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 1206편 · 891–900 / 1206

📄 public and global health

Insurance coverage and treatment gaps among adults with hypertension or diabetes in Kenya: a sex-stratified analysis of the 2022 Demographic and Health Survey

2022 년 케냐 인구보건조사의 성별 구분 분석은 진단받은 고혈압 또는 당뇨병 성인 중 거의 절반이 건강보험에 가입되어 있음에도 불구하고 모든 소득 수준과 성별 집단에서 상당한 치료 격차가 지속되고 있음을 보여주며, 이는 의약품의 가용성과 부담 가능성과 같은 더 깊은 구조적 장벽을 해결하지 않는 한 보험 가입 확대만으로는 만성 질환 치료 접근성 향상을 이루기에 불충분함을 시사한다.

Amollo, N. W., Ouma, J. O., Hyera, H.2026-05-18✓ Author reviewed
⚡ electrical engineering

ForcingDAS: Unified and Robust Data Assimilation via Diffusion Forcing

ForcingDAS 는 Diffusion Forcing 을 기반으로 구축된 통합적이고 강력한 데이터 동화 프레임워크로, 기존 필터링 방법의 오차 누적과 기존 학습 모델의 체제 특화 문제를 극복하기 위해 결합 궤적 사전 분포를 학습하여 단일 훈련된 모델이 다양한 기상 및 기후 벤치마크에서 예보, 평활화, 재분석을 매끄럽게 수행할 수 있게 합니다.

Yixuan Jia, Siyi Chen, Yida Pan, Xiao Li, Lianghe Shi, Chanyong Jung, Haijie Yuan, Ismail Alkhouri, Yue Cynthia Wu, Saip (…)2026-05-15✓ Author reviewed
📊 statistics

A New Framework for Convex Clustering in Kernel Spaces: Finite Sample Bounds, Consistency and Performance Insights

본 논문은 비선형 및 비볼록 구조를 효과적으로 처리하기 위해 데이터를 재생 커널 힐베르트 공간으로 투영하는 커널화된 볼록 클러스터링 프레임워크를 제안하며, 수렴성과 유한 표본 한계에 대한 이론적 보장을 제공함과 동시에 최첨단 방법론보다 우수한 성능에 대한 실증적 증거를 제시합니다.

Shubhayan Pan, Kushal Bose, Debolina Paul, Saptarshi Chakraborty, Swagatam Das2026-05-15✓ Author reviewed
🔭 astrophysics

Age and metallicity of low-mass galaxies: from their centres to their stellar halos

오로라 프로젝트의 17 개 시뮬레이션 저질량 은하를 사용하여 본 연구는 항성 금속성 경사가 은하의 고유 특성과 무관한 반면, 헤일로 금속성의 분산은 위성 은하의 강착 시기에 의해 결정되며, 특징적인 U 자형 반경별 나이 분포는 외부 영역의 항성 형성 중단과 병합에 의한 항성 재분포의 결합에서 비롯됨을 밝힌다.

Elisa A. Tau, Antonela Monachesi, Facundo A. Gómez, Robert J. J. Grand, Rüdiger Pakmor, Freeke van de Voort, Federico Ma (…)2026-05-15✓ Author reviewed
💻 computer science

The Evaluation Trap: Benchmark Design as Theoretical Commitment

본 논문은 검증되지 않은 이론적 전제가 구조적 한계를 은폐하는 자기 강화적 평가 함정을 어떻게 생성하는지 드러내기 위해 AI 벤치마크를 감사하는 메타 평가 방법론인'에피스테마티크스'를 소개하며, 이를 최근의 제안에 대한 비판을 통해 적용 사례를 제시하는데, 해당 제안은 의도치 않게 수정하려는 패러다임 자체를 더욱 고착화하고 있습니다.

Theodore J Kalaitzidis2026-05-15✓ Author reviewed