3주 전 · ai

[Paper] High-Fidelity Digital Models와 Reinforcement Learning을 활용한 Mission Engineering: Perfect Information 하의 Aerial Firefighting 사례 연구

시스템 엔지니어링(SE) 목표가 단일 시스템의 설계 및 운영에서 복잡한 System of Systems(SoS)로 진화함에 따라, 미션 엔지니어링 분야는…

3주 전 · ai

[Paper] 자동화된 stereotactic radiosurgery 계획을 위한 human-in-the-loop 추론 large language model 에이전트

Stereotactic radiosurgery (SRS)는 중요한 구조물 주변에 정밀한 dose shaping을 요구하지만, black-box AI 시스템은 불투명성 때문에 임상 채택이 제한적이다 ...

3주 전 · ai

[Paper] Relu와 softplus 신경망을 제로섬 턴제 게임으로

우리는 ReLU 신경망의 출력이 제로섬, 턴제, 스톱핑 게임의 값으로 해석될 수 있음을 보여준다. 우리는 이를 ReLU net game이라고 부른다. …

3주 전 · ai

[Paper] LLM이 자신의 실패를 예측할 수 있을까? 내부 회로를 통한 자기 인식

Large language models (LLMs)는 유창하고 복잡한 출력을 생성하지만, 자신의 실수와 hallucinations를 인식하지 못하는 경우가 많다. 기존 접근 방식은 보통…

3주 전 · ai

[Paper] Gold-Standard 품질 메트릭을 활용한 ML 학습 데이터 개선

핸드 태깅된 훈련 데이터는 많은 머신러닝 작업에 필수적입니다. 그러나 훈련 데이터 품질 관리에 대해서는 문헌에서 거의 주목받지 못했습니다, d...

3주 전 · ai

[Paper] Performative Policy Gradient: Performative Reinforcement Learning에서의 최적성

배포 후 머신러닝 알고리즘은 종종 자신이 작동하는 환경에 영향을 미치며, 따라서 표준 강화학습이 가정하는 기본 역학을 변화시킵니다.

3주 전 · ai

[Paper] 빠르게 실패하고 크게 승리하라: Diffusion LLMs를 통한 Speculative Decoding에서 초안 전략 재고

Diffusion Large Language Models (dLLMs)는 빠르고 병렬적인 토큰 생성을 제공하지만, 단독으로 사용할 경우 효율성과 품질 사이의 내재된 트레이드오프에 시달립니다.

3주 전 · ai

[Paper] KL‑가이드 레이어 선택을 통한 하이브리드 어텐션 모델 디스틸링

사전 학습된 softmax attention Transformers를 softmax와 linear attention 레이어를 교차 배치하는 보다 효율적인 하이브리드 아키텍처로 증류하는 것은 유망한…

3주 전 · ai

[Paper] LEAD: End-to-End 운전에서 학습자‑전문가 비대칭 최소화

시뮬레이터는 사실상 무제한에 가까운 주행 데이터를 생성할 수 있지만, 시뮬레이션에서의 imitation learning 정책은 여전히 견고한 closed-loop performance를 달성하는 데 어려움을 겪는다.

3주 전 · ai

[Paper] Shallow Neural Networks가 Learnable Channel Attention을 통해 Low‑Degree Spherical Polynomials를 학습한다

우리는 차수 ℓ₀ = Θ(1) ≥ 1인 저차원 구면 다항식을 ℝ^d의 단위 구면 위에서 학습하는 문제를 연구한다. 이를 위해 과다 매개변수화된 모델을 훈련한다.

3주 전 · ai

[Paper] FlashVLM: 텍스트 가이드 시각 토큰 선택 for 대규모 멀티모달 모델

대규모 비전-언어 모델(VLM)은 일반적으로 이미지 또는 비디오 프레임당 수백에서 수천 개의 visual tokens를 처리하며, 이로 인해 제곱 규모의 attention 비용이 발생하고 ...

3주 전 · ai

[Paper] 4D에서 추론 학습: Vision Language Models를 위한 동적 공간 이해

Vision-language models (VLM)은 일반적인 이해에 뛰어나지만 동적 공간 추론(DSR), 즉 객체의 변화를 추론하는 데는 약합니다.