4092 편의 논문
본 연구는 언어 모델 분석가에게 구성된 트랜스포머 회로의 최종 상태뿐만 아니라 여러 순차적 상태를 제공하는 것이, 다른 모든 실험 조건이 동일할 때에도 인과적 엣지 복구 및 개입 후 예측의 정확도를 유의미하게 향상시킨다는 것을 입증한다.
본 논문은 다중 테스트와 혼란 요인으로 인한 거짓 양성을 방지하기 위해 통계적으로 교정되고 시간적으로 정렬된 탐지기를 사용하여, 독이 든 모델을 매칭된 영 조건(matched-null condition)과 비교함으로써 내부 백도어 전조가 관찰 가능한 악성 행위보다 앞서는지를 엄격하게 테스트하기 위한 인과적이고 전력 매칭된 프로토콜을 제안한다.
본 연구는 훈련 순서(서로 다른 방향에서 균형 잡힌 혼합물에 접근하는 것)가 인컨텍스트 학습 메커니즘과 가중치 내 학습 메커니즘의 강도 사이에 일시적이고 측정 가능한 차이를 생성하지만, 소규모 트랜스포머에서 지속적인 이력 현상이나 근본적으로 다른 인과적 회로 구성을 초래하지는 않는다는 점을 입증한다.
본 연구는 블록 순서를 조작하고 인과적 개입을 수행함으로써 관계적 언어에 대한 노출 시점이 소규모 시각-언어 트랜스포머의 구성적 시각 접지(compositional visual grounding)에 영향을 미치는지 조사하였으며, 궁극적으로 초기 노출이 후기 노출보다 성능상의 이점을 제공한다는 증거를 발견하지 못했다.
이 통제된 연구는 훈련 순서가 안전 정렬 메커니즘과 결과에 유의미한 영향을 미친다는 점을 입증하며, 안전 정렬 이후에 유용성을 훈련하는 것이 그 반대의 순서와 비교했을 때 유해한 거절과 무해한 과잉 거절을 모두 급격히 감소시킨다는 것뿐만 아니라, 이러한 행동 변화가 안정적인 인과적 매개체가 아닌 상위 계층에서의 표현 회전(rotating representations)에 의해 발생한다는 것을 보여준다.
본 연구는 근거 기반 대규모 언어 모델이 고등학교 평가에서 교사 점수와 중간 정도의 일치도만을 보이고 관대해지는 경향이 있음에도 불구하고, 완전한 자율적 고부담 채점보다는 일관성 중심의 조정 및 연구를 위한 가치 있고 투명한 도구로서 기능한다는 것을 입증한다.
본 논문은 이중 계층 정보 공유 프레임워크와 동적 파레토 우월성을 갖춘 개선된 골드 마인 최적화 알고리즘(IGMO-DP)을 제안하여, 임무 시간, 에너지 소비 및 부하 불균형을 동시에 최소화함으로써 이종 UAV 군집의 다목적 스케줄링 문제를 효과적으로 해결하고, 기존의 최첨단 알고리즘들과 비교하여 우수한 수렴성과 다양성을 입증한다.
이 논문은 인공 인지 시스템이 새로운 결과를 달성하기 위해 개입에 민감한 시각적 과정 규칙(서로 다른 중간 상태를 구별하는 것)을 추론하고 적용할 수 있음을 입증하며, 종단점만을 활용한 대조군보다 성능이 현저히 뛰어나고, 직접적인 개입 감독 없이도 중간 이미지 치환에 의해 명시적인 과정 코드가 역전될 수 있음을 보여주는 언어 불필요 과업을 소개한다.
본 논문은 빠르게 채택되고 있으나 보안 취약성을 지닌 자율형 AI 에이전트 프레임워크인 OpenClaw의 아키텍처, 생태계 및 거버넌스를 분석함으로써, 자율형 AI 에이전트라는 신흥 패러다임에서 접근성, 속도, 그리고 보안 사이의 내재적인 구조적 긴장 관계를 밝혀내는 최초의 포괄적이고 다차원적인 조사 연구를 제시한다.
이 논문은 엘리저빌리티 트레이스(eligibility trace)를 하드웨어에 인과적 시간의 화살을 직접 내재화하는 새로운 계산 기질로 소개하며, 스파이킹 신경망에서의 창발적 분화에 대한 독특한 필연성과 확률적 경사 하강법에서의 동형적 인과 구조를 입증함으로써 시간을 단순한 순번으로 간주하는 폰 노이만 아키텍처의 가정을 도전한다.