4030 편의 논문
Xender+는 빈번한 온라인 모델 재학습을 대신하여 직접 재사용이 가능한 패턴 클러스터링 기반의 클라우드 측 사전 학습 모델 라이브러리를 활용함으로써, 최신 기술 수준의 베이스라인들과 비교하여 더 낮은 종단 간 지연 시간과 높은 재구성 정확도를 달성하며 시계열 데이터 전송 효율을 향상시키는 새로운 프레임워크이다.
이 논문은 비디오 행동 인식에서의 효율성-정확도 트레이드오프를 평가하기 위해 적응형 시간적 샘플링을 활용하는 자원 인식 벤치마킹 프레임워크를 소개하며, R(2+1)D-18 아키텍처가 다양한 계산 예산 전반에 걸쳐 안정적인 성능을 유지하면서 에너지 소비를 크게 줄인다는 것을 입증한다.
본 연구는 ConvNeXt Large 백본을 사용하여 흉부 X선 이미지와 인구통계학적 메타데이터를 통합하는 멀티모달 딥러닝 프레임워크를 제안하며, NIH ChestX-ray14 데이터셋에서 96.88%의 macro-average AUC를 달성하고 기존의 이미지 전용 모델들과 비교하여 우수한 성능과 해석 가능성을 입증한다.
본 논문은 복잡한 시공간적 의존성을 효과적으로 포착하고 동적인 문맥 정보에 적응함으로써 조기 심방 및 심실 수축 분류에서 최첨단 정확도를 달성하기 위해 삼중 인수 분해 어텐션(Triple-Factorized Attention)과 동적 적응형 윈도잉(Dynamic Adaptive Windowing)을 통합한 새로운 어텐션 프레임워크인 HRDAWNet을 제안한다.
본 논문은 기존의 XAMPP 기반 PHP 개발 환경을 Docker 및 DevContainer로 교체하는 것이 바레인 대학교 학생들의 설정 시간을 90% 이상 단축시키고 외적 인지 부하를 크게 낮춤으로써, 구성 오류가 강의 전체를 위태롭게 하는 상황을 방지한다는 것을 보여주는 다학기 사례 연구를 제시한다.
본 논문은 다중 스케일 공간 위상과 시간적 환경 변화를 효과적으로 포착하기 위해 홉 인식 그래프 신경망(HopGNN)과 합성곱 게이트 순환 유닛(ConvGRU)을 결합한 동적 경로 계획용 학습 기반 휴리스틱을 제안하며, 시뮬레이션된 그리드 환경에서 GCN-A*, GAT-A*, D* Lite와 같은 기존 방식보다 우수한 성공률과 탐색 효율성을 입증한다.
이 논문은 다섯 개의 거대 언어 모델, 규칙 기반 어휘 사전, 그리고 지도 학습된 트랜스포머를 인간의 주석과 비교하여 평가하는 다중 도메인 벤치마크를 제시하며, Claude Opus 4.7 및 GPT-5.5와 같은 최상위 모델들이 인간과 강력한 일치도를 달성하는 반면, 모델 간의 불일치와 인간의 레이블과의 불일치가 특히 비정형 텍스트에서 지속적으로 나타남을 밝힘으로써 모델 선택이 감성 분류 결과에 실질적인 영향을 미친다는 점을 입증한다.
본 논문은 의미를 보존하는 구조적 변이를 통해 AI 생성 코드의 구문론적 토폴로지에 암호학적으로 검증 가능한 서명을 삽입함으로써, 포맷팅, 이름 변경, 데드 코드 삽입과 같은 일반적인 코드 변형에 대해 기존의 텍스트 수준 방식들을 크게 능가하며 견고한 출처 추적을 달성하는 새로운 모델 불가지론적 AST 수준 워터마킹 프레임워크를 제안한다.
297개의 연구를 대상으로 한 이 체계적 문헌 고찰은 SHAP와 LIME가 금융 머신러닝, 특히 신용 모델링을 위한 설명 가능성 측면에서 널리 채택되고 있음에도 불구하고, 단 9.1%의 논문만이 설명 품질을 평가하고 있어 공식적인 평가가 결정적으로 부족하다는 점을 밝혀냈으며, 이는 규제 준수와 신뢰를 보장하기 위한 더욱 강력한 검증 및 배포 표준이 시급히 필요함을 강조한다.
본 논문은 소프트웨어 바이너리를 AES-256-GCM으로 암호화하고 이를 카오스 맵 기반의 LSB 스테가노그래피를 사용하여 그레이스케일 이미지에 삽입함으로써 페이로드를 은닉하고 변조를 방지하여 OTA 전송의 보안을 강화하는 보안 소프트웨어 무선 업데이트(SOTA) 프레임워크를 제안한다.