Memory disaggregation은 메모리 용량을 확장하고 HPC 시스템에서 활용도를 향상시키는 데 유망합니다. 그러나 원격 메모리에 접근할 때 발생하는 성능 오버헤드가...

Vector similarity search는 대형 언어 모델(LLMs)과 같은 AI 기반 애플리케이션에서 중요한 구성 요소가 되었습니다. 높은 recall과 낮은 latency를 달성하기 위해, ...

Metric graphs는 표준 그래프의 edge를 real line의 segment와 연결하고, 이러한 segment들을 그래프의 vertices에서 glue함으로써 얻어지는 구조이다.

소셜 미디어에서의 악성 발언은 지속적이고 진화하는 과제로, 새로운 은어와 은폐된 용어가 지속적으로 등장하면서 ...

Generative modeling은 최근 visuomotor policy learning에 있어 놀라운 가능성을 보여주었으며, 다양한 embodied AI 작업 전반에 걸쳐 유연하고 표현력 있는 제어를 가능하게 합니다.

Diffusion 모델은 데이터 기반 학습과 복잡하고 정규화되지 않은 목표 분포에서의 샘플링에서 놀라운 성공을 거두었습니다. 이러한 진보를 바탕으로...

Self-driving laboratories는 노동 집약적이고 시간 소모가 크며 종종 재현이 어려운 생물학적 과학 워크플로우를 감소시키는 유망한 경로를 제공합니다.

오늘날 사람들은 콘서트, 스포츠 이벤트, 강연, 가족 모임, 생일 파티 등 다양한 기억에 남는 순간들을 쉽게 기록할 수 있습니다, 여러...

Video generators는 잠재적인 world models로서 점점 더 평가되고 있으며, 이는 physical laws를 인코딩하고 이해하도록 요구합니다. 우리는 그들의 표현을 조사합니다.

카메라와 객체 움직임은 비디오 내러티브의 핵심입니다. 그러나 캡처된 이러한 움직임을 정밀하게 편집하는 것은 특히 …

Unified multimodal models (UMMs)는 단일 프레임워크 내에서 멀티모달 이해와 생성을 동시에 수행하는 것을 목표로 합니다. 우리는 TUNA, 네이티브 UMM을 제시합니다, that bu...

MeanFlow (MF)는 최근에 일단계 생성 모델링을 위한 프레임워크로 확립되었습니다. 그러나 그 “fastforward” 특성은 핵심적인 도전을 야기합니다.

대형 언어 모델이 점점 커짐에 따라, NVFP4와 같은 저정밀 수치 형식이 속도와 메모리 이점 때문에 점점 더 인기를 얻고 있습니다 ...

360-degree omnidirectional understanding 분야는 공간 지능을 향상시키기 위해 점점 더 많은 관심을 받고 있습니다. 그러나 대규모 ...

Test-time scaling (TTS) — 추론 중에 컴퓨팅을 동적으로 할당하는 것 — 은 대형 언어 모델(LLMs)에서 추론 능력을 향상시키는 유망한 방향이다.

Multi-view camera systems는 복잡한 real-world 장면에 대한 풍부한 관측을 가능하게 하며, 멀티뷰 환경에서 dynamic objects를 이해하는 것이 중심이 되었다.

우리는 Audio-Visual Affordance Grounding (AV-AG)이라는 새로운 작업을 소개한다. 이 작업은 행동 소리에서 객체 상호작용 영역을 분할한다. 기존 접근 방식과 달리 ...

대형 언어 모델(LLM)은 숨겨진 파라메트릭 공간에 사실적 지식을 인코딩하는데, 이는 검사하거나 제어하기 어렵다. Sparse Autoencoders(SAE)…

대규모 병렬 시뮬레이션은 로봇의 강화 학습(RL) 훈련 시간을 며칠에서 몇 분으로 단축시켰습니다. 그러나 빠르고 신뢰할 수 있는 sim-to…

자율 주행 정책은 일반적으로 인간 시연을 통한 open-loop behavior cloning으로 학습됩니다. 그러나 이러한 정책은 covariate shift 때문에 ...

우리는 LLM CHESS를 소개합니다, 이는 large language models에서 추론 및 지시 수행 능력의 일반화를 탐색하도록 설계된 평가 프레임워크입니다 (...

Offline Reinforcement Learning (RL)은 추가적인 상호작용 데이터를 수집하기 어려운 경우, 사전에 수집된 데이터셋으로부터 정책을 학습할 수 있는 유망한 방법을 제공합니다.

Study Objectives: Wrist accelerometry는 수면‑각성 상태를 추정하는 데 널리 사용됩니다. 이전 연구들은 cross‑device 일반화 없이 깨어 있음 감지 성능이 낮음을 보여주었습니다.

리소스가 제한된 엣지 디바이스에서의 Federated Learning (FL)은 중요한 과제에 직면합니다: Deep Neural Networks (DN…을(를) 학습하는 데 필요한 계산 에너지.