4092 편의 논문
이 논문은 플래너 에이전트와 도구 실행 사이에 위치하여 기업용 AI 시스템에서 정책 위반과 안전하지 않은 도구 호출을 유의미하게 줄이는 동시에 충실도와 감사 준수성을 향상시키지만, 광범위한 합성 벤치마킹을 통해 입증된 바와 같이 약간의 지연 시간을 수반하는 런타임 거버넌스 아키텍처인 GAAR를 소개한다.
본 논문은 스마트 계약을 통해 데이터 신뢰성, 프로세스 투명성 및 자동화된 거버넌스를 강화함으로써, 도입 후 ERP 가치 실현의 과제를 해결하기 위해 블록체인 인프라와 의사결정 지능을 통합한 4계층 프레임워크를 제안한다.
이 논문은 반복적 시각 분류를 위해 재귀적 정교화와 조건부 연산을 통해 활성 파라미터 수와 훈련 시간을 크게 줄이면서도 표준 벤치마크에서 경쟁력 있는 정확도를 달성하는 동적 희소 어텐션 및 전문가 혼합 트랜스포머를 제안한다.
이 논문은 훈련 손실을 크게 개선하고 모델 성장 과정에서 학습된 행동을 보존하기 위해, 폐쇄형 소형 잔차 통합 연산자(Small Residual Integration Operator, SRIO)를 블록별 확장 정책 및 스칼라 웜업 게이트와 결합하여 트랜스포머 너비를 점진적으로 확장하는 오프라인 레시피를 제안한다.
본 논문은 흐릿한 안저 영상의 선명도를 개선하기 위해 효율적인 채널 주의(Efficient Channel Attention)와 복합 열화 모델로 강화된 SRGAN 기반 초해상도 방법을 제안하며, 포괄적인 픽셀, 구조 및 지각적 평가를 통해 합성 및 실제 임상 시나리오 모두에서 우수한 성능을 입증한다.
이 논문은 동적 분포 변화가 발생하는 스트리밍 데이터에서 견고하고 낮은 지연 시간을 갖는 성능을 달성하기 위해 동적 신뢰도 스크리닝, 브랜치 레벨 점진적 튜닝, 그리고 시간적 분포 매끄러움을 결합한 효율적인 온라인 테스트 타임 적응 프레임워크를 제안한다.
이 논문은 불확실성을 국지화하고 디베이트 파라미터를 조정하여 상당한 정확도 향상과 계산 비용 절감을 달출하는 시뮬레이션 기반 프레임워크인 불확실성 인지 적응형 디베이트(Uncertainty-Aware Adaptive Debate, UAAD)를 소개하며, 보고된 개선 사항은 라이브 모델 검증을 기다리는 가설적인 상태로 남아 있다.
최근 9편의 연구를 대상으로 한 이 범위 검토(scoping review)는 실험실 기반 보건 과학 교육에서 생성형 AI가 주로 효율성을 높이고 개별적인 탐구 및 습득 활동을 지원하지만, 그 통합은 현재 적은 근거 기반, 사실적 부정확성의 위험, 그리고 협업적 활용의 현저한 부족으로 인해 제한되어 있으며, 이는 추가적인 비교 연구와 전문가의 감독이 필요함을 강조한다.
이 연구는 널리 사용되는 언어 모델 에이전트들이 임의적인 라벨에 기반한 강력한 내집단 신뢰 편향을 보인다는 점을 밝혀냈는데, 이는 어떤 행동이 선택되는가가 아니라 누구에게 행동이 전달되는가에서 나타나기 때문에 표준적인 총체적 행동 감사로는 감지할 수 없는 미묘한 사회적 역학이다.
이 논문은 과학적으로 방어 가능한 반사실적 역사를 시계열 지식 그래프 상의 제약된 구조적 인과 모델 문제로 정형화하는 새로운 하이브리드 아키텍처인 CHRONOS를 소개하며, 예비 합성 테스트 중에 관찰된 확장성 및 양자 최적화 성능에서의 정직한 한계를 투명하게 보고한다.