Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXiv논문
올바른 비교 질문하기: LLM 판사(Judge)를 활용한 편향 인지 베이지안 능동형 Top-$k$ 순위 지정
LLM 판사가 가진 장황함 및 위치 편향 문제를 해결하기 위해 베이지안 추론을 활용한 편향 인지 모델링과 능동형 Top-k 순위 지정 기법을 제안합니다. 실험 결과, 제안된 방식이 기존 집계 방식보다 훨씬 적은 비교 횟수로 정확한 상위 모델을 식별함을 입증했습니다.
2일 전0
arXiv논문
예측적 Conformal 슬립 모니터링: 사고 전 견인력 상실 탐지를 위한 Rolling Split Conformal Prediction의
Rolling Split Conformal Prediction을 활용한 사고 전 견인력 상실 탐지 연구를 다룹니다. 실험 결과, 높은 오경보율과 교환 가능성 가정 위반으로 인해 조기 경고 시스템으로서의 성능이 매우 낮음을 입증한 부정적 연구 결과(negative finding)를 보고합니다.
2일 전0
arXiv논문
음성-텍스트 결합 능력의 해제: 지시어 튜닝(Instruction Tuning) 없는 지시 이행 음성 언어 모델
SpeechCombine은 지시어 튜닝 없이 단 한 번의 음성 사전 학습만으로 지시 이행이 가능한 음성 언어 모델(SLM)을 제안합니다. 텍스트 LLM의 지식과 음성 도메인 능력을 결합하여 방대한 데이터 의존성을 줄이는 새로운 학습 방향을 제시합니다.
2일 전0
arXiv논문
AbsoluteDegradation: 물리 기반의 합성 필름 열화 파이프라인 및 아카이브 필름 복원 벤치마크
물리적 원리에 기반하여 현실적인 필름 열화를 합성하는 AbsoluteDegradation 파이프라인과 대규모 아카이브 벤치마크를 제안합니다. 기존 합성 데이터의 한계를 극복하고 실제 아카이브 영상 복원 모델의 성능을 체계적으로 평가할 수 있는 프레임워크를 제공합니다.
2일 전0
arXiv논문
BamiBERT: 베트남어를 위한 새로운 BERT 기반 언어 모델
베트남어 텍스트 인코더의 한계를 극복하기 위해 개발된 새로운 BERT 기반 언어 모델 BamiBERT를 소개합니다. 129GB 규모의 코퍼스로 학습되었으며, 확장된 컨텍스트 길이와 외부 단어 분절 없는 원시 입력 처리 능력을 갖추고 있습니다.
2일 전0
arXiv논문
CheckRLM: 검색 증강 추론에서의 효과적인 지식-사고 일관성 검증
CheckRLM은 추론 언어 모델(RLM)의 추론 체인에서 발생하는 사실적 오류를 탐지하고 수정하는 프레임워크입니다. RAG를 활용해 지식 불일치를 식별하고 외부 지식으로 정밀하게 수정함으로써 장기 추론의 신뢰성을 높입니다.
2일 전0
arXiv논문
화학 언어 모델(Chemical Language Models) 탐사: 사전 학습(Pre-training) 및 미세
화학 언어 모델(CLM)이 SMILES 표현을 통해 분자 하부 구조를 어떻게 인코딩하는지 체계적으로 분석한 연구입니다. 사전 학습과 미세 조정이 모델의 분자 구조 인식 능력 및 표현 학습에 미치는 영향을 탐구했습니다.
2일 전0
arXiv논문
Bellman Certificates를 통한 다중 비서 문제(Multi-Secretary Problem)의 타이트한 하한(Tight Lower
다중 비서 문제(Multi-Secretary Problem)에서 지지 집합 간격(support gaps)이 존재할 때 발생하는 가법적 후회(additive regret)의 하한을 연구합니다. Bellman Certificates를 활용하여 기존의 $O((\log T)^2)$ 상한이 타이트함을 증명했습니다.
2일 전0
arXiv논문
대규모 언어 모델의 불확실성 추정을 위한 베이지안 희소 저차원 적응 (Bayesian Sparse Low-Rank Adaptation)
LLM의 미세 조정 과정에서 발생하는 과잉 확신 문제를 해결하기 위해 데이터 적응형 저차원 적응(DALorRA) 프레임워크를 제안합니다. 베이지안 희소 프레임워크를 통해 모델의 불확실성을 효과적으로 정량화하며, 추론 정확도를 유지하면서도 뛰어난 보정 성능을 보여줍니다.
2일 전0
arXiv논문
개인정보 보호 및 검증 가능한 근사 분산 코딩 컴퓨팅 (Privacy-Preserving and Verifiable Approximate
연합 및 탈중앙화 학습 환경에서 개인정보 보호와 악의적 공격 방어를 동시에 해결하는 모델 불가지론적 프레임워크를 제안합니다. GPBACC 코딩 컴퓨팅 기술을 활용하여 모델 아키텍처에 상관없이 보안성을 강화할 수 있습니다.
2일 전0
arXiv논문
물리 정보 신경망 (PINNs)의 양호한 조건 학습을 위한 최적화 프레임워크
물리 정보 신경망(PINNs)의 고질적인 문제인 손실 지형의 ill-conditioning을 해결하기 위한 새로운 2차 최적화 프레임워크 DSGNAR을 제안합니다. 이 프레임워크는 기존 방식보다 훨씬 높은 정밀도와 빠른 속도로 편미분 방정식을 해결하며 다양한 물리 문제에서 탁월한 성능을 입증했습니다.
2일 전0
arXiv논문
연속적 무작위 소비를 동반한 온라인 자원 할당: 퇴화(Degeneracy) 상황에서의 후회(Regret)
연속적 무작위 소비가 발생하는 온라인 자원 할당 문제에서 퇴화(Degeneracy) 상황을 분석한 연구입니다. 요청의 가치 대비 크기 비율에 따른 후회(Regret)의 하한을 증명하고, 이를 충족하는 샘플 경로 주변부 정책을 제안합니다.
2일 전0
arXiv논문
신경 특징 학습을 위한 푸리에 프리컨디셔닝 (Fourier Preconditioning)
상호 정보량(MI) 기반 특징 학습의 노이즈 문제를 해결하기 위해 H-Score를 활용한 푸리에 프리컨디셔닝 기법을 제안합니다. FFT를 통해 입력 기저를 회전시켜 예측 의존성을 지배적 모드에 집중시킴으로써 학습 효율을 높입니다.
2일 전0
arXiv논문
함수형 데이터의 공간적 패턴 발견을 위한 자기 설명 가능한 연산자 학습 (Self-explainable Operator Learning)
신경망의 불투명성을 해결하기 위해 적분 방정식을 활용한 자기 설명 가능한 연산자 학습 프레임워크를 제안합니다. 입력 도메인을 하위 도메인으로 분해하여 각 영역의 기여도를 계산함으로써, 물리적 시스템의 예측 과정을 수학적으로 투명하게 설명합니다.
2일 전0
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