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] 외부 가이드 넘어: 향상된 학습을 위한 Diffusion Transformers 내부 의미 풍부성 발휘

최근 REPA와 같은 연구들은 외부 의미적 특징(e.g., DINO)으로 diffusion 모델을 안내하는 것이 diffusion 모델의 학습을 크게 가속화할 수 있음을 보여주었다.

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] Narrative Twins와 Contrastive Learning을 이용한 Story Salience 모델링

이야기의 전개에 가장 중요한 사건을 식별하는 것이 서사를 이해하는 데 필요합니다. 우리는 모델링을 위한 contrastive learning framework를 제시합니다.

1주 전 · ai

[Paper] Video Evidence를 활용한 Reasoning: Explicit Evidence Grounding을 통한 Efficient Video Understanding

Large Vision-Language Models (LVLMs)은 비디오 추론에서 근본적인 딜레마에 직면해 있습니다: 이들은 장황한 추론의 과도한 계산 비용과 … 사이에 끼어 있습니다.

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] 구조 우선, 추론 다음: 금융 문서에서 수치 추론을 위한 지식 그래프를 활용한 대형 언어 모델 강화

Numerical reasoning은 재무 문서 분석에서 중요한 작업입니다. 이는 논리적 일관성을 갖춘 수치 예측을 이해하고 수행하는 데 도움이 됩니다.

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] Wasserstein metric을 이용한 2D 곡선 분류에 대한 연구

본 연구에서는 분류를 지정된 부분(조각)으로 집중시킬 수 있는 Wasserstein distance의 여러 변형을 분석한다.

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 ...