4157 편의 논문
이 논문은 온톨로지 접근, LLM 기반 학습 파이프라인, 그리고 22개 도메인에 걸친 표준화된 벤치마킹을 통합하는 모듈형 오픈 소스 프레임워크인 OntoLearner를 소개하며, 온톨로지 학습의 주요 병목 현상이 모델의 역량보다는 모델 지식 인코딩과 온톨로지 구조 간의 구조적 불일치에 있음을 밝혀낸다.
본 연구는 비정형 평가 피드백을 높은 정확도로 커리큘럼에 부합하는 오류 패턴으로 변환하는 검색 증강 거대 언어 모델 접근 방식을 제안하며, 이를 통해 고등 교육에서 교수진이 교육적 영향력을 성찰하고 목표 지향적인 커리큘럼 개정을 유도할 수 있도록 한다.
본 연구는 웹 탐색을 위한 보조 기술로서 네 가지 주요 LLM 기반 대화형 에이전트의 효과를 평가하며, 이들이 페이지 구조를 해석하고 상호작용을 안내함으로써 다양한 사용자 그룹을 위한 접근성을 향상시킬 수 있는 유망한 잠재력을 보여주는 동시에, 도구별로 성능 차이가 크게 나타난다는 점을 밝히고 있다.
이 논문은 동형 암호를 사용하여 암호화된 클라우드 데이터에 대해 안전하고 효율적인 심층 신경망 추론을 가능하게 하며, 다양한 프라이버시 공격에 대한 강력한 저항성을 보장하는 동시에 기존 솔루션보다 상당한 지연 시간 개선과 평문 수준의 정확도를 달성하는 프라이버시 보존 프레임워크인 HE-CloudML을 소개한다.
이 논문은 문맥적 언어 이해와 구조화된 전문가 지식을 결합하여 기존 트랜스포머 베이스라인 모델들을 능가하면서도 전문가의 추론 방식에 더 밀접하게 부합하는, CVSS v3.1 기본 지표의 고도로 정확하고 해석 가능한 자동 예측을 달성하는 가중 신경-기호 어텐션 모델인 WSymBERT를 소개한다.
MAP-RAG는 구조화된 전자 의무 기록 분해와 하이브리드 검색 및 동적 신뢰도 라우팅을 통합함으로써 임상 진단 정확도와 효율성을 향상시키고, 여러 의료 부서에 걸쳐 베이스라인 모델보다 우수한 성능을 입증하는 새로운 다중 뷰 적응형 프레임워크이다.
과도하게 낙관적인 벤치마크와 정확도-공정성 간의 상충 관계에 의해 발생하는 의료 영상 분할 파운데이션 모델의 번역 격차를 해결하기 위해, 본 논문은 앙상블 전략을 통한 원칙적인 모델 시너지가 어떻게 단일 모델보다 안전하고 공평하며 임상적으로 신뢰할 수 있는 AI를 달성하는 데 더 우수한지를 입증하는 엄격한 다차원 평가 프레임워크인 OrganSegBench를 소개한다.
본 논문은 설명 가능한 개인 맞춤형 임상 의사 결정 지원 및 조기 질병 위험 예측을 강화하기 위해 BM25와 BioBERT 기반의 시맨틱 검색을 상호 순위 결합(Reciprocal Rank Fusion)과 통합한 하이브리드 검색 증강 생성(Retrieval Augmented Generation) 프레 الكريم워크를 제시하며, 182,000개의 의료 기록 데이터셋에 대해 기존 베이스라인보다 우수한 검색 성능을 달성하였다.
본 연구는 다국가 데이터를 활용하여 우수한 산모 정신 건강 위험 예측 성능(정확도 99.86%)을 달달성하는 동시에 SHAP 분석을 통해 핵심 임상 예측 요인을 식별하는 설명 가능한 하이브리드 고전-양자 서포트 벡터 머신 모델을 제안한다.
이 논문은 Hubble/eBPF 네트워크 텔레메트리가 정교하게 구성된 그라운드 트루스 레이블과 결합될 때 쿠버네티스 환경에서의 런타임 공격과 설정 오류를 효과적으로 탐지할 수 있음을 입증하며, 규칙 기반 탐지기의 높은 정밀도와 랜덤 포레스트 분류기의 더 높은 재현율 사이의 절충 관계에도 불구하고 목적지 측의 식별 속성이 위협의 가장 강력한 지표임을 밝혀낸다.