4030 편의 논문
이 논문은 이중 헤드 파라메트릭 프로토타입 아키텍처와 적대적 일관성 가드레일을 활용하여, 주제에서 벗어난 제출물을 효과적으로 필터링하는 동시에 강건하고 프롬프트 인지적인 채점을 달성하는 새로운 엔드 투 엔드 자동 단답형 채점 프레임워크인 Perceive AI를 소개한다.
본 논문은 고전적 영감을 얻고 양자 역학에서 동기를 부여받은 신경 모듈인 스펙트럼 기저 해석 가능 유닛(Spectral Basis Interpretable Unit, SBIU)을 소개하며, 이는 학습된 직교 투영을 사용하여 합성 및 실제 임상 데이터셋 모두에서 높은 해석 가능성과 경쟁력 있는 성능을 달성하면서 보편적 함수 근사 및 비지도 영역 발견을 실현한다.
본 논문은 복소 계수 RBF 딕셔너리와 이산 계층적 정밀화를 채택하여 연속 스플라인 기반 KAN의 메모리 및 수렴 문제를 피하면서도, 우수한 다변량 회귀, PDE 계수 복원, 그리고 하드웨어 효율적인 해석 가능성을 달성함으로써 Kolmogorov-Arnold Networks의 최적화 역설을 해결하는 기계 검증 아키텍처인 Dictionary-KAN(DKAN)을 소개한다.
CONCORDAT는 여러 기관에 걸친 이질적이고 불완전한 건강 데이터를 통합하는 동시에 결측치, 차분 프라이버시, 그리고 하위 그룹 형평성 문제를 해결함으로써 신뢰할 수 있고 프라이버시를 보호하는 다중 모달 자폐증 연구를 가능하게 하는 크로스 사일로 연합 학습 프레임워크입니다.
이 논문은 엄격한 축약 조건(strict-contraction requirement)을 완화하는 고정점 이론을 확립함으로써 Wardowski -축약(F-contractions) 하에서의 존재성과 유일성을 증명하고, 비확장 연산자(nonexpansive operators)에 대한 Krasnoselskii–Mann 반복법의 수렴을 입증하며, 강건한 학습을 위한 리프시츠 안정성 경계(Lipschitz stability bounds)를 도출함으로써 딥 이퀄리브리엄 모델(Deep Equilibrium Models)을 발전시킨다.
이 논문은 정상 트래픽에 대한 높은 정확도를 유지하면서 적대적 공격에 대한 딥러닝 기반 침입 탐지 시스템의 강건성을 크게 향상시키기 위해 적대적 훈련과 그래디언트 마스킹을 결합한 방어 프레임워크를 제안한다.
본 논문은 미분 가능한 시맨틱 청킹을 위한 Soft-ChunkAttn과 입력 적응형 레이어 병합을 위한 Virtual Dynamic Block-AttnRes를 도입함으로써, 효율적인 GPU 배포를 위해 원래의 계산 그래프를 보존하는 동시에 롱 컨텍스트 LLM에서의 시퀀스 및 깊이 정보 희석을 완화하는 통합 소프트-적응형 집계 프레임워크를 제안한다.
본 논문은 애니메이션 유효성 및 의도적 불완전성과 같은 제작 제약 조건을 사후적인 엔지니어링 수정 사항으로 취급하는 대신 수학적으로 강제함으로써, AAA급 액션 게임을 위한 공정하고 판독 가능하며 계산 효율적인 AI 캐릭터를 생성하기 위해 상대 모델링, 월드 모델링, 그리고 위험 적응형 계획을 통합한 하이브리드 계층적 강화 학습 프레임워크인 EIDOLON-RL을 소개한다.
이 논문은 정적 회귀 정확도보다 후보 행동 순위 보존을 우선시하는 제어 인지 목적 함수를 사용하여 물리적 신경망을 최적화하는 것이 항상성 조절 및 카트-폴 안정화와 같은 작업에서 폐루프 제어 성능과 섭동에 대한 강건성을 유의미하게 향상시킨다는 것을 입증한다.
이 논문은 동적 그래프에서의 딥러닝 기반 이상 탐지에 대한 검증된 분류 체계와 통합 벤치마크를 구축하며, 단순한 차수 기반 휴리스틱이 합성 데이터 벤치마크에서는 종종 복잡한 딥러닝 모델보다 우수한 성능을 보이지만 실제 데이터에서는 실패한다는 점을 밝히고, 현재의 평가 관행 및 발표된 구현체들의 결정적인 결함들을 폭로한다.