Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXiv논문
최적 결정 트리(Optimal Decision Trees)의 전역 분석을 위한 대수적 모델 카운팅 (Algebraic Model
설명 가능한 AI(XAI)를 위해 최적 결정 트리의 가설 공간을 전역적으로 분석하는 ADTC 프레임워크를 제안합니다. 대수적 모델 카운팅(AMC) 개념을 도입하여 최적화, 카운팅, 샘플링 문제를 통합된 계산 방식으로 해결합니다.
2일 전0
arXiv논문
반사실적 의사결정을 위한 예측 집합: 커버리지, 최적성, 그리고 Conformal Prediction
Conformal Prediction을 활용하여 반사실적 의사결정 상황에서의 불확실성을 정량화하는 새로운 프레임워크를 제안합니다. 정책 결합 커버리지(policy-coupled coverage) 개념을 통해 의사결정 규칙과 연계된 최적의 예측 집합을 도출하는 방법을 다룹니다.
2일 전0
arXiv논문
kNNGuard: LLM의 은닉 활성화(Hidden Activations)를 활용한 학습이 필요 없는 설정 가능한 가드레일
kNNGuard는 LLM의 은닉 활성화(hidden activations)를 활용하여 미세 조정 없이도 작동하는 새로운 가드레일 기술을 제안합니다. 기존 방식보다 훨씬 빠른 속도로 안전 및 주제 이탈 프롬프트를 탐지하며, 높은 성능과 유연한 도메인 적응력을 제공합니다.
2일 전0
arXiv논문
수용성(Aqueous Solubility)에 대한 화학적 및 구조적 기여를 규명하기 위한 가산형 MLP-GNN 프레임워크
수용성 예측 시 물리화학적 기술자와 분자 그래프 정보를 분리하여 처리하는 가산형 MLP-GNN 프레임워크를 제안합니다. 이 모델은 화학적 성질과 구조적 기여도를 독립적으로 분석할 수 있어 예측의 투명성과 정확도를 동시에 높였습니다.
2일 전0
arXiv논문
긴 문맥 추론을 위한 증거 상태 보상 (Evidence-State Rewards)
긴 문맥 추론 능력을 향상시키기 위해 증거 상태 변화에 보상을 주는 강화학습 프레임워크 Maven을 제안합니다. Maven은 증거의 추가, 연결, 삭제 행동에 따라 정교한 보상을 설계하여 모델이 효과적으로 증거를 탐색하도록 돕습니다.
2일 전0
arXiv논문
지수 가중치를 이용한 집계 (Aggregation with Exponential Weights)는 기대값 측면에서 최적이다
지수 가중치를 이용한 집계(AEW)가 특정 온도 조건 하에서 기대값 측면의 미니맥스 속도를 달성함을 증명합니다. Lecué와 Mendelson이 제기한 미해결 문제를 해결하며, AEW의 상전이 현상을 이론적으로 규명했습니다.
2일 전0
arXiv논문
단일 계층 스파이킹 신경망에서의 수지상 돌기 인컨텍스트 학습 (Dendritic In-Context Learning)
스파이킹 신경망(SNN)에서 인컨텍스트 학습(ICL)을 구현하기 위해 수지상 돌기 구획을 계산 기질로 활용하는 DendriCL 아키텍처를 제안합니다. 단일 계층 구조만으로도 기존 Transformer 모델보다 안정적인 ICL 성능을 보여줍니다.
2일 전0
arXiv논문
한 번 더: 강화학습 관점에서 본 신경 양자 상태(Neural Quantum States)의 재고
신경 양자 상태(NQS) 최적화를 위해 강화학습의 어드밴티지 정책 경사 관점을 도입한 PWO 알고리즘을 제안합니다. PWO는 기존 Adam이나 SR 방식의 한계를 극복하여 대규모 모델에서도 안정적이고 효율적인 수렴을 보장합니다.
2일 전0
arXiv논문
분포 기반 보상을 통한 시각적 생성 모델의 최적화
시각적 생성 모델의 모드 붕괴와 보상 해킹 문제를 해결하기 위해 분포 기반 보상을 사용하는 새로운 프레임워크를 제안합니다. 서브셋 교체 전략을 통해 계산 효율성을 높였으며, 실험 결과 FID 지표와 샘플 다양성을 크게 개선했습니다.
2일 전0
arXiv논문
진화적 파동 함수 붕괴 (Evolutionary Wave Function Collapse)
본 논문은 절차적 콘텐츠 생성(PCG) 기법인 WFC와 진화적 탐색을 결합한 새로운 접근 방식을 제안합니다. WFC의 입력 예시를 진화시켜 생성된 레벨의 품질을 도메인 특화된 적합도 함수로 평가하며, 국소적 구조가 중요한 도메인에서의 효과를 입증했습니다.
2일 전0
arXiv논문
SUNTA: 놀라움 기반 청킹(Surprise-based Chunking)을 이용한 계층적 비디오 예측
SUNTA는 예측 오차(놀라움)를 기반으로 비디오 시퀀스를 계층적으로 분할하는 새로운 HSSM 접근 방식을 제안합니다. 분리된 학습 전략을 통해 계층적 붕괴 문제를 해결하며, 장기 비디오 예측 성능을 획기적으로 개선했습니다.
2일 전0
arXiv논문
구조적 일반화(Structural Generalization)에서 방향성(Directionality)의 역할에 대하여
구조적 일반화(SLOG) 성능 향상을 위해 CCG 방향성 타입을 활용한 심볼릭 백엔드 재설계 연구를 소개합니다. 기존 AM-Parser 대비 위치 이동 카테고리에서 뛰어난 성능을 보였으며, 인코더 업그레이드를 통해 방향성 표현의 병목 현상을 해결할 수 있음을 입증했습니다.
2일 전0
arXiv논문
ContextNest: 자율형 AI 에이전트를 위한 검증 가능한 컨텍스트 거버넌스 (Context Governance)
자율형 AI 에이전트의 신뢰성을 높이기 위해 검색 전 단계에서 지식의 무결성과 추적성을 보장하는 컨텍스트 거버넌스 계층인 ContextNest를 제안합니다. RAG 시스템에 버전 관리, 감사 추적, 결정론적 선택 기능을 결합하여 데이터의 출처와 최신성을 검증합니다.
2일 전0
arXiv논문
Guided Action Flow: Flow-Matching 시각-언어-행동 (VLA) 정책을 위한 Q-가이드 추론
Flow-matching 기반의 시각-언어-행동(VLA) 정책에서 모델 재학습 없이 테스트 시간 가이드를 적용하는 Guided Action Flow 프레임워크를 제안합니다. 동결된 SmolVLA 정책에 행동-청크 비평가를 결합하여 로봇 조작 작업의 성공률을 유의미하게 향상시켰습니다.
2일 전0
arXiv논문
통합 오디오 이해 및 생성을 위한 효율적인 vLLM 기반 추론 파이프라인
멀티모달 모델의 오디오 이해 및 생성을 위한 효율적인 vLLM 기반 추론 파이프라인을 제안합니다. 자기회귀 디코딩 확장과 온-GPU 음향 디코더 통합을 통해 단일 스트림 루프의 충돌 문제를 해결했습니다. 특히 CFG 구현 시 공동 스케줄링을 통해 처리량 저하 문제를 획기적으로 개선했습니다.
2일 전0
arXiv논문
거부의 이면: 행동 모니터링을 통한 가드레일 활성화 판별
LLM 시스템에서 가드레일에 의한 차단과 모델 자체의 거부를 구분하는 블랙박스 정찰 방법론을 제안합니다. HTTP, 어휘, 타이밍 신호 모니터링을 통해 가드레일의 존재와 차단 카테고리를 높은 정확도로 탐지할 수 있음을 입증했습니다.
2일 전0
arXiv논문
도메인 특화 LLM 사후 학습을 통한 피트니스 지능 강화
범용 LLM의 피트니스 코칭 한계를 극복하기 위해 개발된 도메인 특화 모델 FitOne을 소개합니다. Qwen3를 기반으로 3단계 사후 학습 파이프라인을 적용하여 전문 지식과 일반 역량을 동시에 강화했습니다.
2일 전0
arXiv논문
코딩 에이전트는 과학적 머신러닝 (Scientific Machine Learning) 논문을 재현할 수 있다
코딩 에이전트가 과학적 머신러닝 논문의 계산적 주장을 재현할 수 있도록 설계된 'Paper-replication' 워크플로우를 소개합니다. 에이전트가 논문의 방법론을 재구성하고 실험 결과와 논문의 주장을 비교 검증하여 재현 보고서를 작성하는 과정을 다룹니다.
2일 전0
arXiv논문
확산 샘플링을 위한 ART: 연속 시간 제어 및 액터-크리틱 학습 (ART for Diffusion Sampling:
확산 모델의 샘플링 효율을 높이기 위해 타임스텝 할당을 학습하는 연속 시간 제어 방식인 ART를 제안합니다. 강화학습의 액터-크리틱 알고리즘을 활용한 ART-RL을 통해 최적의 샘플링 스케줄을 도출하며, 기존 파이프라인 변경 없이도 높은 샘플 품질과 일반화 성능을 입증했습니다.
2일 전0
arXiv논문
A$^{2}$utoLPBench: 역 KKT 구축을 통한 자동 생성 및 에이전트 친화적 LP 벤치마크
A$^{2}$utoLPBench는 역 KKT 조건을 활용하여 자동으로 생성되는 선형 계획법(LP) 벤치마크입니다. 정적 데이터셋의 한계인 데이터 유출 문제를 해결하고, 난이도 조절이 가능하며 정답이 보장된 에이전트 평가 환경을 제공합니다.
2일 전0