Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
유한 정밀도 환경에서 Tanh 신경망 학습의 한계
유한 정밀도 환경에서 Tanh 활성화 함수를 사용하는 신경망 학습의 이론적 한계를 분석합니다. 샘플링 예산이 지수적으로 증가하지 않는 한, 특정 조건에서 수렴 속도가 몬테카를로 속도를 초과할 수 없음을 증명합니다.
특징 융합(Feature Fusion)을 이용한 멀티모달 뇌종양 분류
본 연구는 MRI 영상과 라디오믹 특징을 결합한 이중 분기 멀티모달 네트워크를 통해 뇌종양 분류 성능을 높이는 방법을 제안합니다. CNN과 MLP를 활용한 다양한 특징 융합 전략을 실험한 결과, 게이팅 융합 방식이 96.13%의 최고 정확도를 기록했습니다.
온라인 플랫폼에서의 데이터 기반 동적 상품 구성: 양면 시장에 대한 학습
양면 시장 플랫폼에서 고객과 판매자의 선택 파라미터를 모르는 상태로 동적 상품 구성을 최적화하는 연구를 다룹니다. 데이터 기반 알고리즘을 통해 수익을 최적화하며, 전지적 벤치마크 대비 후회(regret)의 최적성을 입증했습니다.
Feedback Alignment에서의 랭크 붕괴(Rank Collapse) 극복
Feedback Alignment(FA) 학습 시 발생하는 랭크 붕괴 문제를 분석하고, 이를 해결하기 위한 연구를 소개합니다. Muon 옵티마이저와 은닉 활성화 정규화를 통해 FA의 유효 차원을 높여 더 깊은 아키텍처에서도 성능을 개선할 수 있음을 입증했습니다.
DMT: PPG 신호로부터 커프리스 혈압 추정을 위한 인구통계학적 조건부 및 형태학 강화 Transformer
PPG 신호를 활용해 커프리스 혈압을 추정하는 Transformer 기반의 새로운 네트워크인 DMT를 제안합니다. 인구통계학적 정보를 특징 변조 방식으로 통합하고 보조 형태학 헤드를 통해 파형의 특징을 학습하여 혈압 추정의 정확도를 크게 높였습니다.
쿼리를 이용한 일반 ReLU의 강건한 회귀 (Robust Regression of General ReLUs with Queries)
가우시안 분포 하에서 일반적인 ReLU 함수를 학습하기 위한 쿼리 기반 상호작용 설정의 연구입니다. 블랙박스 레이블 쿼리를 사용하여 기존 수동적 학습보다 효율적인 계산 복잡도를 달성하는 최초의 학습기를 제안합니다.
OncoTraj: osimertinib 처방을 받는 EGFR 변이 비소세포폐암의 종단적 저항성 예측을 위한 공개 벤치마크
EGFR 변이 비소세포폐암 환자의 osimertinib 저항성을 예측하기 위한 공개 벤치마크인 OncoTraj를 소개합니다. 813명의 임상-유전체 데이터를 통합하여 질병 진행 여부, 진행 시간, 저항성 기전을 예측하는 세 가지 과업을 정의합니다.
1차 궤적 매칭 (First-Order Trajectory Matching): 혼돈적, 난류적, 확률적 시스템의 빠른 앙상블 예측
확률적 시스템의 궤적을 통해 확률 질량의 1차 국소 수송을 학습하는 FTM(First-Order Trajectory Matching) 방법론을 제안합니다. 이 방식은 드리프트나 확산 추정 없이 전류 속도를 직접 학습하여 효율적인 앙상블 예측을 가능하게 합니다.
Massart 노이즈가 존재하는 상황에서 표류하는 하프스페이스(Halfspaces)의 효율적인 학습
Massart 노이즈가 존재하는 환경에서 변화하는 타겟 개념(drifting concept)을 학습하는 하프스페이스의 효율적인 학습 알고리즘을 연구합니다. 제안된 학습자는 노이즈율, 표류율, 마진을 고려한 오차 범위를 달성하며, 정보-계산 트레이드오프를 통해 알고리즘의 최적성을 증명합니다.
임의 단계 SDE를 위한 Itô map
본 논문은 단일 단계 생성 모델의 한계를 극복하기 위해 임의 단계 확률 흐름 맵인 Itô map을 제안합니다. 이는 브라운 운동 경로를 입력받아 단 한 번의 통과로 미래 상태를 예측하며, 사후 샘플링 및 확률 제어를 위한 새로운 방법론을 제시합니다.
언제 정렬(Align)하고 언제 예측(Predict)할 것인가: 멀티모달 학습을 위한 상도표 (Phase Diagram)
멀티모달 학습의 두 핵심 패러다임인 정렬(Alignment)과 예측(Prediction)의 성공 조건을 분석하는 통합 선형 프레임워크를 제안합니다. 상도표(Phase Diagram)를 통해 데이터 특성에 따라 어떤 학습 방식이 적합한지 진단할 수 있는 체계적인 가이드를 제공합니다.
COGENT: 불규칙한 지리 공간 메쉬에서의 장기 물리 예측을 위한 Neural Ordinary Differential Equations 기반
불규칙한 지리 공간 메쉬에서 장기 물리 예측을 수행하는 연속 그래프 에뮬레이터 COGENT를 제안합니다. Neural ODEs를 활용하여 고정된 시간 간격에 제한되지 않고 임의의 시점에서 물리적 상태를 예측할 수 있는 프레임워크를 구축했습니다.
커널 밴딧(Kernel Bandits)에서의 알고리즘 및 미니맥스 복잡도
본 논문은 GP-UCB와 DEC 방식을 알고리즘 정보 언어로 통합하여 빈도주의적 RKHS 밴딧을 분석합니다. 통합된 MAIR 프레임워크를 통해 두 방식의 장점을 결합한 새로운 알고리즘을 제안하며, 커널 밴딧 환경에서 알고리즘 복잡도와 미니맥스 계수의 차이를 수학적으로 규명합니다.
추론 모델의 미래 행동 예측을 통한 향상된 스티어링 (Steering) 방법론
대규모 추론 모델(LRM)의 출력을 제어할 때 발생하는 품질 저하 문제를 해결하기 위해, 기존의 감지 특징 대신 미래 행동을 예측하는 내부 예측 특징을 활용하는 방법론을 제안합니다. 새로운 FPCG 기법은 출력 품질을 유지하면서도 정교한 스티어링을 가능하게 합니다.
가드레일(Guardrails) 연결하기
GitHub Actions를 활용하여 CI 파이프라인에 가드레일을 구축하고, 코드 변경 시 사양 스택을 자동으로 검증하는 과정을 다룹니다. Claude Code를 사용하여 기존 테스트 실패 사례를 해결하고 하위 호환성을 유지하며 파이프라인을 안정화하는 실무적 경험을 공유합니다.
선택적 문서 가져오기에서 비용이 많이 드는 부분은 파일이 아니라 커밋입니다
대규모 리포지토리에서 문서를 선택적으로 가져올 때 발생하는 병목 현상이 파일 내용이 아닌 커밋 히스토리 탐색에 있음을 밝힙니다. 이를 해결하기 위해 파일 대신 불변하는 커밋 메타데이터를 캐싱하고, 커밋 디프(diff)를 활용한 점진적 업데이트 방식을 제안합니다.
문서 이동 시에도 깨지지 않는 링크
문서의 파일 경로가 변경되더라도 링크가 깨지지 않도록 '정체성(Identity)' 기반의 링크 시스템을 구축하는 방법을 설명합니다. Git의 커밋 디프(commit diff)를 활용하여 파일 이동을 감지하고, 고유한 fileId를 유지함으로써 안정적인 딥링크를 구현하는 기술적 접근법을 다룹니다.
바이브 코딩(Vibe Coding)이란 무엇인가? 왜 수백만 명의 개발자들이 이를 사용하고 있는가?
Andrej Karpathy가 제안한 '바이브 코딩(Vibe Coding)'은 자연어로 의도를 설명하고 AI가 생성한 결과물을 확인하며 개발하는 새로운 패러다임입니다. 코드를 직접 작성하는 대신 결과물의 느낌(Vibe)에 집중하며, MVP 구축이나 프로토타이핑에 매우 효율적입니다.
1인 기업(One Person Company)이란 무엇인가? — 왜 2026년에 1,600만 명이 이를 선택했는가
새로운 회사법 시행에 따라 1인 기업(OPC)의 법적 제약이 완화되면서 2026년까지 1,600만 개로 급증할 전망입니다. 1인 기업은 독립된 법적 실체로서 개인 사업자와 차별화되는 권한을 가지며, 주주가 재정적 독립성을 증명해야 하는 입증 책임의 전환이라는 특징이 있습니다.
AI 코딩 에이전트를 투명하게 만들기 - 모델에 실제로 무엇을 보내는지 확인하세요
AI 코딩 에이전트의 내부 동작을 투명하게 확인할 수 있는 로컬 도구인 ccglass를 소개합니다. 이 도구는 역방향 프록시를 통해 시스템 프롬프트, 메시지 히스토리, 도구 호출 및 토큰 비용을 웹 대시보드에서 시각화해 줍니다.
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.