3773 편의 논문
FedCardioGuard는 다중 스케일 인코딩과 적응형 퓨전을 통해 비독립 동일 분포(non-IID) 데이터에 대한 매크로 F1 점수와 보정 성능을 크게 향상시키지만, 현재 콜드 스타트 및 점수 전이의 한계로 인해 희귀 클래스 인식에 어려움을 겪고 있는 품질 및 불확실성 인지형 개인화 연합 학습 프레임워크입니다.
이 논문은 AdaGrad, RMSProp, Adam을 1차 적분-미분 방정식으로 나타내는 연속 시간 정식화를 제안하고 수치 시뮬레이션, 안정성 분석 및 수렴 연구를 통해 그 정확성을 검증함으로써 적응형 최적화 방법론에 대한 새로운 이론적 관점을 제공한다.
본 논문은 조직병리 이미지의 교차 도메인 핵 인스턴스 분할의 정확도와 신뢰성을 향상시키기 위해 희소 가우시안 혼합 모델과 타원형 형상 손실을 통합한 형상 지도 학습 딥러닝 네트워크인 SSNet을 제안한다.
본 논문은 획 수준의 글리프 특징(stroke-level glyph features), 다단계 특징 상호작용 어텐션 모듈, 그리고 적대적 학습을 통합하여 희소한 도메인 용어 및 모호한 경계와 같은 문제를 효과적으로 해결함으로써 성능을 향상시킨 새로운 중국어 농업 개체명 인식 모델인 BCMGF를 제안하며, 이를 통해 농업 및 일반 도메인 데이터셋 모두에서 최첨단(state-of-the-art) 결과를 달성하였다.
본 연구는 디자인 사이언스 연구(Design Science Research) 접근 방식을 통해 지식 그래프를 거대 언어 모델과 통합하는 것이 상징적 의미 구조로 생성적 행동 공간을 선제적으로 제한함으로써 교육용 AI의 교육적 환각을 효과적으로 억제하고 논리적 타당성을 강제함을 입증한다.
본 논문은 근거 생성에 대한 충실도 제약을 부과하고 이질적인 목적 함수들을 균형 있게 조절하기 위해 새로운 자동 가중치 학습 전략을 채택함으로써, 다양한 모델 규모에 걸쳐 우수한 분류 성능과 추론 신뢰성을 결과적으로 도출하는 스케일 불변 다중 작업 학습 프레임워크인 FACT-SR를 제안한다.
이 논문은 MTEB 결과를 분석하여, 최상위 성능의 임베딩 모델들이 좁게 최적화된 모델들보다 더 높은 교차 작업 일관성을 보이는 경향이 있는 반면, 모델 규모 자체가 그러한 균형을 보장하지는 않는다는 점을 밝히며, 더 나은 모델 선택을 위해 총합 점수와 함께 성능 분산도 보고할 것을 촉구한다.
이 논문은 EU의 현행 알고리즘 설명 표준과 기존의 완화 또는 대체 접근 방식의 한계를 비판하며, 대신 행위자의 통제 지점에 따라 설명 요구를 범주화하고 이를 실행 가능한 대체 체계를 통해 실현함으로써 해당 표준을 재구성하는 수요 중심의 프레임워크를 제안한다.
본 연구는 적응형 게이팅 메커니즘이 교차 검증 과정에서는 우수해 보이지만, 실제로는 단순한 특징 결합 방식이 미지의 참가자를 대상으로 한 다중 모달 우울증 탐지에서 더 견고하고 일반화 가능한 성능을 나타낸다는 것을 입증하며, 이는 소규모 임상 데이터셋의 경우 건축적 복잡성보다 엄격한 일반화 테스트가 더 중요하다는 점을 강조한다.
이 논문은 계층적 토큰 압축, 희소 어텐션 오케스트레이션, 그리고 동적 메모리 관리를 결합하여 대규모 언어 모델의 효율적인 긴 문맥 추론을 가능하게 하는 통합 프레임워크인 CLEAR를 소개하며, 이를 통해 긴 문맥 벤치마크에서 높은 정확도를 유지하면서도 계산 복잡도와 메모리 사용량을 크게 줄이는 성과를 달성하였다.