6일 전 · ai

[Paper] Non-Ergodic 상황에서 Deep Reinforcement Learning을 위한 Model-Agnostic 솔루션

강화 학습(Reinforcement Learning, RL)은 머신러닝에서 중심적인 최적화 프레임워크로 남아 있습니다. RL 에이전트가 최적 솔루션에 수렴할 수 있지만, 정의는...

6일 전 · ai

[Paper] 회귀를 위한 커널 학습: 양자 어닐링 기반 스펙트럴 샘플링

양자 어닐링(QA)은 조합 최적화를 위해 개발되었지만, 실제 QA 장치는 유한 온도와 잡음 하에서 동작하며, 그들의 …

6일 전 · ai

[Paper] 신경 조합 최적화를 위한 인구 기반 아키텍처 활성화

Neural Combinatorial Optimization (NCO)는 주로 단일 후보 솔루션에 대해 한 번에 작동하는 정책, 일반적으로 neural networks, 을 학습하는 데 초점을 맞추어 왔습니다.

6일 전 · ai

[Paper] 학습자 맞춤형 프로그램 수리: 반복 편집 기반 검색 강화가 포함된 솔루션 생성기

프로그래밍 분야에서 대규모 언어 모델(LLMs)의 개발과 함께, 지능형 프로그래밍 코칭 시스템이 널리 주목받고 있습니다. How...

6일 전 · ai

왜 당신의 ML 모델은 훈련에서는 작동하지만 프로덕션에서는 실패할까

데이터 누수, 기본값 오류, 인구 변동, 그리고 시간이 우리가 기대하는 대로 작동하지 않는 생산 ML 시스템을 구축하면서 얻은 어려운 교훈. 포스트 “Why You…”

6일 전 · ai

[Paper] 스파이킹 신경망에서 빠른 로컬 학습을 위한 Supervised Spike Agreement Dependent Plasticity

Spike-Timing-Dependent Plasticity (STDP)는 스파이킹 신경망(SNN)에 대한 생물학적으로 기반한 학습 규칙을 제공하지만, 정확한 스파이크 타이밍에 의존한다...

1주 전 · ai

[Paper] 계층적 온라인 스케줄링을 이용한 에너지 효율적인 Split Inference와 Progressive Transmission

Device‑edge 협업 추론은 Deep Neural Networks (DNNs)에서 accuracy, latency 및 energy consumption 사이의 근본적인 trade‑off에 직면합니다. Current scheduling…

1주 전 · ai

리그 오브 레전드 게임에서 실제로 승리하는 요인은? 250K 경기의 ML 분석

리그 승리 뒤의 과학

1주 전 · ai

[Paper] 확률 미분 방정식의 완전 분해

우리는 지정된 시간 의존적 주변 분포를 가진 모든 stochastic differential equation이 세 구성 요소로 분해될 수 있음을 보여준다: 고유한 s...

1주 전 · ai

[Paper] MHLA: Token-Level Multi-Head를 통한 Linear Attention의 표현력 복원

Transformer 아키텍처가 많은 분야를 장악하고 있지만, 그 이차적인 self-attention 복잡도는 대규모 응용에서의 사용을 방해한다. Linear attention ...

1주 전 · ai

[Paper] 노력과 성능의 균형을 위한 최적의 Learning Rate Schedule

효율적으로 배우는 방법을 학습하는 것은 생물학적 에이전트에게는 근본적인 도전 과제이며 인공 에이전트에게는 점점 더 큰 관심사이다. 효과적으로 배우기 위해, 에이전트는 ...

1주 전 · ai

[Paper] Failure-Aware RL: 실제 환경 조작을 위한 Self‑Recovery 기반 신뢰성 있는 Offline-to-Online Reinforcement Learning

deep reinforcement learning 기반 사후 훈련 알고리즘은 generalizability, accuracy와 같은 특정 목표에 대해 robotic models의 한계를 확장할 수 있다...