· ai
[Paper] 희소성을 보상하기: LLM에서 창의적 문제 해결을 위한 유니크성 인식 RL
강화 학습(RL)은 특히 복잡한 추론 작업에 대해 사후 훈련된 대형 언어 모델(LLMs)의 핵심 패러다임이 되었지만, 종종…
-
- · ai
[Paper] Non-Stationary Bandits를 통한 분산 Edge Networks에서의 Adaptive Requesting
우리는 edge networks로 구성된 환경에서 time-sensitive clients의 information freshness를 최적화하는 것을 목표로 하는 decentralized collaborative requesting problem을 연구한다.
- · ai
[Paper] M3CoTBench: 의료 영상 이해에서 MLLMs의 Chain-of-Thought 벤치마크
Chain-of-Thought (CoT) 추론은 단계별 중간 추론을 장려함으로써 대규모 언어 모델을 향상시키는 데 효과적인 것으로 입증되었으며, 최근의 발전…
- · ai
[Paper] 공간적 맥락이 텍스트와 원격 탐사의 통합을 개선하여 환경 변수 매핑을 향상시킨다
최근 natural language processing의 발전은 텍스트를 생태학을 위한 새로운 데이터 소스로 부각시킨다. 텍스트 자원은 고유한 정보를 담고 있어…
- · ai
[Paper] 검색할 것인가, 생각할 것인가? Agentic Approach for Context Evolution
현재 컨텍스트 증강 방법, 예를 들어 retrieval-augmented generation과 같은 방법은 지식 집약적 추론 작업을 해결하는 데 필수적입니다.하지만, 그들은 일반적으로...
- · ai
[Paper] TableCache: 저지연 Text-to-SQL을 위한 Primary Foreign Key 기반 KV Cache 사전 계산
Text-to-SQL 작업에서 기존 LLM 기반 방법은 종종 프롬프트에 방대한 데이터베이스 스키마를 포함하여, 긴 컨텍스트 길이와 증가된 prefilling 비용을 초래합니다.
- · ai
[Paper] 잠재적 의도 추론: LLM 에이전트의 Attributional 자연어 추론
Attributional inference, 관찰된 행동 뒤에 있는 latent intentions를 예측하는 능력은 large language models에게 중요한 동시에 아직 충분히 탐구되지 않은 역량이다 ...
- · ai
[Paper] 행에서 추론으로: 스프레드시트 이해를 위한 Retrieval-Augmented Multimodal Framework
대규모 언어 모델(LLMs)은 수천 개의 숫자 행과 여러 연결된 시트가 포함된 대규모 기업 스프레드시트를 추론하는 데 어려움을 겪으며, 임베드…
- · ai
[Paper] TerraFormer: 정책 기반 검증자 피드백을 통해 파인튜닝된 LLM을 활용한 자동화 Infrastructure-as-Code
Infrastructure-as-Code (IaC)를 자동화하는 것은 어려우며, 대형 언어 모델(LLMs)은 종종 자연어(NL)로부터 잘못된 구성을 생성합니다. 우리는 …
- · ai
[Paper] 의사결정에서 양자화된 활성 성분을 활용한 Explainable AI의 새로운 접근법
인공지능(AI) 시스템은 분류 작업에서 좋은 성공을 보여왔습니다. 그러나 explainability의 부족은 특히 진정하고 중요한 도전 과제입니다.
- · software
[Paper] ‘Revisiting Neuron Coverage for DNN Testing: A Layer‑Wise and Distribution‑Aware Criterion’ 재검토: DNN 커버리지 테스트에 대한 비판적 검토와 시사점
우리는 Yuan 등(2023년 ICSE)에서 제시한 최신 DNN 커버리지 기준인 Neural Coverage(NLC)에 대한 비판적 리뷰를 제시한다. NLC는 여덟 가지를 만족시키려고 제안한다.
- · 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...