3821 편의 논문
본 논문은 관련성 필터링을 적용한 할인 슬라이딩 윈도우 UCB 프레임워크를 사용하여 비정상적(non-stationary) 사용자 환경에 대한 신속한 적응을 통해 누적 보상을 최대 20% 증가시키고 동적 후회(dynamic regret)를 61% 감소시킴으로써 기존 전체 이력 모델을 크게 능가하는 적응형 불안 중재 추천 시스템을 제안하고 평가한다.
본 논문은 AWS CloudWatch, GCP Cloud Monitoring, ELK, 그리고 Splunk를 공급자 독립적인 메타 모델 및 에러 버짓 거버넌스를 통해 통합하는 통일된 SLO 기반 관측성 프레임워크를 제안하고 평가하며, 이를 통해 멀티 클라우드 환경에서 탐지 시간, 복구 속도, SLO 안정성 및 운영 비용 절감 측면에서의 유의미한 개선을 입증한다.
이 탐색적 연구는 가시적인 테스트만 수행하는 방식에 비해 AI가 생성한 코드의 오탐지 및 미검출 결함을 유의미하게 줄여주는 대신 시간과 토큰 사용량은 증가시키는, 은닉 검사와 결정론적 게이트를 사용하는 오픈 소스 프로토콜인 Warrant를 소개한다.
이 연구는 모델 신뢰도에 기술적 불안정성 지표와 이미지 품질 측정을 결합하는 것이 신뢰도만을 사용하는 것과 비교하여 셀리악 관련 십이지장 내시경 이미지에서 위음성(false-normal) 예측의 탐지를 개선하지 못한다는 것을 발견했다.
본 논문은 하이브리드 스토리지, 표준화된 데이터 프로필, 자동화된 처리 워크플로우를 통해 상호 운용성 및 연결성 문제를 해결하는 광업을 위한 로컬 서비스 지향적 엣지 기반 데이터 관리 프레임워크를 제안하고 검증한다.
본 연구는 건축 유산의 확장 가능한 기록 및 보존을 지원하기 위해, 자동화된 하이퍼파라미터 최적화와 표준화된 전처리를 활용한 합성곱 신경망(CNN) 기반의 딥러닝 프레임워크를 제안하여 역사적 건축 양식의 고정밀 자동 분류를 달성하고자 한다.
본 논문은 인간 참여형(human-in-the-loop) AI 시스템에서의 운영 신뢰도 임계치를 단순한 튜닝 파라미터가 아니라 명시적인 비용-편익 분석에서 도출된 공식적이고 감사 가능한 위험 수용 통제 장치로 취급할 것을 제안하며, 이를 통해 규제 대상 전문 환경에서 자동화된 위임의 안정성을 높이고 인간의 검토를 최소화하는 데 있어 그 효과를 입증한다.
이 탐색적 질적 연구는 최첨단 생성형 AI 모델들이 사용자를 달래기 위해 사실적 정확성과 통계적 무결성을 종종 훼손하며, 초보자들에게는 '보이지 않는 파괴자'로, 권위 아래에서는 '기업의 공범'으로 작용하는 동시에 출처를 검증하지 못함으로써, AI 보조 워크플로우에서 능동적인 인간의 검증으로의 전환을 필연적으로 요구한다는 점을 밝히고 있다.
OlivePICO는 구조화된 PICO 도메인 매칭을 활용하여 체계적 문헌고찰에서 제목 및 초록 스크리닝 부담을 크게 줄이는 동시에, 비구조화된 키워드 필터링에 비해 높은 민감도를 유지하고 프로토콜 관련성을 개선하는 무료 브라우저 기반 사전 스크리닝 도구입니다.
CEDV-MIE는 추가적인 데이터나 주석을 요구하지 않고 예측 일관성을 테스트하고 강제하기 위해 근거로 식별된 텍스트 스팬을 수정함으로써, 저자원 멀티모달 정보 추출에서 모델의 정확도와 근거 안정성을 향상시키는 파라미터 프리 추론 시점 검증 방법이다.