구에서는 현실적인 데이터와 무작위 베이스라인을 활용한 평가가 필수적임을 강조합니다.
이 논문은 32 개의 언어 모델을 Verilog 태스크에 적용하여 합성 가능성과 하드웨어 품질을 통합 평가한 결과, 폐쇄형 모델이 심층 합성 오류로, 오픈형 모델이 기본 구조 누락으로 실패하는 경향을 확인하고 합성 피드백 루프를 통한 평가의 중요성을 강조합니다.
이 논문은 제한된 데이터와 해석 가능성이라는 과제를 해결하기 위해 인과적 베이지안 네트워크를 도입하여 로봇의 사회적 항해 행동을 예측하고, 이를 기반으로 반사실적 모션을 생성하여 사용자의 로봇 유능성 인식을 통계적으로 유의미하게 향상시키는 방법을 제안합니다.
본 논문은 다중 노출 LDR 이미지에서 단일 순전파로 고동적 범위 (HDR) 3D 장면을 재구성하는 'InstantHDR'을 제안하며, 이는 기존 최적화 기반 방법과 유사한 품질을 유지하면서 재구성 속도를 약 700 배 향상시킵니다.