KOINEU

AI/ML in 3GPP 5G Advanced -- Services and Architecture

3GPP는 전 세계 이동통신 표준을 정의하는 핵심 조직으로, Release 19은 ‘5G Advanced’라는 새로운 단계에 진입하는 중요한 전환점이다. 이번 릴리즈에서 눈에 띄는 점은 AI·ML 기술을 단순히 부가 기능으로 끼워넣는 것이 아니라, 네트워크 자체와 서비스 제공 양쪽을 동시에 혁신하는 구조적 접근을 채택했다는 것이다. 첫 번째 패러다임, 즉 ‘네트워크를 위한 AI( AI for network )’는 기존 5G 인프라가 직면한 복잡한 자원 관리, 트래픽 예측, 셀 간 간섭 최소화 등의 문제를 AI 알고리즘으로 해결한다는

February 18, 2026

BEACON: A Unified Behavioral-Tactical Framework for Explainable Cybercrime Analysis with Large Language Models

본 연구는 사이버범죄 분석에 심리학적 요소를 체계적으로 도입한 최초의 시도 중 하나로 평가할 수 있다. 기존의 사이버 위협 인텔리전스 모델은 주로 악성 코드, 네트워크 트래픽, 취약점 스캐닝 등 기술적 지표에 초점을 맞추어 왔으며, 공격자의 전술·기술·절차(TTP)를 매핑하는 데는 성공했지만, 피해자를 속이는 인간적 메커니즘을 정량화하거나 자동화하는 데는 한계가 있었다. BEACON은 이러한 공백을 메우기 위해 두 축을 동시에 모델링한다. 첫 번째 축은 ‘심리적 조작 카테고리’로, Prospect Theory가 제시하는 손실 회피·

February 18, 2026

Model Analysis Framework

rSIM: Incentivizing Reasoning Capabilities of LLMs via Reinforced Strategy Injection

본 논문은 현재 LLM이 단순히 대규모 텍스트 데이터를 기반으로 패턴을 학습하는 수준을 넘어, 실제 인간과 유사한 “추론” 능력을 갖추도록 하는 새로운 접근법을 제시한다. 핵심 아이디어는 ‘전략 주입’이다. 기존의 RLHF(Reinforcement Learning from Human Feedback) 방식은 보통 전체 모델을 직접 강화 학습시키는 반면, rSIM은 작은 플래너를 별도 에이전트로 두고, 이 플래너가 LLM의 CoT 과정에 전략을 삽입한다는 점에서 차별화된다. 1. 리더‑팔로워 구조와 MARL 리더(플래너)는 현재 상황

February 18, 2026

Schoenfeld's Anatomy of Mathematical Reasoning by Language Models

ThinkARM은 기존 연구가 토큰‑레벨의 확률 분포나 손실 곡선에 머무는 한계를 뛰어넘어, 인간의 문제 해결 과정을 모델링한 Schoenfeld의 에피소드 이론을 언어 모델에 적용한다는 점에서 혁신적이다. 에피소드 이론은 문제 해결을 일련의 인지적 ‘단계’로 나누고, 각 단계가 어떻게 전이되는지를 설명한다. 논문은 이를 ‘Analysis(문제 분석)’, ‘Explore(가능성 탐색)’, ‘Implement(해법 구현)’, ‘Verify(결과 검증)’ 등 구체적인 라벨로 매핑함으로써, 모델의 내부 흐름을 인간이 이해하기 쉬운 흐름도

February 18, 2026

Model

TableGPT-R1: Advancing Tabular Reasoning Through Reinforcement Learning

본 논문은 표 기반 데이터 처리에서 기존 LLM이 직면한 한계를 명확히 짚어낸 뒤, 강화학습(RL)을 활용한 새로운 학습 패러다임을 제시한다. 첫 번째 문제는 “고품질 에이전트 경로”의 부재이다. 표 작업은 종종 SQL 쿼리 생성, 파이썬 코드 실행, 데이터 시각화 등 다양한 형태의 코드와 환경 상호작용을 포함한다. 이러한 복합 작업을 실제로 수행하고 피드백을 받는 데이터는 수집 비용이 높고, 특히 다양한 스키마와 복잡한 연산을 포함하는 경우에는 더욱 드물다. 저자들은 난이도‑계층화(stratified difficulty) 방식을

February 18, 2026

Learning

A Multi-objective Optimization Approach for Feature Selection in Gentelligent Systems

본 논문은 제조 현장에 AI 기반 지능형 시스템을 적용하기 위한 새로운 패러다임을 제시한다. “Gentelligent system”이라는 용어는 생물학적 유전정보와 제조 공정(염색체) 사이의 유사성을 강조함으로써, 개별 부품의 내재된 특성(유전자)과 자동화 메커니즘이 결합된 통합 시스템을 의미한다. 이러한 개념적 프레임워크는 기존의 단순 데이터 기반 예측 모델과 차별화되며, 시스템 자체가 스스로 진화하고 최적화될 수 있는 가능성을 내포한다. 우세 기반 다목표 진화 알고리즘(Dominance‑based Multi‑objective E

February 18, 2026

System

AraToken: Optimizing Arabic Tokenization with Normalization Pipeline and Language Extension for Qwen3

본 논문은 현재 LLM 생태계에서 가장 흔히 사용되는 토크나이저가 영어 중심으로 설계되어 있다는 점을 비판적으로 조명한다. 영어와 달리 아랍어는 어근과 접사, 어미가 복합적으로 결합되는 형태소 구조를 가지고 있으며, 알리프(ا)와 알리프 마크(أ, إ, آ) 등 다양한 표기 변형, 모음 부호(다이아크리틱), 그리고 아라비아 인도 숫자 체계가 공존한다. 이러한 특성은 동일한 의미를 가진 단어라도 문자 수준에서 여러 형태로 나타날 수 있음을 의미한다. 일반 토크나이저가 이러한 변형을 무시하고 그대로 학습 데이터에 적용하면, 동일 어휘가

February 18, 2026

Collaborative Edge-to-Server Inference for Vision-Language Models

본 논문은 엣지 디바이스와 서버 간의 협업을 통해 비전 언어 모델(VLM)의 추론 과정에서 발생하는 통신 비용 문제를 해결하려는 시도입니다. 전통적인 VLM 추론 방법에서는 엣지 디바이스에서 캡처된 이미지를 서버로 전송하고, 이 이미지는 서버 내부의 비전 인코더에 맞게 리사이징됩니다. 그러나 이러한 과정에서 세밀한 시각 정보가 손실되어 추론 정확도가 저하될 수 있습니다. 논문은 이를 해결하기 위해 두 단계 프레임워크를 제안합니다. 첫 번째 단계에서는 서버에서 전체 이미지에 대한 초기 추론을 수행하고, VLM 내부의 주의 메커니즘을

February 18, 2026

Model

CoAgent: Collaborative Planning and Consistency Agent for Coherent Video Generation

CoAgent 논문은 텍스트‑투‑비디오 생성 분야에서 장기간 제기되어 온 “샷 간 일관성 부재” 문제를 근본적으로 해결하려는 시도로서, 기존 모델이 갖는 구조적 한계를 정확히 진단하고 새로운 시스템 아키텍처를 제시한다는 점에서 학술적·산업적 의의가 크다. 첫째, 계획‑합성‑검증‑편집 라는 폐쇄‑루프 파이프라인을 도입함으로써 인간 감독자가 수행하던 ‘구상 → 구현 → 검수 → 수정’ 과정을 자동화한다. 특히 스토리보드 플래너가 추상적인 텍스트 프롬프트를 “엔티티(인물·오브젝트)”, “공간 관계(위치·거리)”, “시간 단서(동작 순서·

February 18, 2026

World Models That Know When They Don't Know: Controllable Video Generation with Calibrated Uncertainty

본 논문이 다루는 핵심 문제는 ‘제어 가능한 비디오 생성 모델’이 실제 물리 법칙과 어긋나는 프레임을 생성할 때, 이를 사전에 인지하고 경고할 수 있는 메커니즘이 부재하다는 점이다. 로봇 공학에서 비디오 기반 정책을 시뮬레이션하거나 예측할 때, 모델이 생성한 영상이 현실과 크게 다르면 잘못된 행동 계획을 세우게 된다. 따라서 모델 자체가 “얼마나 확신을 가지고” 결과를 내는지를 정량화하는 것이 필수적이다. C³가 제시하는 첫 번째 혁신은 ‘엄격히 적합한 스코어링 룰(strictly proper scoring rules)’을 활용한다

February 18, 2026

Model

Comparative Analysis of 47 Context-Based Question Answer Models Across 8 Diverse Datasets

본 논문은 사전 학습된 컨텍스트 기반 질문응답(CBQA) 모델을 추가 파인튜닝 없이 그대로 적용했을 때의 전반적인 성능을 체계적으로 평가한다는 점에서 실용적인 의미가 크다. 먼저 47개의 모델을 선정한 기준은 Hugging Face 플랫폼에 공개된 최신 모델이며, 모델군은 Transformer 기반의 BERT, RoBERTa, ELECTRA, DeBERTa, ALBERT 등 다양한 아키텍처를 포괄한다. 이렇게 폭넓은 모델 풀을 구축함으로써 특정 아키텍처가 특정 도메인에 편향되는 현상을 최소화하고, 전반적인 트렌드를 파악할 수 있었다

February 18, 2026

Model Analysis Data

정보 흐름 발산을 이용한 필터·레이어 통합 압축 기법

이 논문은 신경망 압축 분야에서 ‘정보 흐름 발산’이라는 새로운 메트릭을 도입함으로써 기존 프루닝·축소 기법이 갖는 몇 가지 한계를 극복하고자 한다. 전통적인 필터 프루닝은 주로 가중치 크기, L1/L2 정규화, 혹은 그라디언트 기반 중요도 지표에 의존한다. 이러한 접근법은 개별 필터가 네트워크 전체 정보 전달에 미치는 영향을 충분히 반영하지 못한다는 비판을 받아왔다. 반면 저자들은 텐서 흐름 발산을 통해 각 레이어가 입력 정보를 얼마나 변형·소실시키는지를 정량화하고, 이 값을 ‘정보 보존도’의 역으로 해석한다. 발산이 낮은 필터는

February 18, 2026

Memories Retrieved from Many Paths: A Multi-Prefix Framework for Robust Detection of Training Data Leakage in Large Language Models

본 논문은 대형 언어 모델(LLM)이 훈련 과정에서 원본 텍스트를 그대로 저장하는 ‘기억’ 현상이 프라이버시와 저작권 측면에서 심각한 위험을 초래한다는 점을 출발점으로 삼는다. 기존 연구들은 기억을 “특정 프롬프트에 대한 정확한 출력” 혹은 “모델 파라미터에 대한 직접적인 복제” 등으로 정의했지만, 이러한 정의는 모델이 정렬(align) 과정에서 프롬프트에 대한 안전성 필터링이나 출력 제한을 받게 되면 실제 기억 여부를 판단하기 어려워진다. 즉, 단일 프롬프트에 의존하는 방식은 기억이 존재하더라도 탐지되지 않을 가능성이 높다. 논문

February 18, 2026

Model Data Framework Detection

RevFFN: Memory-Efficient Full-Parameter Fine-Tuning of Mixture-of-Experts LLMs with Reversible Blocks

본 논문은 대형 언어 모델(LLM)의 전체 파인튜닝(full fine‑tuning) 과정에서 발생하는 메모리 병목 현상을 근본적으로 해결하고자 하는 시도이다. 기존의 파인튜닝 방식은 역전파를 위해 각 레이어의 입력 활성값을 저장해야 하는데, 모델 규모가 수십억 파라미터에 달하면 이 저장 비용이 GPU 메모리를 초과하게 된다. 이를 완화하기 위해 DeepSpeed의 ZeRO(Zero Redundancy Optimizer)나 FSDP(Fully Sharded Data Parallel)와 같은 분산 학습 기법이 고안되었으며, 이들은 파라

February 18, 2026

Probing the effectiveness of World Models for Spatial Reasoning through Test-time Scaling

본 논문은 최근 주목받고 있는 테스트‑시 스케일링 기법, 특히 MindJourney가 제시한 행동‑조건부 시점 생성과 휴리스틱 검증기의 조합을 비판적 시각에서 재검토한다. 먼저, 저자들은 다양한 공간 추론 벤치마크(SAT‑Real, MMSI‑Bench 등)를 활용해 검증기의 선택 기준이 실제로 모델의 불확실성을 감소시키는지, 혹은 단순히 엔트로피를 낮추는 수준에 머무는지를 정량적으로 평가한다. 그 결과, MindJourney 검증기가 제공하는 보상 신호는 실제 정답 확률과 약한 상관관계를 보이며, 무작위 점수 부여(random sc

February 18, 2026

Model

Intelligent Knowledge Mining Framework: Bridging AI Analysis and Trustworthy Preservation

본 논문이 다루는 핵심 문제는 “데이터 폭증 속에서 어떻게 의미 있는 지식을 추출하고, 동시에 그 지식의 신뢰성과 지속 가능성을 보장할 것인가”이다. 현재 기업·연구기관·공공 부문에서는 방대한 양의 구조화·비구조화 데이터를 각각 별도 시스템에 저장하고 있다. 데이터 레이크, 문서 관리 시스템, 로그 파일 등은 서로 다른 스키마와 메타데이터 표준을 사용하기 때문에, 데이터 간 연계와 재활용이 거의 불가능에 가깝다. 이러한 상황에서 AI·ML 모델은 풍부한 학습 데이터를 필요로 하지만, 데이터 품질·출처·버전 관리가 미비하면 모델의 신

February 18, 2026

Analysis Framework

Towards Mass Spectrum Analysis with ASP

이 논문은 Answer Set Programming (ASP)을 이용해 질량 분석법으로 얻어진 데이터를 바탕으로 분자 구조를 탐지하는 새로운 방법론을 제시하고 있습니다. ASP는 복잡한 조합적 문제를 해결하기 위한 강력한 프로그래밍 기술로, 이 논문에서는 이를 통해 분자의 원소 구성과 구조적 조각의 상대적 풍부도를 바탕으로 분자 구조를 파악하는 데 초점을 맞추고 있습니다. 특히, 지수적으로 증가하는 탐색 공간을 효과적으로 제약하기 위해 캐논적 표현이라는 개념을 도입하고 이를 ASP에 통합하였습니다. 캐논적 표현은 분자의 다양한 표현

February 18, 2026

Analysis

Toward Training Superintelligent Software Agents through Self-Play SWE-RL

본 연구는 현재 LLM 기반 코딩 에이전트가 직면한 “인간 라벨링 의존성”이라는 근본적인 한계를 극복하고자 한다는 점에서 학술적·실용적 의미가 크다. 기존의 코딩 보조 시스템은 GitHub 이슈·PR, 테스트 스위트 등 인간이 만든 메타데이터를 학습 데이터로 활용한다. 이러한 데이터는 양질이지만, 규모와 다양성 면에서 한계가 있으며, 인간의 편향과 오류가 그대로 모델에 전이될 위험이 있다. SSR은 이러한 전제조건을 완전히 배제하고, 오직 “코드와 그 실행 환경”만을 입력으로 삼는다. 이는 두 가지 중요한 혁신을 내포한다. 첫째,

February 18, 2026

Fragile Knowledge, Robust Instruction-Following: The Width Pruning Dichotomy in Llama-3.2

본 연구는 최신 대규모 언어 모델인 라마3점2 시리즈에 대해 GLU‑MLP 레이어의 폭을 구조적으로 축소하는 ‘폭 프루닝’을 적용하고, 그 효과를 정량적으로 분석한 최초의 시도라 할 수 있다. 프루닝 기준으로 사용된 최대 절대 가중치(MAW) 기준은 각 뉴런의 가중치 절대값 중 가장 큰 값을 기준으로 중요도를 판단하는 단순하면서도 효과적인 방법이다. 이를 통해 모델의 전체 파라미터 수를 크게 줄이면서도 핵심 연산 흐름을 유지할 수 있었다. 실험에서는 확장 비율(expansion ratio)을 7단계로 조절했으며, 각 단계마다 MML

February 18, 2026

TradeTrap: Are LLM-based Trading Agents Truly Reliable and Faithful?

본 논문은 최근 급부상하고 있는 대형 언어 모델(LLM) 기반 자동 트레이딩 에이전트가 실제 금융 시장에 적용될 때 직면할 수 있는 시스템 수준의 취약성을 최초로 조명한다. 기존 연구들은 주로 알고리즘의 예측 정확도나 전략 효율성에 초점을 맞추었으며, 외부 교란이나 내부 오류가 에이전트 전체에 미치는 파급 효과는 충분히 탐구되지 않았다. TradeTrap은 이러한 공백을 메우기 위해 네 가지 핵심 구성 요소—시장 인텔리전스, 전략 포뮬레이션, 포트폴리오·원장 관리, 트레이드 실행—를 독립적인 공격 표면으로 정의하고, 각각에 대해 정

February 18, 2026

Large Language Models for Education and Research: An Empirical and User Survey-based Analysis

본 논문은 현재 가장 주목받는 두 대형 언어 모델인 ChatGPT와 DeepSeek을 교육 및 연구 현장에서의 실제 활용 가능성을 중심으로 비교·분석하였다. 먼저 배경 기술 분석 단계에서는 두 모델의 아키텍처와 학습 데이터, 파인튜닝 전략을 상세히 검토하였다. ChatGPT는 OpenAI가 개발한 트랜스포머 기반의 거대 모델로, 방대한 웹 텍스트와 인간 피드백을 활용한 Reinforcement Learning from Human Feedback(RLHF) 과정을 거쳐 언어 이해와 생성 능력을 극대화하였다. 반면 DeepSeek은 효

February 18, 2026

Model Analysis

Scalable Offline Model-Based RL with Action Chunks

이 연구는 오프라인 강화학습에서 “모델 기반 가치 확장”이라는 기존 접근법의 근본적인 한계를 짚고 넘어간다. 전통적인 MBVE는 현재 정책을 사용해 가상의 트랜지션을 n 단계까지 연장하고, 그 끝점에서 얻은 보상과 부트스트랩된 가치 추정치를 결합한다. n이 클수록 실제 환경에서의 장기 가치에 대한 편향이 감소하지만, 학습된 동역학 모델의 오차가 시간에 따라 기하급수적으로 누적되는 ‘오차 복합화’ 문제가 발생한다. 특히 복잡한 물리 엔진이나 고차원 관측을 다루는 환경에서는 작은 모델 오차도 몇 단계 뒤에는 크게 증폭돼 가치 추정이 무

February 18, 2026

Model

Admissibility Alignment

본 논문이 제시하는 ‘허용가능성 정렬(Admissibility Alignment)’ 개념은 AI 정렬 연구의 기존 패러다임을 근본적으로 전환한다는 점에서 학술적·실무적 의미가 크다. 전통적인 정렬 접근법은 주로 가치 함수나 목표를 모델 내부에 직접 삽입하거나, 사전 정의된 규칙을 통해 출력 자체를 제한하는 방식에 머물렀다. 이러한 방법은 모델이 학습 과정에서 내재화된 편향이나 목표 변형을 완전히 차단하기 어렵다는 한계가 있었으며, 특히 장기적·불확실한 환경에서 ‘예측’과 ‘행동’ 사이의 간극을 메우지 못했다. 논문은 이 간극을 ‘정

February 18, 2026

DARC: Drum accompaniment generation with fine-grained rhythm control

DARC는 현재 음악 생성 연구에서 두드러진 문제점, 즉 ‘구조적 제어와 스타일적 자유 사이의 트레이드오프’를 효과적으로 해소한다는 점에서 의미가 크다. 기존 스템‑투‑스템 접근법은 악기 간 상호작용을 반영해 조화로운 반주를 만들 수 있지만, 리듬 패턴을 사용자가 직접 지정하거나 미세 조정하기는 어려웠다. 반대로 timbre‑transfer 기반 모델은 사용자가 직접 만든 비트박싱·탭핑 같은 리듬 시퀀스를 입력으로 받아들일 수 있지만, 그 리듬이 현재 진행 중인 화성·멜로디와 얼마나 잘 맞는지는 보장되지 않는다. DARC는 이 두

January 05, 2026

Computer Science Sound

Jenius Agent: Towards Experience-Driven Accuracy Optimization in Real-World Scenarios

Jenius‑Agent 논문은 최근 LLM‑기반 에이전트가 직면한 두 가지 근본적인 한계를 명확히 짚고 있다. 첫 번째는 “실행 가시성 부족”이다. 기존 벤치마크는 최종 출력만을 평가 지표로 삼아, 에이전트가 내부적으로 어떤 프롬프트를 생성하고, 어떤 도구를 언제 호출했는지, 상태를 어떻게 업데이트했는지를 파악할 방법을 제공하지 않는다. 이로 인해 개발자는 오류 원인을 추적하기 위해 로그를 일일이 수작업으로 분석해야 하며, 재현성도 떨어진다. 두 번째는 “장기·도구‑보강 작업에서의 불안정성”이다. LLM은 짧은 컨텍스트에서는 뛰어난

January 05, 2026

Computer Science Artificial Intelligence

K-EXAONE Technical Report

This paper introduces K EXAONE, a large scale multilingual language model developed by LG AI Research. The model boasts 236 billion parameters in total and activates 23 billion during inference. It supports a context window of up to 256K tokens and covers six languages: Korean, English, Spanish, Ger

January 05, 2026

Computer Science NLP

No Image

Nodule-DETR: A Novel DETR Architecture with Frequency-Channel Attention for Ultrasound Thyroid Nodule Detection

갑상선암은 내분비계 암 중 가장 흔하며, 조기 발견이 치료 성공률을 크게 좌우한다. 현재 임상 현장에서 초음파는 비침습적이며 비용 효율적인 영상 modality로 널리 사용되지만, 초음파 특성상 신호 대 잡음비가 낮고, 결절 경계가 흐릿해 radiologist의 주관적 판단에 크게 의존한다는 한계가 있다. 이러한 문제를 기계학습 기반 자동 검출 시스템이 해결하려는 시도가 늘어나고 있으나, 기존 CNN 기반 모델은 다중 스케일 정보를 충분히 활용하지 못하거나, 작은 결절에 대한 민감도가 떨어지는 경우가 많다. 본 논문이 제안하는 No

January 05, 2026

Detection

Yukthi Opus: A Multi-Chain Hybrid Metaheuristic for Large-Scale NP-Hard Optimization

Yukthi Opus(YO)는 메타휴리스틱 설계에서 흔히 발생하는 ‘전역 탐색과 지역 탐색의 균형’ 문제를 세 단계 구조로 명확히 구분함으로써 해결책을 제시한다. 첫 번째 레이어인 MCMC 기반 전역 탐색은 확률적 전이 메커니즘을 이용해 탐색 공간을 균등하게 샘플링하고, 초기 번인 단계에서 충분히 다양한 영역을 방문하도록 설계되었다. 이때 블랙리스트를 도입해 이미 낮은 품질을 보인 지역을 재방문하지 않게 함으로써 불필요한 계산을 크게 절감한다는 점이 눈에 띈다. 두 번째 레이어는 전통적인 탐욕적 로컬 서치를 적용해 현재 위치에서 가

January 05, 2026

Computer Science Neural Computing

No Image

A construction of an optimal base for conditional attribute and attributional condition implications in triadic contexts

삼중 컨텍스트는 전통적인 이항 관계를 넘어 객체‑속성‑조건이라는 세 차원을 동시에 고려하는 데이터 모델로, 지식 발견 및 의미론적 분석에 있어 강력한 표현력을 제공한다. 그러나 이러한 다차원 구조에서는 기존의 이항 컨텍스트에서 사용되는 함축(implication) 기반 추론 기법을 그대로 적용하기 어렵다. 특히 조건 속성(conditional attribute)과 귀속 조건(attributional condition)이라는 두 종류의 함축이 동시에 존재할 경우, 서로 얽히는 전제와 결론 사이의 중복 및 불필요한 함축이 급증하여 효율

January 04, 2026

Computer Science Artificial Intelligence

Accelerating Storage-Based Training for Graph Neural Networks

본 연구는 그래프 신경망(GNN) 학습을 대규모 실세계 그래프에 적용하기 위해 외부 스토리지를 활용하는 ‘스토리지 기반’ 접근법의 근본적인 한계를 짚어낸다. 기존 연구들은 주로 메모리 한계를 극복하기 위해 NVMe SSD와 같은 고속 저장소를 이용했지만, 그래프 구조가 매우 불규칙하고 엣지와 노드가 수백만~수십억 수준으로 분산돼 있기 때문에 학습 과정에서 발생하는 수십만~수백만 개의 작은 I/O 요청을 효율적으로 병합하거나 스케줄링하지 못한다. 이러한 ‘소형 I/O 폭주’는 스토리지의 순차 전송 대역폭을 활용하지 못하게 만들고, 결

January 04, 2026

Machine Learning Computer Science Network

Adaptive Hierarchical Evaluation of LLMs and SAST tools for CWE Prediction in Python

본 논문은 LLM과 전통적인 정적 분석 도구(SAST)의 취약점 탐지 능력을 비교 평가하기 위해 새로운 벤치마크 프레임워크인 ALPHA를 설계한 점에서 학술적·실무적 의의가 크다. 기존의 이진 분류 기반 벤치마크는 “취약점 존재 여부”만을 판단하도록 제한돼, 개발자가 실제 코드 수정에 활용할 수 있는 구체적인 CWE(CWE‑Common Weakness Enumeration) 정보를 제공하지 못한다는 한계가 있었다. ALPHA는 이러한 한계를 극복하기 위해 함수 수준에서 CWE 레이블을 부여하고, 오류 유형을 세 가지 계층적 패널티(

January 04, 2026

Computer Science Software Engineering

Data Complexity-aware Deep Model Performance Forecasting

이 논문은 “데이터 복잡도 인식 딥 모델 성능 예측”이라는 주제로, 모델 설계 단계에서 사전적으로 성능을 추정할 수 있는 경량화된 두 단계 프레임워크를 제시한다. 첫 번째 단계는 데이터 자체의 통계적·구조적 특성을 기반으로 베이스라인 성능을 예측한다. 여기에는 데이터 분산, 클래스 불균형, 이미지 해상도, 텍스트 길이 등 다양한 메트릭이 포함되며, 이러한 특성은 기존 연구에서 모델 복잡도와 직접적인 상관관계를 보인 바 있다. 두 번째 단계는 모델 아키텍처(예: 레이어 수, 파라미터 규모, 연산량)와 주요 하이퍼파라미터(학습률, 배치

January 04, 2026

Computer Science Data Machine Learning Model

No Image

DrivingGen: A Comprehensive Benchmark for Generative Video World Models in Autonomous Driving

DrivingGen 논문은 현재 자율주행 분야에서 급증하고 있는 ‘생성 비디오 세계 모델’ 연구의 평가 체계가 부재함을 정확히 짚어낸다. 기존 벤치마크가 주로 PSNR, SSIM, LPIPS와 같은 전통적인 비디오 품질 지표에 의존하는데, 이러한 지표는 픽셀 수준의 차이를 정량화할 뿐, 자율주행에 필수적인 물리적 일관성이나 안전성을 반영하지 못한다. 예를 들어, 차량이 갑자기 사라지거나 보행자가 비현실적인 속도로 움직이는 경우, 시각적으로는 높은 SSIM을 기록하더라도 실제 주행 시나리오에서는 치명적인 오류가 된다. 논문은 이러한

January 04, 2026

Computer Science Model Computer Vision

EscherVerse: An Open World Benchmark and Dataset for Teleo-Spatial Intelligence with Physical-Dynamic and Intent-Driven Understanding

본 논문은 인공지능·로보틱스 분야에서 최근 주목받고 있는 “텔레오‑스페이셜 인텔리전스(TSI)”라는 새로운 개념을 제시한다. 기존의 대부분 연구는 물체‑중심(object‑centric) 접근을 취해, 물리‑동역학(Physical‑Dynamic) 모델링에 집중한다. 예컨대, 물체의 질량·마찰·충돌 법칙을 이용해 시뮬레이션하거나, 비전 기반 트래킹을 통해 움직임을 예측한다. 이러한 방법은 정량적 정확도에서는 뛰어나지만, 인간이 물체를 조작하거나 배치하는 근본적인 ‘의도’를 파악하지 못한다는 한계가 있다. TSI는 이러한 한계를 극복하기

January 04, 2026

Computer Vision Computer Science Data

Exposing Hidden Interfaces: LLM-Guided Type Inference for Reverse Engineering macOS Private Frameworks

MOTIF는 크게 두 가지 핵심 요소로 구성된다. 첫 번째는 Objective‑C 런타임 정보를 활용해 메서드 호출 관계와 클래스 계층 구조를 추출하는 ‘메타데이터 수집 모듈’이다. 이 모듈은 dyld shared cache와 Mach‑O 바이너리를 동적으로 로드하고, objc getClass, method getImplementation 등의 런타임 API를 호출해 실제 메모리 주소와 심볼 정보를 수집한다. 수집된 데이터는 그래프 형태로 정규화되어 이후 단계에 전달된다. 두 번째는 파인튜닝된 대형 언어 모델(LLM)이다. 연구팀은

January 04, 2026

Computer Science Framework Cryptography and Security

No Image

FALCON: Few-Shot Adversarial Learning for Cross-Domain Medical Image Segmentation

FALCON 논문은 현재 의료 영상 분할 분야가 직면한 세 가지 핵심 문제—라벨 데이터의 희소성, 환자 간 해부학적 변이, 그리고 실시간 임상 적용을 위한 연산 효율성—를 동시에 해결하려는 시도로 평가할 수 있다. 가장 눈에 띄는 점은 “메타‑학습 → 적대적 파인튜닝 → 경계 인식 학습”이라는 3단계 전이 전략이다. 첫 단계에서 자연 이미지(예: PASCAL‑5ⁱ, COCO‑20ⁱ)로 메타‑러닝을 수행함으로써, 다양한 클래스와 복잡한 배경을 가진 상황에서도 빠르게 새로운 태스크에 적응할 수 있는 ‘학습‑학습’ 메커니즘을 구축한다.

January 04, 2026

Computer Vision Computer Science Learning

HanoiWorld : A Joint Embedding Predictive Architecture BasedWorld Model for Autonomous Vehicle Controller

본 논문은 자율주행 제어에 있어 강화학습(RL)이 직면한 근본적인 한계를 짚어낸 뒤, JEPA 기반 자기지도 학습이 제공할 수 있는 대안을 제시한다. 기존 RL 접근법은 보상 설계가 복잡하고, 시뮬레이션 혹은 실제 도로에서 수백만 단계에 달하는 데이터가 필요하다. 특히 픽셀 수준의 재구성 손실을 최소화하려는 목표는 고차원 입력 공간에서 잡음(노이즈) 특성을 과도하게 학습하게 만들며, 이는 정책의 불안정성과 안전성 저하로 이어진다. 인간이 새로운 기술을 습득할 때 ‘상상’과 ‘예측’ 과정을 통해 적은 경험만으로도 일반화된 모델을 구축

January 04, 2026

Computer Science Robotics Model

KGCE: Knowledge-Augmented Dual-Graph Evaluator for Cross-Platform Educational Agent Benchmarking with Multimodal Language Models

KGCE 논문은 현재 교육용 AI 에이전트 평가 체계가 직면한 두 가지 핵심 한계를 체계적으로 진단하고, 이를 극복하기 위한 설계 원칙을 명확히 제시한다. 첫 번째 한계는 ‘프라이빗 도메인 소프트웨어’에 대한 구조적 이해 부족이다. XiaoYa Intelligent Assistant나 HuaShi XiaZi와 같은 학교 전용 애플리케이션은 UI 흐름, API 호출 방식, 데이터 포맷 등이 일반 상용 소프트웨어와 크게 다르다. 기존 멀티모달 LLM 기반 에이전트는 사전 학습 데이터에 이러한 특수 사례가 거의 포함되지 않아, 실제 실행

January 04, 2026

Computer Science Artificial Intelligence Model

Logics-STEM: Empowering LLM Reasoning via Failure-Driven Post-Training and Document Knowledge Enhancement

Logics‑STEM 논문은 최근 LLM(Large Language Model) 분야에서 가장 뜨거운 이슈인 “추론 능력 강화”에 대해 데이터와 알고리즘을 동시에 최적화하는 전략을 제시한다. 먼저 데이터 측면을 살펴보면, 저자들은 7.2 M 규모의 SFT( supervised fine‑tuning ) 데이터셋을 구축하기 위해 5단계 파이프라인을 적용했다. 주석 단계에서는 인간 전문가가 장기 사고 사슬(chain‑of‑thought) 형태의 답변을 직접 작성하도록 하여, 모델이 단순히 정답을 맞추는 것이 아니라 사고 과정을 학습하도록

January 04, 2026

Computer Science Artificial Intelligence

Online Estimation and Manipulation of Articulated Objects

이 논문은 서비스 로봇이 일상 가정 환경에서 마주치는 다양한 관절형 객체(예: 서랍, 문, 회전식 손잡이 등)를 사전 지식 없이도 신속히 파악하고 조작할 수 있도록 하는 통합 프레임워크를 제시한다. 핵심 아이디어는 ‘시각‑촉각 융합’이다. 기존 딥러닝 기반 어포던스 예측은 풍부한 이미지 데이터로부터 객체의 잠재적 움직임 축이나 제한을 추정하지만, 실제 물리적 제약(마찰, 스프링 저항 등)을 반영하지 못한다. 반면, 관절 운동을 직접 관찰해 추정하는 전통적 방법은 실제 접촉이 선행돼야 하므로 초기 탐색 비용이 크다. 저자들은 이 두

January 04, 2026

Computer Science Robotics

REE-TTT: Highly Adaptive Radar Echo Extrapolation Based on Test-Time Training

본 논문은 레이더 에코 외삽(Radar Echo Extrapolation, REE) 분야에서 가장 시급한 문제인 도메인 전이와 데이터 분포 변화 에 대한 해결책을 제시한다. 기존의 딥러닝 기반 REE 모델은 대규모 레이더 시퀀스를 학습해 단기 강수 예보를 수행하지만, 학습 단계에서 사용된 지역·시즌·기후 조건에 강하게 의존한다. 따라서 새로운 지역이나 극한 강수 상황에 적용하면 성능이 급격히 저하되는 것이 일반적이다. 1. 핵심 아이디어와 기여 테스트‑시점 학습(Test‑Time Training, TTT) 적용 : 모델 파라미터를

January 04, 2026

Computer Science Machine Learning

SwinIFS: Landmark Guided Swin Transformer For Identity Preserving Face Super Resolution

SwinIFS는 얼굴 초해상도(Face Super‑Resolution, FSR) 분야에서 두 가지 핵심 문제, 즉 ‘세밀한 구조 손실’과 ‘아이덴티티 변형’에 동시에 대응하려는 시도로 눈에 띈다. 기존 CNN 기반 방법들은 지역적인 특징을 잘 포착하지만, 장거리 의존성을 모델링하기엔 한계가 있다. 반면 Vision Transformer(ViT) 계열은 전역 정보를 효율적으로 학습하지만, 얼굴과 같이 고정된 구조적 패턴을 다룰 때는 사전 지식이 부족해 세부 디테일 복원에 약점이 있다. SwinIFS는 이러한 딜레마를 ‘랜드마크 가이드

January 04, 2026

Computer Science Computer Vision

No Image

The Optimal Sample Complexity of Linear Contracts

이 논문은 디지털 음악 플랫폼에서 새로운 로열티 모델 도입에 대한 핵심 문제, 즉 불확실한 아티스트 특성의 학습을 다루며, 이를 위한 최적 샘플 복잡도를 분석하고 제시합니다. 논문은 (Dütting 등, 2025)의 표본 기반 학습 프레임워크를 확장하여 선형 계약이라는 특정 계약 클래스에 대한 최적 학습을 위한 샘플 복잡도를 분석하고 있습니다. 기술적 혁신성: 논문은 디지털 음악 플랫폼이 새로운 로열티 모델을 도입할 때 직면하는 핵심 문제인 불확실한 아티스트 특성의 학습을 해결하기 위한 방법론을 제시합니다. 특히, 이 논문에서 제안

January 04, 2026

Computer Science Game Theory

An Explainable Agentic AI Framework for Uncertainty-Aware and Abstention-Enabled Acute Ischemic Stroke Imaging Decisions

본 논문은 급성 뇌졸중 영상 진단을 위한 AI 시스템의 개선 방향을 제시하며, 특히 불확실성 인식과 의사결정 제어 메커니즘을 통합한 에이전트 기반 접근 방식에 초점을 맞추고 있습니다. 이 연구는 의료 AI 분야에서 중요한 문제를 해결하려는 시도로, 안전성, 해석 가능성 및 임상 관련성을 강조하고 있습니다. 기술적 혁신성 본 논문의 핵심 혁신은 에이전트 기반 AI 프레임워크를 통해 불확실성 인식과 의사결정 제어 메커니즘을 통합한 것입니다. 이 접근 방식은 단순히 예측을 제공하는 것이 아니라, 불확실성이 높은 경우 보류 결정을 내릴 수

January 03, 2026

Framework Image Processing Electrical Engineering and Systems Science

Correctness isnt Efficiency: Runtime Memory Divergence in LLM-Generated Code

이 논문은 대형 언어 모델(LLM)에서 생성된 코드의 실행 안정성에 중점을 두고, 특히 메모리 동역학 측면에서 그 중요성을 강조한다. 기존 연구에서는 주로 LLM의 출력 정확도와 다양성에 초점을 맞추었지만, 이 논문은 이러한 정확한 결과가 반드시 실행 시간 메모리 프로파일링에서도 안정적인 성능을 보장하지 않는다는 점을 지적한다. 논문에서 제시된 주요 기여 중 하나는 Monotonic Peak Profile (MPP) 와 Dynamic Time Warping (DTW) 를 활용한 실행 시간 메모리 프로파일링 방법이다. 이 방법은 애플

January 03, 2026

Computer Science Software Engineering

Data-Driven Assessment of Concrete Mixture Compositions on Chloride Transport via Standalone Machine Learning Algorithms

이 논문은 콘크리트 구조물 내에서 염화물의 시간 경과 변화에 미치는 혼합물 조성의 영향을 분석하는데 초점을 맞추고 있다. 이를 위해 다양한 머신러닝 알고리즘을 사용하여 데이터 주도적 접근법을 적용한다. 연구 방법론은 간단한 선형 회귀, k 최근접 이웃 회귀, 커널 리지 회귀와 복잡한 서포트 벡터 회귀, 가우시안 프로세스 회귀, 다층 퍼셉트론(MLP), 게이트 순환 유닛(GRU)을 포함한다. 각 알고리즘의 성능은 다양한 지표를 통해 평가되며, 특히 GPR 모델은 명확하고 설명 가능한 추세를 제공하여 숨겨진 상관관계를 드러내는 데 효과

January 03, 2026

Computer Science Learning Data Machine Learning

No Image

EgoGrasp: World-Space Hand-Object Interaction Estimation from Egocentric Videos

EgoGrasp 논문은 이머시브(egocentric) 영상에서 세계 좌표계의 손‑물체 상호작용을 복원한다는 매우 야심찬 목표를 설정한다. 기존 연구는 크게 두 가지 한계에 봉착한다. 첫째, 정적 이미지 기반 방법은 시간적 연속성을 활용하지 못해 동적인 손동작과 물체 변화를 정확히 포착하지 못한다. 둘째, 카메라 좌표계에 국한된 접근법은 전역적인 위치와 자세 정보를 제공하지 못한다. 특히 일상 생활에서 촬영되는 이머시브 영상은 급격한 카메라 움직임, 조명 변화, 그리고 손과 물체의 빈번한 가림 현상이 특징이다. 이러한 환경에서는 2D

January 03, 2026

Computer Science Computer Vision

No Image

Harm in AI-Driven Societies: An Audit of Toxicity Adoption on Chirper.ai

본 논문은 AI 기반 소셜 에이전트가 온라인 플랫폼에서 어떻게 행동하는지에 대한 깊이 있는 이해를 제공하며, 특히 독성 콘텐츠 생성과 관련된 문제점을 집중적으로 분석한다. 이 연구는 Chirper.ai라는 플랫폼을 통해 LLM 기반 에이전트의 동작 패턴을 경험적으로 감사하고, 이러한 에이전트들이 어떻게 독성을 생성하고 채택하는지에 대한 중요한 통찰력을 제공한다. 기술적 혁신성 본 논문은 AI 기반 소셜 에이전트의 행동 이해를 위한 새로운 접근법을 제시한다. 특히, Chirper.ai 플랫폼을 활용하여 LLM 기반 에이전트가 독성 콘

January 03, 2026

Computer Science Multiagent Systems

No Image

Improved Object-Centric Diffusion Learning with Registers and Contrastive Alignment

본 논문은 객체 중심 학습(Object centric Learning, OCL) 분야에서 중요한 기술적 혁신을 제시하고 있습니다. CODA(Contrastive Object centric Diffusion Alignment)는 사전 학습된 디퓨전 모델을 활용하여 슬롯 엮임과 약한 정렬이라는 주요 도전 과제를 해결하는 새로운 접근 방식입니다. 기술적 혁신성: 1. 등록 슬롯(Register Slots): 등록 슬롯은 독립적인 입력 데이터로 추가되어 잔여 주의를 흡수하고 객체 슬롯 간의 간섭을 줄이는 역할을 합니다. 이는 슬롯 엮임 문

January 03, 2026

Computer Science Learning Computer Vision

Learning from Historical Activations in Graph Neural Networks

HISTOGRAPH는 그래프 신경망(GNN) 분야의 중요한 발전을 이끌어내며, 특히 노드 임베딩의 진화와 공간적 상호작용을 동시에 모델링하는 데 중점을 두고 있습니다. 이러한 접근법은 기존 GNN 아키텍처를 개선하고, 다양한 그래프 관련 작업에서 우수한 성능을 달성할 수 있는 새로운 방향성을 제시합니다. 기술적 혁신성: HISTOGRAPH의 핵심 혁신 중 하나는 역사적 활성화 추적 입니다. 이 접근법은 GNN이 메시지 전달과 집계를 통해 노드 임베딩을 생성하는 과정에서 발생한 시간적 경로를 고려합니다. 각 노드의 층별 표현을 시퀀스

January 03, 2026

Computer Science Network Learning Machine Learning

< Category Statistics (Total: 2829) >

Astrophysics

257

Computer Science

1035

Condensed Matter

Economics

Electrical Engineering and Systems Science

100

General

731

General Relativity

HEP-EX

HEP-LAT

HEP-PH

HEP-TH

MATH-PH

NUCL-EX

NUCL-TH

Nonlinear Sciences

Quantitative Biology

143

Quantitative Finance

Quantum Physics

Statistics

110

AI/ML in 3GPP 5G Advanced -- Services and Architecture

BEACON: A Unified Behavioral-Tactical Framework for Explainable Cybercrime Analysis with Large Language Models

rSIM: Incentivizing Reasoning Capabilities of LLMs via Reinforced Strategy Injection

Schoenfeld's Anatomy of Mathematical Reasoning by Language Models

TableGPT-R1: Advancing Tabular Reasoning Through Reinforcement Learning

A Multi-objective Optimization Approach for Feature Selection in Gentelligent Systems

AraToken: Optimizing Arabic Tokenization with Normalization Pipeline and Language Extension for Qwen3

Collaborative Edge-to-Server Inference for Vision-Language Models

CoAgent: Collaborative Planning and Consistency Agent for Coherent Video Generation

World Models That Know When They Don't Know: Controllable Video Generation with Calibrated Uncertainty

Comparative Analysis of 47 Context-Based Question Answer Models Across 8 Diverse Datasets

정보 흐름 발산을 이용한 필터·레이어 통합 압축 기법

Memories Retrieved from Many Paths: A Multi-Prefix Framework for Robust Detection of Training Data Leakage in Large Language Models

RevFFN: Memory-Efficient Full-Parameter Fine-Tuning of Mixture-of-Experts LLMs with Reversible Blocks

Probing the effectiveness of World Models for Spatial Reasoning through Test-time Scaling

Intelligent Knowledge Mining Framework: Bridging AI Analysis and Trustworthy Preservation

Towards Mass Spectrum Analysis with ASP

Toward Training Superintelligent Software Agents through Self-Play SWE-RL

Fragile Knowledge, Robust Instruction-Following: The Width Pruning Dichotomy in Llama-3.2

TradeTrap: Are LLM-based Trading Agents Truly Reliable and Faithful?

Large Language Models for Education and Research: An Empirical and User Survey-based Analysis

Scalable Offline Model-Based RL with Action Chunks

Admissibility Alignment

DARC: Drum accompaniment generation with fine-grained rhythm control

Jenius Agent: Towards Experience-Driven Accuracy Optimization in Real-World Scenarios

K-EXAONE Technical Report

Nodule-DETR: A Novel DETR Architecture with Frequency-Channel Attention for Ultrasound Thyroid Nodule Detection

Yukthi Opus: A Multi-Chain Hybrid Metaheuristic for Large-Scale NP-Hard Optimization

A construction of an optimal base for conditional attribute and attributional condition implications in triadic contexts

Accelerating Storage-Based Training for Graph Neural Networks

Adaptive Hierarchical Evaluation of LLMs and SAST tools for CWE Prediction in Python

Data Complexity-aware Deep Model Performance Forecasting

DrivingGen: A Comprehensive Benchmark for Generative Video World Models in Autonomous Driving

EscherVerse: An Open World Benchmark and Dataset for Teleo-Spatial Intelligence with Physical-Dynamic and Intent-Driven Understanding

Exposing Hidden Interfaces: LLM-Guided Type Inference for Reverse Engineering macOS Private Frameworks

FALCON: Few-Shot Adversarial Learning for Cross-Domain Medical Image Segmentation

HanoiWorld : A Joint Embedding Predictive Architecture BasedWorld Model for Autonomous Vehicle Controller

KGCE: Knowledge-Augmented Dual-Graph Evaluator for Cross-Platform Educational Agent Benchmarking with Multimodal Language Models

Logics-STEM: Empowering LLM Reasoning via Failure-Driven Post-Training and Document Knowledge Enhancement

Online Estimation and Manipulation of Articulated Objects

REE-TTT: Highly Adaptive Radar Echo Extrapolation Based on Test-Time Training

SwinIFS: Landmark Guided Swin Transformer For Identity Preserving Face Super Resolution

The Optimal Sample Complexity of Linear Contracts

An Explainable Agentic AI Framework for Uncertainty-Aware and Abstention-Enabled Acute Ischemic Stroke Imaging Decisions

Correctness isnt Efficiency: Runtime Memory Divergence in LLM-Generated Code

Data-Driven Assessment of Concrete Mixture Compositions on Chloride Transport via Standalone Machine Learning Algorithms

EgoGrasp: World-Space Hand-Object Interaction Estimation from Egocentric Videos

Harm in AI-Driven Societies: An Audit of Toxicity Adoption on Chirper.ai

Improved Object-Centric Diffusion Learning with Registers and Contrastive Alignment

Learning from Historical Activations in Graph Neural Networks

< Category Statistics (Total: 2829) >

Start searching

No results found