Cartesian Genetic Programming은 전통적으로 변이를 주요하고 종종 유일한 유전 연산자로 사용하여 진화적 탐색을 진행해 왔습니다. 발전에도 불구하고...

REST API가 소프트웨어 시스템에서 점점 더 중요한 부분이 되면서, 그 검증이 더욱 중요해지고 있습니다. 따라서 테스트와 근본적인 i...

대규모 벤치마킹에서 stochastic optimization algorithms의 경우, 핵심 과제는 이제 신뢰성을 위해 repeated runs가 필요한지 여부가 아니라, 어떻게 d...

현대의 대형 언어 모델(LLM) 추론은 모델 크기의 증가와 엄격한 TTFT 및 TPOT 서비스 수준 목표에 맞추기 위해 점진적으로 분산화되어 왔습니다.

카파시가 Anthropic에 합류해 Claude를 훈련하기 위해 Claude를 사용한 커버 이미지 https://media2.dev.to/dynamic/image/width=1000,height=420,fit=cover,gravity=auto,format=a...

Evolutionary computation은 복잡한 실제 최적화 문제를 해결하기 위한 다양한 도구를 제공합니다. 그러나 연구는 종종 더 작고 단순화된 프로...

대규모 언어 모델 에이전트는 점점 더 운영 작업을 수행할 것으로 기대되고 있습니다: API 호출, 파일 조작, 워크플로우 조립, 그리고 엔터…

!Hussein Mahdihttps://media2.dev.to/dynamic/image/width=50,height=50,fit=cover,gravity=auto,format=auto/https%3A%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%...

대형 언어 모델(LLM) 에이전트는 복잡한 작업을 해결하기 위해 재사용 가능한 스킬에 의존합니다. 그러나 기존의 스킬 생성 접근 방식은 스킬을 독립적이고 정적인 것으로 취급합니다.

Vision-language models (VLMs)는 일반적으로 시각적 grounding과 detection을 좌표 토큰 생성 문제로 공식화하여, 각 2D 박스를 여러 …

현대 검색 에이전트는 LLM, retriever, 문서 수, hop 수, synthesis strategy 등 많은 구성 옵션을 제공하며, 각각이 ...을 형성합니다.

세포 연구 및 개발(R&D)은 각 반복마다 수개월에 달하는 수동 엔지니어링 작업을 소모하는 여섯 가지 구조적 프로세스에 의해 제한됩니다: (i) synt...

Mixture-of-Experts (MoE)는 수백억 파라미터 언어 모델의 사실상 표준 아키텍처가 되었지만, 서브-억 규모에서 on‑dev에 대한 장점은…

모델 내부는 대규모 언어 모델(LLM)이 훈련 데이터를 처리하는 방식에 대한 풍부한 정보를 인코딩합니다; 그러나 post‑training data engineering은 주로 …

Discrete diffusion models는 텍스트 및 기타 기호 영역에서 강력한 경험적 성능을 달성했지만, 특히 uniform-rate models의 경우, 종종 요구한다...

최근 생성 모델들은 저수준 아티팩트—pixel fingerprints, frequency anomalies, upsampling traces—에 대한 격차를 크게 좁혔으며, 특히 ...

Diffusion 모델은 고품질 이미지 생성 및 편집을 위한 강력한 도구로 부상했지만, 이러한 모델을 특정 출력으로 유도하는 것은 여전히 ​​도전 과제입니다.

확률적 스무딩은 전역 최적화를 위한 표준 도구이지만, 기존 방법들은 Gaussian 커널과 특정 변환에 의존하며, 종종 …

우리는 전체 볼륨에 대해 하나의 binary label만 사용하고 각 2D slice마다 라벨을 부여하는 것이 아니라, 3D medical images에 대한 분류기를 학습하는 것을 고려한다. 이러한 weakly supervised 상황에서...

Fine-grained Mixture-of-Experts (MoE) 모델은 토큰당 소수의 전문가만을 희소하게 활성화하여, 활성화된 연산량을 줄이면서도 높은 모델 c...

신경망은 서로 다른 아키텍처로 학습된 네트워크들 간에 정렬된, 즉 구조적으로 유사한 latent representations를 개발하는 것으로 알려져 있다, ...

고위험 분야에 배치된 LLM은 근본적인 신뢰성 문제에 직면합니다: 환각, 불일치, 그리고 프라이버시 취약점이 용납할 수 없는…

Large Language Models (LLMs)은 자연어 프롬프트에서 기능적인 source code를 생성할 수 있지만, 종종 higher‑level architectural 원칙을 일관되게 따르지 못합니다.

LLMs는 이제 전체 HTML 페이지를 생성할 수 있지만, 그 페이지들 중 많은 부분이 겉보기만 맞습니다: 한 번 렌더링된 뒤 스크롤, hover, click, resize 등에서 실패합니다, 혹은…

자동화된 프롬프트 최적화 방법(예: DSpy, TextGrad)은 대형 언어 모델(LLM)의 성능을 크게 향상시킬 수 있지만, 그들의 일반화…

대규모 배치 Contrastive Learning (CL)은 현대 표현 학습의 기반이지만, 변동적인 자원 제약과는 근본적으로 호환되지 않는다.

우리는 Unified Neural Scaling Law (UNSL)이라고 부르는 함수 형태를 제시하며, 이는 딥 뉴럴 네트워크의 스케일링 행동을 정확하게 모델링하고 외삽합니다.

우리는 MobileGym을 소개한다. 이는 브라우저‑호스팅된 lightweight, fully controllable 환경으로, 일상적인 모바일 사용을 위해 interaction fidelity를 목표로 하면서 복제하지 않는다.

주제 기반 이미지 생성은 주어진 대상의 정체성을 유지하면서 텍스트 지침을 따르는 새로운 이미지를 합성하는 것을 목표로 합니다. 기존 앱...

Multimodal Large Language Models (MLLMs)은 다양한 작업을 통합된 instruction‑following 프레임워크로 재구성하고 instruction tuning을 통해 다재다능성을 달성합니다.

Masked diffusion models (MDMs)은 언어 모델링을 위한 autoregressive 모델에 대한 유망한 대안으로 부상했지만, transformer a…

Transformer 기반 대형 언어 모델은 장기 과제에 점점 더 많이 사용되고 있지만, 이들의 attention 메커니즘은 context length가 늘어남에 따라 확장성이 좋지 않습니다. To h...

대형 언어 모델(LLMs) 및 비전 트랜스포머(ViTs)를 엣지 디바이스에 배포하는 것은 메모리 제한과 중요한 …

딥 리서치 에이전트는 방대하고 상호 의존적이며 광범위하게 불확실한 정보를 마주합니다. 기존 시스템은 진화하는 중간 표현이 무엇이어야 하는지를 탐구합니다.

기존 금융 NLP 벤치마크는 종종 외부 관찰자가 제공한 라벨에 의존하여, 화자가 실제로 전달하려는 내용보다는 언어가 어떻게 인식되는지를 측정합니다.

LLM 판사를 특정 작업이나 도메인에 맞게 맞춤화하려면 종종 프롬프트를 여러 평가 기준에 걸쳐 동시에 최적화해야 합니다. Textual gradient ...

Federated edge learning (FEEL)은 최근 협업 모델 훈련을 가능하게 함으로써 edge intelligence (EI)를 달성하기 위한 유망한 패러다임으로 부상하고 있습니다.

임베디드 엣지 디바이스에 걸쳐 Transformer 추론을 분산시키면 개별 메모리 및 연산 제약을 완화할 수 있지만, 실제 하드웨어에서의 실질적인 이점은 …

AI-native 소프트웨어 개발은 종종 개별 모델, 프롬프트, 혹은 생성된 아티팩트 수준에서 평가됩니다. 이러한 프레이밍은 프로덕션에 충분하지 않습니다.

우리는 대칭 다항식 (displaystyle prod_{alphain A_{n,d}}bigl(1+alpha_{1}x_{1}+cdots+alpha_{n}x_{n}bigr))를 연구한다. 여기서 (A_{n,d}:={alphainmathbb{Z}_{ge 0}^{n}mid |alpha|=d})이며, 이는 total Chern class이다.

현재 에이전트 스킬은 수작업으로 제작되거나, 원샷으로 생성되거나, 느슨하게 제어된 self-revision을 통해 진화하지만, 이들 중 어느 것도 deep-learning 최적화처럼 동작하지 않는다…

대규모 언어 모델(Large Language Models, LLMs)에 대한 기존 스케일링 법칙은 주로 단조적인 멱법칙이며, 재앙적인 비단조 현상 등을 설명하지 못한다.

언어 에이전트는 과거 경험에서 추출된 구조화된 절차적 아티팩트를 재사용함으로써 점점 더 향상됩니다. 특히, 도메인 수준 및 모델‑...

Vision-Language Models (VLMs)는 점점 더 구현된 환경에 배치되고 있으며, 이들 환경에서는 행동 크기와 공간적 ...와 같은 수치 출력을 생성해야 합니다.

Multimodal Large Language Models는 visual reasoning을 발전시켰지만, 순수 텍스트 기반 chain of thought는 fine‑grained 정보를 필요로 하는 질문에 여전히 병목 현상으로 남아 있다.

우리는 Complete-muE라는 프레임워크를 제안한다. 이 프레임워크는 transformer 블록의 dense FFN과 모든 Mixture-of-Experts (MoE) 설정 간의 하이퍼파라미터 전이를 목표로 한다. Exist...

Visual geometry transformers는 다중 뷰 3D 재구성을 위한 강력한 아키텍처가 되었으며, 피드-...에서 여러 3D 속성을 공동으로 예측할 수 있게 합니다.

Temporal knowledge-graph 데이터 마켓플레이스는 정적 설계에서 세 가지 결합된 실패에 직면한다: 하이브리드 인덱스 바로가기가 오래되어 엣지가 진화함에 따라 리콜이 감소하고, 정적인…