Exploring the Potential of Large Language Models for Counter Argument Generation
본 논문은 유엔 총회 연설(2005–2024)에서 추출한 외교적 반론의 새로운 코퍼스를 소개하고, 반론 생성의 교차 도메인 일반화에 관한 체계적인 벤치마크를 구축하기 위해 시간적으로 정렬된 미세 조정 전략을 사용하여 최첨단 거대 언어 모델들을 평가한다.
4157 편의 논문
본 논문은 유엔 총회 연설(2005–2024)에서 추출한 외교적 반론의 새로운 코퍼스를 소개하고, 반론 생성의 교차 도메인 일반화에 관한 체계적인 벤치마크를 구축하기 위해 시간적으로 정렬된 미세 조정 전략을 사용하여 최첨단 거대 언어 모델들을 평가한다.
CUPID-Med는 정형화되지 않은 의료 영상 데이터를 구조화하는 데 있어 결정론적 베이스라인을 크게 능가하며, 임상적으로 해석 가능한 집합 값 형태의 클러스터 예측과 보정된 신뢰 점수를 생성하기 위해 공형 불확실성 인지 프로토타입 발견을 활용하는 새로운 프레임워크이다.
본 연구는 단기 임대 수요 예측에 있어 전통적인 모델들을 크게 능가하기 위해, 특성 해석성을 위한 SHAP와 경쟁적 가격 책정 분석을 위한 내쉬 균형을 결합한 설명 가능한 2층 구조의 게임 이론 기반 딥러닝 프레임워크를 제안한다.
이 논문은 전통적인 선형 필터의 한계를 극복함으로써 장기적인 GNSS 신호 단절 상황 동안 저가형 INS/GNSS 항법 시스템의 정확도와 강건성을 크게 향상시키는, TGAN, LSTM 및 RWFNN 구조를 결합한 딥러닝 증강 칼만 필터인 "스마트 학습 추정기(Smart Learning Estimator, SLE)"를 제안한다.
본 논문은 스택형 LSTM의 마지막 전 층에서 시계열 특징을 추출하고 이를 소비자 및 시간적 속성과 결합하여 그래디언트 부스팅 머신(Gradient Boosting Machine)에 적용하는 새로운 2단계 하이브리드 구조인 TDF-LSTGBM을 제안하며, 이는 5가지 소비자 범주에 걸친 다중 입도 스마트 그리드 전력 수요 예측에 있어 기존의 LSTM 및 ARIMA 모델보다 현저히 높은 정확도를 달성한다.
GraphGarment은 시뮬레이션에서 학습된 그래프 신경망과 경량 잔차 보정기(residual corrector)를 결합하여 최소한의 실세계 데이터로부터 의류 역학을 정확하게 예측함으로써 로봇의 의류 걸기 작업을 견고하게 수행할 수 있게 하는 데이터 효율적인 심투리얼(sim-to-real) 프레임워크이다.
본 연구는 철강 제조를 위한 견고하고 해석 가능하며 자동화된 품질 관리를 가능하게 하기 위해, ResNet50 기반의 미세구조 분류와 YOLOv8 기반의 표면 결함 탐지를 규칙 기반의 심각도 추정과 통합한 통일된 설명 가능한 딥러닝 프레임워크를 제시한다.
본 논문은 직조 패턴을 활용하여 방향성 열 확산 및 수축 구배를 계산함으로써, 기존의 표면 수준 모델이 포착하지 못하는 직물의 복잡한 열적 좌굴, 뒤틀림 및 불균일한 주름 거동을 정확하게 생성하는 실 가닥 수준의 시뮬레이션 방법을 제안한다.
AUDIT-AI 연구는 상용 AI 텍스트 탐지기가 비영어권 기관의 장문 과학 문헌을 원어민 저작물 및 검증된 AI 재작성 문헌과 비교하여 AI 생성물로 체계적으로 오분류하는지 정량화하기 위해 설계된 사전 등록된 3군 진단 정확도 감사 연구이다.
본 설문 조사는 다변량 시계열 예측에서 메모리 메커니즘을 유지된 상태, 접근 함수, 그리고 업데이트 함수 간의 상호작용으로 공식화하며, 최근 문헌을 아키텍처, 검색, 그리고 진화 범주로 체계화하여 미해결 과제를 식별하고 감사 가능하며 적응형인 예측 시스템 설계를 위한 로드맵을 제안한다.