인컨텍스트 그래피컬 추론 (In-Context Graphical Inference)

요약

이산 그래피컬 모델의 추론 성능과 확장성 문제를 해결하기 위해 자기회귀 Graph Transformer인 ICG-I를 제안합니다. Tensor-Train 압축과 가중 콘포멀 예측(WCP)을 결합하여 정확도와 수렴성을 동시에 확보했습니다.

핵심 포인트

• Tensor-Train 압축을 통한 변수 제거 구조 복원
• Dirichlet 출력층과 WCP를 통한 분포 비의존적 커버리지 보장
• 좌절된 스핀 유리 모델 등 복잡한 토폴로지에서 우수한 성능 증명
• 기존 BP 방식 대비 높은 수렴 안정성 및 정확도 달성