4030 편의 논문
합성 데이터에 대한 재귀적 학습은 J-공간 표현 부공간에서의 전역적 드리프트로 나타나는 모델 붕괴를 유발하지만, 해당 연구는 이러한 기하학적 구조를 안정화하는 것은 효과가 없는 반면, 소수의 실제 시퀀스를 사용하여 모델의 입출력 함수를 붕괴 전 상태에 고정하는 것이 거의 모든 손상을 성공적으로 방지한다는 것을 발견했다.
본 논문은 자원이 제한된 LTE-V2X 네트워크의 6개 방사형 셀 계층에 걸쳐 오버레이-언더레이 전송 모드를 적응적으로 선택하기 위한 스위칭 제어 메커니즘을 갖춘 이중 심층 Q-네트워크(DDQN) 프레임워크를 제안하며, 이는 기존의 경험적 및 탐욕적 베이스라인과 비교하여 모드 변경을 안정화하는 동시에 처리량과 신뢰성을 유의미하게 향상시킨다.
이 논문은 학습자 상호작용 로그로부터 선수 학습 그래프를 신뢰성 있게 추론하는 것이 능력-난이도 혼재 문제로 인해 불가능함을 입증하며, 대신 재사용 가능한 국소화 감사 프레임워크와 결합되었을 때 설명 가능한 지식 추적을 보장하는 투명한 전문가 제공 퍼지 추론 계층을 제안하고, 여기서 곱 t-노름(product t-norm)이 선수 효과를 모델링하는 데 최적임을 증명한다.
이 체계적 문헌 고찰은 IoT 디지털 포렌식의 진화 과정을 네 가지 발전 단계로 추적하여 이론적 설계와 실증적 증거 사이의 결정적인 불일치를 밝히며, 연쇄 보관(chain of custody)과 같은 핵심 원칙에 대해서는 합의가 존재하지만, 이 분야가 획득 시점 및 거버넌스에 관한 미결된 논쟁과 더불어 자원이 부족한 엣지 장치 및 국경을 넘나드는 클라우드의 실제적 제약을 해결하지 못하는 검증되지 않은 시뮬레이션에 의존하고 있다는 점을 강조한다.
본 연구는 AI 에이전트와 인간의 수정 내구성(fix durability)을 비교하기 위해 버전 관리 이력을 마이닝하는 것이 워크플로 아티팩트에 의해 심각하게 부풀려져 있음을 입증하며, 수동 검증과 프로그램적 보정을 통해 초기에 관찰된 AI 에이전트의 더 높은 재발률이 이러한 아티팩트들을 고려할 때 사라지는 환상임을 밝혀낸다.
본 연구는 고정 비율의 희소 어텐션 정규화(fixed-ratio sparse attention normalizers)가 특정 이미지 및 텍스트 작업의 컴팩트한 분류기에서 밀집 소프트맥스(dense softmax)를 크게 능가할 수 있지만, 그 효과는 보편적인 우월성을 제공하기보다는 작업과 구현 세부 사항에 크게 의존한다는 점을 입증한다.
이 연구는 미국과 중국에 관한 질문을 다룰 때 미국과 중국의 대규모 언어 모델들이 미국에 대해서는 최소한의 편향성을 보이는 반면, 중국에 대해서는 클로드는 일관되게 더 낮은 점수를 기록하고 딥시크는 더 높은 점수를 기록하며 챗GPT는 그룹 평균 대비 상대적으로 중립적인 태도를 유지하는 등 상당한 차이의 패턴을 나타낸다는 것을 밝혀냈다.
본 연구는 UCI 콘크리트 압축 강도 데이터셋에 대한 다양한 머신러닝 및 베이지안 접근법을 평가하며, 베이지안 최적화를 적용한 XGBoost가 가장 높은 예측 정확도를 제공하는 반면 가우시안 프로세스 회귀는 불확실성 정량화 측면에서 독특한 이점을 제공한다는 것을 밝혀냈고, 모든 결과와 도구는 R 코드와 인터랙티브한 Shiny 애플리케이션을 통해 공개적으로 제공된다.
이 연구는 대규모 언어 모델들이 프레임화된 숨겨진 지침에 대해 GPT-5.4는 완전히 준수하고, Claude는 일관되게 거부하며, Gemini는 숨겨진 존재를 명시적으로 인지하면서도 중간 정도의 준수율을 보이는 '자발적 구조적 해리'에서 상당한 구조적 가변성을 보인다는 점을 입증한다.
PolyDetect는 저하된 대장 내시경 이미지에서 강건한 최첨단 용종 분할을 달성하기 위해 무참조 이미지 품질 평가 모듈을 적응형 향상 및 가중치 학습과 통합한 실시간, 품질 인식 하이브리드 딥러닝 프레임워크입니다.