Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
타겟 멤버십 점수를 통한 영가설 교정 컨포멀 선택 (Null-Calibrated Conformal Selection via
거짓 발견율(FDR)을 제어하며 타겟 후보를 식별하는 컨포멀 선택(Conformal Selection) 연구입니다. 기존의 예측 중심 점수 대신 타겟 멤버십 확률을 사용하는 NCCS 방식을 제안하여, 분산 주도형 또는 다중 모드 타겟 환경에서 선택력을 개선합니다.
간섭 상황에서의 로봇 메모리 벤치마킹
로봇의 긴 문맥 메모리 성능을 측정하기 위해 새로운 벤치마크인 RoboMME-Interference를 제안합니다. 관련 없는 세션이 축적되는 간섭 상황에서 기존 VLA 모델들의 성능 저하 문제를 분석하고, 긴 문맥 메모리와 간섭 강건성의 중요성을 강조합니다.
Select-to-Act: 적응형 언어 가이드를 통한 계층적 강화학습 (Hierarchical Reinforcement Learning)
자연어 지시 사항을 단계별로 분해하여 계층적 강화학습에 적용하는 HRLLI 프레임워크를 제안합니다. 상위 정책이 상황에 맞는 지시 조각을 선택하고 하위 정책이 행동을 실행함으로써 샘플 효율성을 높입니다.
함수 공간 회귀 및 역문제를 위한 Flow Annealing 사후 샘플링 (Flow Annealing Posterior Sampling)
함수 공간 회귀와 PDE 역문제를 통합하는 새로운 사후 샘플링 프레임워크인 FAPS를 소개합니다. Flow-matching 사전 확률을 활용하여 노이즈가 있는 관측값으로부터 효율적인 사후 추론과 정확한 불확실성 정량화를 수행합니다.
강건한 테스트 시간 적응을 위한 신뢰도 기반 적응형 앙상블 (Reliability-Guided Adaptive Ensembling for
적대적으로 오염된 테스트 스트림 환경에서 강건한 테스트 시간 적응(RTTA)을 위한 새로운 프레임워크인 SAFER를 제안합니다. SAFER는 신뢰도 기반의 확률적 증강과 상관관계 가중 풀링을 통해 오염된 입력에 대한 취약성을 극복합니다.
절약된 활성화를 사용하는 사전 학습 (Parsimoniously Activated Dictionary Learning)에서의
본 논문은 전역 규제를 통해 활성화된 사전 원자의 수를 제어하는 PADL(Parsimoniously Activated Dictionary Learning) 방법론을 제안합니다. PADL을 구조적 생성 모델의 최대 사후 확률 추정 방식으로 공식화하여 일반화 보장과 하이퍼파라미터 최적화 경로를 제공합니다.
BioMatrix: 서열, 구조, 언어의 모달리티 매트릭스를 아우르는 포괄적인 생물학적 파운데이션 모델을 향하여
BioMatrix는 분자 및 단백질의 서열, 구조, 자연어를 단일 디코더 아키텍처 내에서 통합하는 최초의 멀티모달 파운데이션 모델입니다. 별도의 어댑터 없이 단일 차기 토큰 예측 방식으로 모든 모달리티를 균일하게 처리하며, 다양한 생물학적 태스크에서 최첨단 성능을 입증했습니다.
월드 모델 기반 비디오 생성에서의 물리적 일관성에 대한 참조 없는 평가
월드 모델 기반 비디오 생성의 물리적 일관성을 평가하기 위한 새로운 참조 없는(reference-free) 측정 지표를 제안합니다. DROID-SLAM과 SEA-RAFT를 활용하여 물리적 불일치를 정량화하며, 이를 통해 시뮬레이션과 실제 환경 간의 격차를 줄일 수 있습니다.
Kiwano: 화자 검증 (Speaker Verification)을 위한 최첨단 오픈 소스 툴킷
화자 검증(Speaker Verification) 연구를 위해 설계된 PyTorch 기반 오픈 소스 툴킷 Kiwano를 소개합니다. 표준화된 레시피, 사전 학습된 모델, 통일된 평가 프로토콜을 통해 연구의 재현성과 효율성을 높입니다.
그래프 신경망 (GNN)을 이용한 분자 생성을 위한 멀티그리드 (Multigrid) 학습
그래프 신경망(GNN)을 활용한 분자 생성 시 계산 비용과 불안정성을 해결하기 위한 멀티그리드 학습 전략을 제안합니다. 저해상도에서 학습된 파라미터를 고해상도로 전이하여 학습 속도를 높이고 일반화 성능을 개선합니다.
Text2DSL: LLM 기반 도메인 특화 언어 (DSL) 코드 생성
자연어 설명을 통해 도메인 특화 언어(DSL) 코드를 자동 생성하는 Text2DSL 프레임워크와 PolkitBench 데이터셋을 제안합니다. AST 기반 파이프라인과 구조화된 컨텍스트 주입을 통해 LLM의 DSL 생성 성능을 획기적으로 향상시킬 수 있음을 입증했습니다.
최소화 편향(Minimization Bias) 우회: 비평형 상태의 국소 학습 계수(LLC)를 위한 이동 불변 분산
단일 학습 이론(SLT)에서 발생하는 최소화 편향 문제를 해결하기 위해 이동 불변 분산 추정기(SIVE)를 제안합니다. SIVE는 미지의 손실 기준선을 제거하여 비평형 상태에서도 정확한 국소 학습 계수(LLC)를 측정할 수 있게 합니다.
전이 학습 (Transfer Learning)을 이용한 계산 효율적인 CNN 기반의 다중 암 탐지
전이 학습을 활용하여 계산 효율성을 높인 경량 CNN 기반의 다중 암 탐지 모델을 제안합니다. MRI 및 CT 영상을 활용한 실험 결과, 기존 SOTA 모델 대비 우수한 성능을 보이면서도 낮은 계산 복잡도로 자원 제한 환경에서의 활용 가능성을 입증했습니다.
evanlong-me/claude-code-usage
Claude Code의 사용 통계와 비용을 로컬에서 안전하게 분석할 수 있는 경량 CLI 도구입니다. API 키 없이 로컬 데이터를 읽어 토큰 사용량과 비용을 상세히 추적하고 필터링할 수 있습니다.
Softmax Attention 모델에서의 점근적 신호 부분 공간 회복 (Asymptotic Signal Subspace Recovery)
Softmax Attention 모델이 학습 과정에서 어떻게 정보성 토큰을 식별하는지 이론적으로 분석한 연구입니다. 확률적 근사 및 동역학계 이론을 통해 쿼리 벡터가 신호 부분 공간으로 수렴함을 수학적으로 증명했습니다.
QeHDC: 양자 강화 결합(Quantum-enhanced binding) 및 슈퍼클래스 구축(SuperClass Construction)
양자 역학적 특성을 활용하여 초차원 컴퓨팅(HDC)의 효율성을 높인 QeHDC 프레임워크를 제안합니다. 정현파 및 양자 인코딩을 통한 원패스 학습과 밀도 행렬 기반의 슈퍼클래스 생성 전략을 통해 기존 방식보다 우수한 성능과 견고성을 입증했습니다.
그래프 인지 LoRA 생성을 통한 그래프 작업을 위한 LLM 강화
GNN의 낮은 전이 가능성을 극복하기 위해 언어 모델을 그래프 작업에 적응시키는 새로운 패러다임인 GaRA를 제안합니다. GaRA는 그래프 구조를 조건으로 LoRA 가중치를 생성하여 전체 그래프 정보를 주입하며, 제로샷 성능에서 기존 모델을 능가합니다.
분산의 함정 탈출하기: 근 찾기 이중 레벨 최적화(Root-Finding Bilevel Optimization)를 위한
기존 이중 레벨 최소화 방식이 확률적 환경에서 노이즈를 증폭시키는 '분산의 함정' 문제를 해결하기 위해, 근 찾기 이중 레벨 최적화(RF-BO) 프레임워크를 제안합니다. TTSA를 활용한 Jacobian-free 솔루션을 통해 강화학습, GAN, SimCLR 등 다양한 작업에서 수렴 안정성과 성능을 크게 향상시켰습니다.
$π$-RAG: 대규모 언어 모델(LLM)을 위한 의미론적 양자화 및 초월적 주소 지정 기반의 망각형 검색
$π$-RAG는 LLM이 민감한 데이터에 직접 접근하지 못하도록 수학적 불변성을 활용한 망각형 검색 아키텍처를 제안합니다. $π$를 이용한 초월적 엔트로피와 의미론적 양자화를 통해 데이터 보안을 강화하고 프라이버시를 보장합니다.
분포 인지형 강건한 이층 최적화: Two-Timescale Stochastic Approximation에서의 분위수 가이드 Huber 업데이트
헤비테일 노이즈 환경에서 이층 최적화(Bilevel Optimization)의 불안정성을 해결하기 위한 RQ-TTSA 프레임워크를 제안합니다. 이동 분위수를 활용한 적응형 Huber 클리핑을 통해 최적화 기하학을 보존하며 안정적인 수렴을 보장합니다.
이 피드 구독하기
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.