Black-Box Optimization (BBO)에서의 Benchmark Design은 기본적이면서도 아직 해결되지 않은 주제입니다. 초기 BBO 벤치마크는 주로 인간이 만든(human‑crafted) 방식으로 설계되어, 전문가의 지식과 직관을 반영합니다.

모든 사물 인터넷(IoE) 시대에, 네트워크 에지에서 센서가 생성하는 데이터가 기하급수적으로 증가함에 따라 효율적인 Probabilistic Skyline Query가 필요해진다.

Meta-Black-Box Optimization (MetaBBO)은 최적화 커뮤니티 내에서 떠오르는 분야로, 알고리즘 설계 정책을 강화 학습을 통해 메타 학습할 수 있습니다…

자동차 애프터마켓에서 예비 부품 재고의 효율적인 관리는 매우 중요합니다. 이 분야에서는 수요가 매우 간헐적이며 불확실성이 상당한 비용을 초래합니다.

결정론은 대규모 언어 모델(LLM) 훈련에서 재현성을 위해 필수적이지만, 종종 큰 성능 비용을 초래한다. 널리 사용되는 attention ...

Spiking Neural Networks (SNNs)는 이벤트 기반(event-driven)이고 희소(sparse) 연산으로 인해 에너지 효율이 매우 높지만, 스파이크의 비미분 가능성(spike non-differentiability) 때문에 학습이 어려움을 겪는다.

우리는 소프트웨어 엔지니어링 내에서 folklore 개념을 탐구하며, folklore studies를 통해 narratives, myths, rituals, humor 등을 정의하고 특성화합니다…

Business Process Model and Notation (BPMN) 모델을 만드는 것은 도메인 지식과 모델링 숙련도가 모두 요구되는 복잡하고 시간 소모적인 작업입니다.

스파이킹 신경망(SNN)은 이미 잘 훈련된 인공 신경망(ANN)을 변환함으로써 경쟁력 있는 성능을 달성할 수 있으며, 추가 학습을 피할 수 있다.

Peer review는 소프트웨어 엔지니어링 커뮤니티가 과학적 결과의 품질을 평가하는 주요 메커니즘입니다. 그러나 논문 제출의 급속한 증가로...

혼합 워크로드—짧고 latency-sensitive 인터랙티브 쿼리와 길고 throughput-oriented 배치 요청—에서 Large Language Models (LLMs)를 제공하는 것—pos...

결측 데이터는 스웨덴 의료 품질 레지스트리와 같은 대규모 의료 레지스트리를 포함한 많은 애플리케이션에서 흔히 발생하는 문제이며, 잠재적으로 …

대형 언어 모델(Large Language Models)의 운영 효율성은 inference-time context에 크게 의존합니다. 이는 Context Engineering (CE)을 공식적인 분야로 확립했습니다.

대형 언어 모델은 자연어 프롬프트에서 직접 최적화 알고리즘을 생성함으로써 자동 알고리즘 설계(AAD)를 가능하게 했습니다. 진화…

Large Language Models (LLMs)은 다양한 분야에서 뛰어나지만, quadratic attention과 dense Feed-Forward Network (FFN) 연산으로 인한 높은 에너지 비용을 겪는다.

LLM 기반 멀티-에이전트 시뮬레이션은 다양한 응용 분야에서 점점 더 많이 채택되고 있지만, GPU 메모리 압박 때문에 확장하기가 어렵습니다. 각 에이전트는 …

Generative AI는 소프트웨어 엔지니어링 활동에서 점점 더 큰 역할을 수행하여 예를 들어 효율성을 높이거나 품질을 향상시킵니다. 그러나 이는 종종…

Federated Learning (FL)은 분산된 데이터 소스 전반에 걸쳐 Large Language Models (LLMs)의 협업 학습을 가능하게 하면서 프라이버시를 보호합니다. 그러나, f...

CVE, CWE, GHSA와 같은 취약점 식별자는 알려진 소프트웨어 보안 문제에 대한 표준화된 참조이지만, 실제 사용에서는 잘 이해되지…

Foundation models (FMs)은 전례 없는 멀티모달 및 멀티태스크 인텔리전스를 제공하지만, 클라우드 중심 배포는 실시간 응답성 및 co…

Quality diversity (QD)는 진화 계산의 한 분야로, 문제에 대한 고품질이며 행동적으로 다양한 솔루션을 찾는 것을 목표로 합니다. 적대적인 문제…

그들의 시작부터, artificial neural networks는 데이터와 작업에 더 잘 적응하기 위해 수동으로 설계된 architectures와 inductive biases에 의존해 왔습니다. With th...

복잡한 사회 시스템을 위한 시뮬레이터의 calibration은 시뮬레이터 output을 목표와 가장 잘 일치시키는 최적의 parameter를 식별하는 것을 목표로 합니다.

인포드 다운샘플링(IDS)은 다양한 선택 전략과 결합될 때, 특히 토너먼트 선택과 함께 사용할 경우 심볼릭 회귀의 성능을 향상시키는 것으로 알려져 있습니다.