1017 편의 논문
이 논문은 '조용한 퇴사' 현상을 성공적으로 시뮬레이션하고 정량화하는 생성형 에이전트 프레임워크를 소개하며, 몰입 전략이 이직 의도를 유의미하게 감소시키는 반면 그 효과는 직원의 성격 특성에 의해 결정적으로 조절된다는 점을 밝힘으로써, 정밀 타겟팅된 위기 관리를 위한 계산적 테스트베드를 구축한다.
이 논문은 자연어 지시문이 숨겨진 운영 요구사항 하에서 취약함을 입증하며, 일반적인 프롬프팅은 누락된 제약 조건을 충족하는 데 실패하는 반면, 해당 제약 조건들을 명시적으로 이끌어내고 실행할 때 성능이 크게 향상된다는 점을 밝힌다.
본 논문은 매개변수화된 시뮬레이션과 DataCo 스마트 공급망 데이터셋에 대한 광범위한 실증적 테스트를 통해 검증된 바와 같이, 통계적으로 유의미하고 재현율이 높은 실시간 공급망 리스크 평가를 달성하기 위해 FMEA 기반의 리스크 정량화와 거대언어모델의 문맥적 추론을 통합한 새로운 LLM 증강 의사결정 인텔리전스 프레임워크를 제시한다.
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.