3729 편의 논문
이 논문은 벨 부등식 감사, 구체적으로는 CHSH 게임을 사용하여 겉보기에 고립된 AI 에이전트들 사이의 단순한 통계적 상관관계와 실제적인 통신을 구분함으로써 은밀한 협력을 탐지하는 모델 프리(model-free) 도구로서의 활용을 제안하며, 동시에 이 방법의 타당성이 허위 양성을 피하기 위한 감사 설정의 예측 불가능성에 결정적으로 의존한다는 점을 강조한다.
본 연구는 CI/CD 파이프라인 내에서 건축 환경 데이터 관리의 확장성, 효율성 및 회복 탄력성을 향상시키기 위해 컨테이너화, 마이크로서비스 및 고급 파이프라인 최적화 전략을 통합하는 클라우드 네이티브 프레임워크를 제안하고 평가한다.
EviNav는 다각도의 시각적 및 의미론적 증거를 축적하여 대상을 견고하게 구별하고 종료 시점을 결정함으로써 이미지 및 텍스트 목표 탐색 과제 모두에서 최첨단 성공률을 달성하는, 학습이 필요 없는 증거 기반의 제로샷 인스턴스 내비게이션 프레임워크이다.
본 논문은 효율적인 XGBoost 기반 키스트로크 역학 모듈을 활용하여 최소한의 자원 소비로 99.8%의 인증 정확도를 달성하는 동시에, 지속 가능한 대규모 엣지 배포를 가능하게 하기 위해 SHAP 기반의 설명 가능성과 단계적 인간 참여형 정책을 채택한 운영자 워크스테이션용 경량 자율 보안 에이전트를 제시한다.
Haar-CFR는 이산 하르 웨이브릿(Haar wavelet) 정규화와 CFR+ 알고리즘을 결합하여 기존 방식보다 더 큰 메모리 압축과 빠른 수렴을 달성함으로써 금융 및 포커와 같은 영역의 대규모 불완전 정보 게임을 해결하기 위한 확장 가능하고 해석 가능한 솔루션을 제공하는 새로운 하이브리드 프레임워크입니다.
본 연구는 현대 중국 시를 일본어로 번역하는 데 있어 LLM 기반 시스템(ChatGPT 및 DeepSeek)과 전통적인 NMT 시스템(Google Translate 및 DeepL)의 성능을 평가하며, LLM이 충실도, 유창성 및 스타일 측면에서 일반적으로 NMT보다 우수한 성능을 보이고 프롬프트 전략이 모델 의존적인 방식으로 번역 품질에 상당한 영향을 미칠 수 있음을 입증한다.
이 후향적 코호트 연구는 일상적인 응급실 데이터를 통해 패혈증을 예측하기 위해 "블랙박스" 신경망을 근사하는 새로운 완전 투명 기계 학습 알고리즘(ShAproxRef)을 도입하며, 이는 외부 테스트에서 대등한 정확도(0.82 AUC)를 보임으로써 임상적 신뢰를 높이고 구현을 용이하게 한다.
이 논문은 표준적인 지각 손실(perceptual losses)을 대체하여 의료용 X-ray 초해상도의 구조적 충실도와 경계 보존 능력을 크게 향상시키는 도메인 인지 손실 함수(USELoss)를 제안하고 검증하며, 이를 통해 PadChest 데이터셋에서 SRGAN, ESRGAN, HAT과 같은 기존 방법들을 능가하는 성능을 입증한다.
본 논문은 손실 가이드 밀도화 전략, 불투명도 그래디언트 기반 프루닝 메커니즘, 그리고 최적화된 CUDA 역전파를 구현함으로써 경쟁력 있는 렌더링 품질을 유지하는 동시에 수렴을 가속화하고 프리미티브 수를 줄이는 컴팩트 가우시안 스플래팅을 위한 효율적인 훈련 프레임워크를 제시한다.
ECtHR 위반 분류에 관한 이 실증적 연구는 BiGRU를 통한 순차적 교차 세그먼트 문맥화가 재현율을 향상시키지만 균등 집계 시 정밀도-재현율 트레이드오프를 발생시키며, 이는 선택적 어텐션 기반 집계를 문맥화와 결합함으로써 가장 높은 매크로 F1 점수를 달성하여 해결된다는 것을 입증한다.