MuScriptor: An Open Model for Multi-Instrument Music Transcription
MuScriptor는 합성 데이터 사전 학습, 실제 데이터 미세 조정, 강화 학습, 그리고 악기 조건화를 결념하여 기존 방식의 일반화 한계를 극복함으로써 실제 녹음물에 대한 효과적인 다중 악기 음악 전사를 달성하는 오픈 웨이트 모델입니다.
원저자가 쉬운 설명을 검토한 논문들.
이 페이지에 소개된 모든 논문은 원저자 중 최소 한 명이 저희의 쉬운 설명을 확인하여 내용이 정확하다고 확인했거나 수정 사항을 요청하여 저희가 반영한 것입니다. 확인이 각 문장을 공식적으로 승인한다는 의미는 아니지만, 설명이 논문을 쓴 당사자의 검토를 거쳤다는 뜻입니다.
저자가 검토한 논문 1522편 · 691–700 / 1522
MuScriptor는 합성 데이터 사전 학습, 실제 데이터 미세 조정, 강화 학습, 그리고 악기 조건화를 결념하여 기존 방식의 일반화 한계를 극복함으로써 실제 녹음물에 대한 효과적인 다중 악기 음악 전사를 달성하는 오픈 웨이트 모델입니다.
이 연구는 이전에 새로운 CaCO3 폴리타입으로 오인되었던 신비로운 대칭 금지 반사들이 실제로는 나노 규모의 다중 쌍정 현상에 의해 발생한 회절 아티팩트임을 입증함으로써, 오랜 기간 지속된 아라고나이트트 초구조 역설을 해결하며, 모델링과 실험을 통해 검증된 이 발견은 다른 쌍정 물질에서도 유사한 아티팩트를 식별할 수 있는 일반화된 프레임워크를 제공한다.
이 계량서지학적 연구는 2000년부터 2026년까지의 Scopus 색인 등재 출판물 734편을 분석하여 반도체 산업 내 지속가능성 연구의 진화, 주요 주제 및 지식 구조를 매핑하며, 주요 기여자, 재활용 및 환경 관리와 같은 핵심 주제, 그리고 순환 경제 및 재생 에너지와 같은 유망한 미래 방향을 식별한다.
이 논문은 트랜스포머 기반의 의미론적 분석과 SHAP 및 LIME과 같은 XAI 기술을 결합하여 거대 언어 모델(LLM)의 프롬프트 주입 공격을 효과적으로 탐지하고 설명하는 해석 가능한 멀티 에이전트 프레임워크인 PromptShield을 소개한다.
StructFix는 코드 프로퍼티 그래프(Code Property Graph)를 통합하여 제어 및 데이터 의존성을 더 잘 포착함으로써 마스크 언어 모델을 강화하고, 이를 통해 기존의 토큰 시퀀스 기반 방식에 비해 수리 효과와 교차 언어 강건성을 향상시키는 구조 인식 자동 프로그램 수정 프레임워크이다.
NICER와 GW170817 데이터에 대한 베이지안 분석은 관측적으로 선호되는 중성자별 상태 방정식이 부드러운 중간 밀도 영역 이후 고밀도 경화가 나타나는 특징을 가지고 있음을 밝혀냈으며, 이러한 구조는 컴팩트한 구성을 뒷받침하고 중성자별의 압축된 시나리오를 시사한다.
이 논문은 각도 관측량, 특히 전후 비대칭성과 새로 제안된 간섭 정규화된 양이 간섭 효과가 공명 증폭보다 지배적인 오프셸(off-shell) 영역에서도 미래의 충돌기에서 보손에 의해 매개되는 레프토필릭(leptophilic) 게이지 상호작용에 대해 강력한 민감도를 제공한다는 것을 보여주는 관측량 중심의 연구를 제시한다. 여기서 레프토필릭 게이지 보손은 전자와 뮤온에만 국한되지 않고, 특정 모델에 따라 일반적으로 렙톤과 결합한다.
새로운 FAST HI 관측과 컴팩트한 정적 핵(quiescent core) 및 환경에 의해 형성된 확장된 외포(envelope)를 드러내는 VLA 데이터를 바탕으로, 본 논문은 Cloud-9이 M94에 의한 램 압력 박리(ram-pressure stripping)를 겪고 있는 암흑 물질 지배 시스템이며, 이는 박리된 RELHIC 시나리오와 일치한다고 주장한다.
이 논문은 세계 모델이 학습하는 작업 관련 구조의 양이 훈련 목적 함수의 차원에 의해 엄격하게 결정된다는 점을 입증하며, 이는 가치 등가성이 단일 스칼라 보상이 필요한 예측적 폐쇄(predictive closure)의 1차원 투영만을 설치한다는 차원적 현상임을 드러낸다.
이 논문은 그래프 신경망으로 매개변수화된 연속 생성 흐름 모델의 안정성을 분석하여 구조적 섭동이 생성된 신호에 미치는 영향에 대한 명시적인 경계값을 도출하고, 출력 품질을 저하시키지 않으면서 그래프 노이즈에 대한 강건성을 향상시키는 정규화된 학습 전략을 제안한다.