· ai
[Paper] 엔트로피에서 Epiplexity까지: 계산적으로 제한된 지능을 위한 정보 재고찰
우리는 데이터에서 생성 과정 자체에 존재했던 것보다 더 많은 것을 배울 수 있을까? 단순히 결정론적 변환을 적용하는 것만으로 새로운 유용한 정보를 만들 수 있을까?
-
- · ai
[Paper] MalruleLib: 대규모 실행 가능한 오개념 추론 및 단계 추적을 통한 수학에서 학생 사고 모델링
수학에서 학생들의 실수는 종종 체계적이다: 학습자는 일관되지만 잘못된 절차를 적용하고 이를 다양한 상황에서 반복한다. 우리는 MalruleLib를 소개한다…
- · ai
[Paper] 텍스트-이미지 Diffusion에서 Critic 기반 Reinforcement Unlearning
텍스트-이미지 디퓨전 모델에서 머신 언러닝은 전체 유용성을 유지하면서 목표 개념을 제거하는 것을 목표로 합니다. 기존 디퓨전 언러닝 방법은 일반적으로…
- · ai
[Paper] 소형 언어 모델을 효율적인 엔터프라이즈 검색 관련성 라벨러로 파인튜닝
엔터프라이즈 검색에서, 대규모로 고품질 데이터셋을 구축하는 것은 라벨링된 데이터를 확보하기 어려워서 여전히 핵심 과제입니다. 이 문제를 해결하기 위해…
- · ai
[Paper] UltraLogic: LLM 추론 강화를 위한 대규모 데이터 합성 및 Bipolar Float Reward
대형 언어 모델(LLMs)은 자연어 처리에서 상당한 잠재력을 보여주었지만, 다중 단계가 필요한 복잡한 일반 목적 추론은 ...
- · ai
[Paper] InfiAgent: 일반 목적 자율 에이전트를 위한 무한-시간 프레임워크
LLM 에이전트는 추론하고 도구를 사용할 수 있지만, 무제한 컨텍스트 증가와 누적 오류 때문에 장기 작업에서 종종 붕괴됩니다. 일반적인 해결책은 …
- · ai
[Paper] 반사실적 공정성 및 Graph Uncertainty
머신러닝(ML) 모델 편향을 평가하는 것은 신뢰할 수 있고 견고한 ML 시스템을 구축하는 데 핵심입니다. 반사실 공정성(CF) 감사는 편향을 측정할 수 있게 해줍니다.
- · ai
[Paper] 가중치 구조를 이용한 신경망의 재귀적 질의
machine learning models에 대한 표현력 있는 쿼리—이를 intentional data의 한 형태로 보는—는 declarative language를 사용하여 검증 및 해석을 가능하게 한다.
- · ai
[Paper] DIP: 동적 인-컨텍스트 플래너 for Diffusion Language Models
Diffusion language models (DLMs)는 in-context examples와 함께 일반 자연어 작업에 대해 강력한 잠재력을 보여주었습니다. 그러나 양방향 ...
- · ai
[Paper] MLLMs에서 신뢰할 수 있는 시각 중심 지시 수행 강화
Multimodal Large Language Models (MLLMs)의 instruction-following (IF) 능력을 평가하는 것은 모델이 얼마나 충실하게 … 를 엄밀히 평가하기 위해 필수적이다.
- · devops
[Paper] 소프트웨어 정의 Agentic 서빙
멀티 에이전트 LLM 파이프라인이 복잡해짐에 따라 기존 서빙 패러다임은 동적인 서빙 조건에 적응하지 못합니다. 우리는 agentic serving system이…
- · ai
[Paper] Sparse Knowledge Distillation: 확률-도메인 Temperature Scaling 및 Multi-Stage Compression을 위한 수학적 프레임워크
우리는 probability-domain softening operators에 기반한 sparse knowledge distillation을 위한 통합 이론적 프레임워크를 개발한다. p^{1/T}의 동등성은 …