현대 AI 시스템의 놀라운 성능은 전례 없는 규모의 데이터, computation, energy에 의해 촉진되었습니다—필요한 자원을 훨씬 초과합니다.

Transformer 모델은 좌표 의존적 표현과 연속 대칭에서 발생하는 상당한 내부 중복성을 모델 공간 및 …에서 가지고 있다.

embodied agents가 VR, telepresence, 그리고 digital human 애플리케이션의 중심이 됨에 따라, 그들의 움직임은 speech-aligned gestures를 넘어야 합니다: agents는 turn t...

대형 언어 모델(LLMs)은 수학 및 코딩과 같은 다양한 분야에서 추론 작업에 큰 진전을 이루었습니다. 그러나 그들의 성능...

Autonomous (noise-agnostic) 생성 모델인 Equilibrium Matching과 blind diffusion은 단일, 시간 불변...

Integral Field Spectroscopy (IFS) 설문조사는 공간 및 분광 차원 모두에서 학습할 수 있는 독특한 새로운 환경을 제공하며, pre… 를 밝히는 데 도움이 될 수 있습니다.

다양한 문서를 포괄적으로 검색하는 것은 다양한 정답이 가능한 질의에 대응하기 위해 필수적입니다. 우리는 retrieve-verify-retrieve (RVR)를 소개합니다.

이 연구는 대규모 언어 모델(LLM) 압축을 위해 분산을 유지한 특이값 벡터를 결합한 앙상블 기법인 SPQ(SVD‑Pruning‑Quantization)를 제시한다.

이 논문은 U(d)의 닫힌 부분군 위에 숨겨진 상태를 갖는 시퀀스 모델에 대한 직접적인 프레임워크를 제시한다. 우리는 최소한의 공리적 설정을 사용하고 재귀적인…

그래프 신경망(GNN)의 표현력은 종종 Weisfeiler-Leman(WL) 알고리즘 및 first-order logic의 조각들과의 대응을 통해 분석됩니다.

딥러닝이 컴퓨터 비전에서 성공을 거두었음에도 불구하고, 학습 중에 거의 보지 못한 그룹 대칭 변환을 겪은 객체를 인식하는 데 어려움이 지속됩니다. 기존 방법들은 데이터 증강에 의존하는데, 이는 계산 비용이 많이 들고 범위가 제한적이며, 혹은 견고함이 부족한 수작업 특징에 의존합니다. 본 연구에서는 보다 넓은 범위의 변환에 대한 불변성을 달성하기 위해 그룹-에퀴베리언트 컨볼루션과 어텐션 메커니즘을 통합한 새로운 아키텍처를 제안합니다. 우리의 모델은 제어된 변환을 가진 합성 데이터셋으로 학습되고 실제 벤치마크에서 평가되어, 최신 최첨단 베이스라인 대비 top-1 accuracy에서 12% 향상을 보여줍니다.

주 엔진 출력의 정확한 예측은 선박 성능 최적화, 연료 효율성 및 배출 규제 준수에 필수적이다. Convention...