974 편의 논문
본 연구는 거대 언어 모델을 자율적인 생성기가 아닌 의사의 서면 응답을 정교화하는 편집 보조로 사용하는 것이 사실적 정확성을 유지하면서도 인지된 공감도를 유의미하게 향상시킨다는 것을 보여주며, 이는 정서적 톤과 의학적 정밀도를 모두 평가하기 위한 새로운 정량적 지표에 의해 뒷받침된다.
이 논문은 롱 코비드(Long COVID) 및 파킨슨병 코호트를 통해 검증된 바와 같이, 클러스터 개수에 대한 사전 지정 없이도 이질적인 멀티모달 데이터에서 최적의 임상 하위 그룹 수를 자동으로 발견하기 위해 가설과 증거를 반복적으로 정교화하는 새로운 대규모 언어 모델 프레임워크인 GRACE를 소개한다.
본 설문 조사는 56개 시스템과 그 증거 신뢰성에 대한 다축 프레임워크를 도입함으로써 파편화된 자율 연구의 지형을 체계화하며, 연구 결과물을 생성하는 능력과 이를 공개하기 전 방어할 수 있는 강력한 검증 메커니즘의 부재 사이의 결정적인 간극을 드러낸다.
이 논문은 F1-스코어를 최대화하고 파라미터 수를 최소화하는 것을 동시에 수행함으로써 임상용 정형 데이터 분류를 위한 예측 성능과 모델의 경량성 사이의 균형을 효과적으로 맞추는 다목적 진화 알고리즘인 MOGA-NAS를 소개하며, 이는 5개의 공개 벤치마크 전반에 걸쳐 우수하거나 대등한 정확도를 유지하면서도 현저히 작은 모델을 생성하는 결과를 가져온다.
본 논문은 추론 및 변조 공격을 효과적으로 방어하는 동시에 훈련 효율을 약 10% 향상시키기 위해 임계값 Paillier 동형 암호와 데이터 품질 기반 선택적 복호화 메커니즘 및 ECDSA 서명을 결요한 연합 학습 보안 체계를 제안한다.
본 논문은 5개의 벤치마크 데이터셋에 걸쳐 최첨단 음성 감정 인식 성능을 달казать하기 위해 CNN, Transformer, BiLSTM 레이어를 다중 특징 융합과 결합한 하이브리드 딥러닝 프레임워크를 제시하며, 이를 통해 강력한 일반화 능력과 기존 베이스라인 대비 유의미한 정확도 향상을 입증한다.
본 연구는 SDSS DR-17 데이터셋에 스태킹 분류기(Stacking Classifier)를 활용한 하이브리드 앙상블 학습 방식인 StackPip 프레임워크를 제안하며, 이는 천체를 은하, 별, 퀘이사로 분류하는 데 있어 다양한 개별 머신러닝 모델들을 능가하는 98%의 정확도를 달성하였다.
본 논문은 확률적 추론과 시계열적 정규화를 통합하여 불확실성을 인지하는 동적 커뮤니티 탐지를 달성함으로써, 노이즈에 대한 안정성과 실제적인 구조적 변화에 대한 민감도 사이의 균형을 효과적으로 맞추는 베이지안 메모리 기반 프레임워크인 BayesMem-CD를 제안한다.
이 논문은 고품질의 필터링된 데이터셋(AraCoT)과 보상 가중치 학습 목적 함수를 사용하여 아랍어 모델에 구조적 추론 능력을 증류하는 프레임워크인 AraCoT-Agent를 소개하며, 이를 통해 새로운 AraAgent-Bench에서 55.7%의 상대적 개선을 달성하고 아랍어와 영어 LLM 사이의 추론 격차를 크게 좁혔다.
본 논문은 기존 딥러닝 모델의 파편화된 표현의 한계를 극복하기 위해 이중 축 결합 트랜스포머 인코더(Dual-axis Coupled Transformer Encoder)와 시간 인지 대조 학습(Time-Aware Contrastive Learning) 모듈을 통합한 연속적 열화 표현 학습 프레임워크인 CoDeR를 제안하며, 이를 통해 항공 엔진의 잔여 수명 예측을 더욱 정확하게 달성한다.