1주 전 · ai

[Paper] 신뢰 함정: LLM에서의 성 편향과 예측 확신

민감한 분야에서 Large Language Models (LLMs)의 사용이 증가함에 따라, 그들의 confidence scores가 fairness와 bias에 어떻게 대응하는지에 대한 관심이 커지고 있다....

1주 전 · ai

[Paper] 멀티홉 추론을 위한 Kinship 데이터 벤치마크

Large language models (LLMs)은 다중 홉 추론을 수행하는 능력, 즉 여러 정보 조각을 결합하는 능력에 대해 점점 더 평가되고 있습니다…

1주 전 · ai

[Paper] 시스템 로그 심각도 분류에 대한 소형 언어 모델 및 소형 추론 언어 모델 벤치마킹

시스템 로그는 모니터링 및 진단을 위해 현대 컴퓨팅 인프라에서 필수적이지만, 그 규모와 복잡성 때문에 신뢰할 수 있고 효율적인 자동화된 i...

1주 전 · ai

[Paper] 단일 샷을 넘어: Multi-step Tool Retrieval via Query Planning

대규모이며 동적인 툴 라이브러리를 활용하는 LLM agents는 효과적인 검색에 의존하지만, 표준 단일 샷 dense retrievers는 복잡한 요청을 처리하는 데 어려움을 겪는다....

1주 전 · ai

[Paper] OS-Symphony: 견고하고 범용적인 컴퓨터 활용 에이전트를 위한 전체론적 프레임워크

Vision-Language Models (VLMs)가 Computer-Using Agents (CUAs)를 크게 발전시켰지만, 현재 프레임워크는 장기 작업 흐름에서 견고성에 어려움을 겪고 있습니다...

1주 전 · ai

[Paper] DT-ICU: 다중 모달 및 다중 작업 반복 추론을 통한 ICU 환자 모니터링을 위한 설명 가능한 Digital Twins

우리는 중환자실에서 지속적인 위험 추정을 위한 다중모달 디지털 트윈 프레임워크인 DT-ICU를 소개한다. DT-ICU는 가변 길이의 임상 시계열 데이터를 통합한다.

1주 전 · ai

[Paper] LLM 결정이 언어적 자신감에 충실한가?

대형 언어 모델(LLMs)은 자신의 불확실성에 대해 놀라울 정도로 정교한 추정치를 제공할 수 있다. 그러나 이러한 표현이 어느 정도까지 유효한지는 아직 명확하지 않다.

1주 전 · ai

[Paper] Free-RBF-KAN: 효율적인 함수 학습을 위한 적응형 Radial Basis Functions를 이용한 Kolmogorov‑Arnold Networks

Kolmogorov-Arnold Networks (KANs)는 복잡한 비선형 함수를 효율적으로 근사하는 데 강력한 잠재력을 보여주었습니다. 그러나 원래 KAN 공식은 …

1주 전 · ai

[Paper] Learning to bin: 미분 가능 및 베이지안 최적화를 활용한 고에너지 물리학의 다차원 판별기

discriminant observables를 사용하여 이벤트를 분류하는 것은 많은 high-energy physics 분석의 핵심입니다. 그러나 bin boundaries는 종종 수작업으로 선택됩니다. 간단하고, 대중적인…

1주 전 · ai

[Paper] Bregman Divergence 하에서의 Riesz Representer Fitting: Debiased Machine Learning을 위한 통합 프레임워크

Riesz representer를 추정하는 것은 인과 및 구조 파라미터 추정을 위한 디바이어스드 머신러닝에서 중심적인 문제입니다. Riesz representer에 대한 다양한 방법…

1주 전 · ai

[Paper] Adaptive Temperature Control를 활용한 Contrastive Learning의 Domain Generalization 개선

Self-supervised pre-training with contrastive learning은 sparsely labeled data로부터 학습하기 위한 강력한 방법입니다. 그러나 성능이 크게 떨어질 수 있습니다 ...

1주 전 · ai

[Paper] 비주얼 언어 모델의 인코딩 능력 평가: 비일상적 행동을 이용하여

우리는 UAIT(Uncommon-sense Action Image-Text) 데이터셋을 제안한다. 이는 시각 언어 모델의 의미 이해 능력을 테스트하기 위해 설계된 새로운 평가 벤치마크이다.