3982 편의 논문
본 연구는 정족수 제한형 비동기 연합 학습 설계가 최종 정확도를 크게 저하시키지 않으면서도 스트래글러로 인한 지연 시간을 최대 72%까지 효과적으로 줄인다는 것을 입증하는 동시에, 데이터 이질성이 적대적 클라이언트에 의해 발생하는 수렴 손상을 결정적으로 증폭시킨다는 점을 밝혀냈다.
이 논문은 다섯 가지 서로 다른 공격군을 다양한 조건에서 평가하는 연합 학습을 위한 심각도 보정된 적대적 벤치마크를 소개하며, 공격의 규모 자체가 피해의 불충분한 지표임을 입증하고 강건한 보안 평가가 공격의 기하학적 구조, 악의적 인구 비율, 그리고 집계 규칙을 반드시 고려해야 함을 보여준다.
이 논문은 대규모 다국어 모델에서 힌디의 표현을 사용하여 저자원 데바나가리 언어(마이틸리어, 네팔리어, 보즈푸리어)를 생성하기 위한 추론 시 스티어링(inference-time steering)의 기계적 한계를 조사하며, 단일 벡터 이동이 대상 언어에 대한 준수를 유도할 수는 있지만 그것이 필연적으로 유창성 붕괴를 초래한다는 점을 발견함으로써, 스티어링 가능성이 모델의 역량이나 어휘 중첩이 아닌 선형 분리 가능성에 의해 제약된다는 것을 밝혀낸다.
이 논문은 대규모 퍼징 캠페인이 Bouncy Castle 1.85의 양자 내성 복호화 및 검증 경로에서 결함을 발견하지 못한 반면, 양성 대조 접근법은 Bouncy Castle 1.84와 여러 JDK 릴리스 모두에서 치명적인 길이 검증 결함을 찾아냄으로써 테스트 하네스를 성공적으로 검증하였으며, 이를 통해 해당 구현들이 결정의 논리가 아닌 체크의 타이밍 측면에서만 서로 다르다는 것을 밝혀냈음을 입증한다.
이 사전 등록된 연구는 초파리 뇌의 위상 구조가 언어 모델을 개선할 수 있는지 체계적으로 테스트하였으며, 다양한 구조적 통합에도 불구하고 초파리 유래 배선이 음의 로그 가능도를 줄이거나 연상 검색을 개선하는 데 있어 무작위, 차수 일치 또는 바닐라 베이스라인 대비 측정 가능한 이점을 제공하지 못한다는 것을 발견했다.
이 논문은 의미를 보존하는 유의어 치환 하에서 기여도 일관성을 강제하는 훈련 단계 방법론인 잠재 기여도 정규화(Latent Attribution Regularization, LAR)를 소개하며, 이 방법이 모델의 정확도를 저해하지 않으면서 미세 조정된 트랜스포머의 그래디언트 기반 설명의 안정성을 유의미하게 향상시킨다는 것을 입증하는 동시에, 이러한 안정성을 정확하게 측정하기 위해서는 적절한 토큰 정렬이 필수적임을 확립한다.
이 논문은 기존의 중앙 집중식 시스템의 한계를 해결하면서 클라우드 환경에서의 보안 가상 머신(VM) 관리, 사용자 인증 및 실시간 위협 탐지를 강화하기 위해 블록체인 기술과 앙상블 학습을 통합한 새로운 프레임워크인 TMB-CMSBT를 제안한다.
본 논문은 코드 난독화가 정적 특징에 미치는 영향을 분석하고, 회복력이 있는 정적 뷰를 이미지 표현으로 변환하기 위해 다중 특징 융합 네트워크를 채택함으로써, 난독화된 학습 샘플을 요구하지 않고도 다양한 난독화 기법에 대해 높은 정확도와 일반화 성능을 달성하는 강력한 안드로이드 악성코드 탐지 체계인 TriFuseDroid를 제안한다.
본 연구는 다중 뷰 어텐션 메커니즘을 활용한 CNN 및 비전 트랜스포머를 포함한 10가지의 다양한 딥러닝 모델이 엑스레이 상의 무릎 골절에 대해 높은 진단 정확도와 빠른 처리 속도를 달성함을 입증하며, 이는 자원이 제한된 환경에서도 이들이 임상 의사 결정 지원 도구로서 강력한 잠재력을 가지고 있음을 시사한다.
본 연구는 제약 조건을 고려한 규칙 기반 워크플로를 통해 수업 및 학위 논문/캡스톤 방어 일정을 통합하는 웹 기반 의사결정 지원 시스템을 제시하며, 두 곳의 고등 교육 기관에 도입하여 높은 사용자 만족도와 운영 효율성을 입증하였다.