4105 편의 논문
본 연구는 종교 텍스트 및 이미지 분류 모델에 대한 LIME, Parzen, Greedy 설명 방법의 신뢰성을 평가하며, 이진 텍스트 데이터셋의 특정 제약 조건과 제한된 이미지 범위 내에서 LIME이 신뢰할 수 없는 특징을 식별하는 데 있어 다른 방법들보다 일관되게 우수한 성능을 보인다는 것을 발견하였다.
이 논문은 유클리드, 구형 및 쌍곡선 기하학 전반에서 정확도와 매끄러움 측면에서 고정 텐션 베이스라인을 능가하면서, 정제된 곡선이 원래의 제어점을 통과한다는 보장을 유지하는 동시에 컴팩트한 엣지별 예측기를 통해 국소 삽입 각도를 학습하는 적응형 보간 세분화 기법을 소개한다.
본 논문은 제로 데이 웹 공격의 고정밀·저지연 탐지를 달성하기 위해 앙상블 분류기와 SHAP 기반 설명 가능성을 결념한 하이브리드 머신러닝 프레임워크인 X-WAF를 제시하며, 이는 통찰력을 기존 보안 인프라에 원활하게 통합될 수 있는 실행 가능한 ModSecurity 규칙으로 자동 변환한다.
이 논문은 뇌졸중 관련 개체명으로 주석이 달린 1,742개의 환자 생성 건강 질의로 구성된 공개 가능한 인도네시아어 데이터셋인 StrokeID-NER를 소개하며, 이를 통해 미세 조정된 트랜스포머 모델이 비격식적 및 지역적 의학 용어를 인식하는 데 있어 제로샷 베이스라인보다 현저히 우수한 성능을 보임을 입증하는 한편, 향후 성능 향상은 모델 아키텍처보다는 주로 어휘 범위의 확장에 달려 있음을 강조한다.
본 연구는 기업의 SDG(지속가능발전목표) 주장의 신뢰성을 5차원 루브릭을 통해 엄격하게 평가하는 확장 가능하고 이론에 기반한 에이전틱 AI 프레임워크를 도입하며, 이를 통해 대부분의 공시가 부분적으로는 실질적이지만 기업들이 실제 지속가능성 참여 수준에 비해 과소 주장하는 경우가 많다는 점을 밝혀낸다.
본 연구는 지능형 도로 모니터링을 위한 베이스라인 모델을 크게 능가하여, 도로 포트홀 탐지 및 인스턴스 분할에서 90.4%의 mAP를 달성하기 위해 히스토그램 평활화와 Adam 옵티마이저로 강화된 개선된 Mask R-CNN 프레임워크를 제안한다.
본 논문은 클래스 조건부 디노이징 확산 확률 모델(DDPM)이 고충실도 소수 클래스 샘플을 합성함으로써 예방 정비의 심각한 클래스 불균형을 효과적으로 완화하며, 희귀 산업 결함을 탐지하는 데 있어 SMOTE 및 GAN과 같은 전통적인 증강 기법보다 크게 우수한 성능을 보임을 입증한다.
이 논문은 RAG 파이프라인을 구조적 인과 모델(Structural Causal Model)로 모델링하여 백도어 조정(backdoor adjustment), 역성향 가중치 재설정(inverse-propensity reweighting), 반사실적 데이터 증강(counterfactual data augmentation)을 통해 가짜 상관관계를 완화하고 환각 현상을 줄임으로써, 지식 집약적 벤치마크, 특히 롱테일 질문에 대해 상당한 성능 향상을 달축하는 Causal Retrieval-Augmented Generation (CR-RAG) 프레임워크를 소개한다.
본 논문은 다양한 열화 작업의 이질적인 요구 사항에 효과적으로 적응하기 위해 결정론과 확률성의 상호작용적 모델링을 채택하여, 여러 복원 시나리오 전반에서 우수한 성능과 해석 가능성을 달성하는 이미지 복원을 위한 새로운 확산 프레임워크를 제안한다.
본 논문은 국부적인 변형 및 접촉 활성도에 따라 제약 조건 계산 강도를 동적으로 조절하는 동시에, 과도한 계산 비용을 발생시키지 않으면서 고충실도의 직조 구조를 유지하기 위해 시각적 업샘플링을 채택함으로써, 실 단위의 의류 시뮬레이션을 위한 위상 보존형 및 방향 인지형 적응형 프레임워크를 제안한다.