Model

All posts under tag "Model"

101 posts total

Sorted by date

Multiscale approach for bone remodeling simulation based on finite element and neural network computation

: 본 논문은 골 재구성 과정을 시뮬레이션하기 위한 새로운 다중 규모 접근 방식, 즉 하이브리드 FENN(Finite Element and Neural Network) 방법을 제안한다. 이 방법의 핵심은 유한 요소 분석과 인공 신경망 계산을 결합하여 골 재구성 과정에서 발생하는 복잡한 현상을 효과적으로 모델링하고 시뮬레이션할 수 있도록 하는 것이다. 1. 다중 규모 접근 방식의 필요성 골 재구성은 뼈의 미세 구조부터 거시적 행동까지 다양한 규모에서 발생하는 복잡한 과정이다. 이 과정을 정확하게 모델링하기 위해서는 각 수준에서의 상호

July 20, 2011

Quantitative Biology Model Network Physics

Fingerprint recognition using standardized fingerprint model

지문 인식은 생체 인식 기술 중 하나로, 고유한 특징과 지속성 덕분에 중요한 역할을 합니다. 그러나 저품질 이미지나 소형 영역에서 획득된 데이터를 처리하는 데 어려움이 있습니다. 이 논문에서는 이러한 문제를 해결하기 위해 표준화된 지문 템플릿 모델을 제안합니다. 1. 연구 배경 및 필요성 지문 인식의 핵심은 템플릿과 쿼리 지문 간의 매칭입니다. 이 과정에서 다양한 알고리즘이 개발되었지만, 특히 지문이 회전되거나 교차 부분이 작은 경우 정확도가 떨어집니다. 이를 해결하기 위해 표준화된 지문 템플릿 모델을 제안합니다. 2. 연구 방법

July 19, 2011

Model Computer Vision Computer Science

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

No Image

The Illusion of Insight in Reasoning Models

이 논문은 최근 AI 커뮤니티에서 화제가 된 “추론 중 ‘아하!’ 순간”이라는 현상을 과학적으로 검증하려는 시도이다. 저자들은 먼저 기존 연구가 제시한 사례, 즉 DeepSeek‑R1‑Zero가 중간 단계에서 갑작스러운 전략 전환을 보이며 정답을 도출한다는 주장을 재현하려 했다. 이를 위해 1백만 개가 넘는 추론 트레이스를 수집하고, 각 트레이스에서 토큰 수준의 확률 변화, 내부 표현의 변동, 그리고 출력 정확도를 동시에 기록했다. 분석 대상은 자연어 질문‑답변, 수학 문제 풀이, 코딩 생성이라는 세 가지 도메인으로, 각각의 도메인

January 02, 2026

Computer Science Artificial Intelligence Model

Can Large Language Models Still Explain Themselves? Investigating the Impact of Quantization on Self-Explanations

본 논문은 양자화가 대형 언어 모델(Large Language Model, LLM)의 자기설명(self‑explanations, SE) 능력에 미치는 영향을 체계적으로 조사한 최초의 연구라 할 수 있다. 기존 연구에서는 양자화가 모델의 추론 속도와 메모리 사용량을 크게 개선한다는 점에 초점을 맞추었지만, SE와 같이 모델 내부의 추론 과정을 외부에 설명하도록 요구되는 고차원 작업에 대한 영향은 간과되어 왔다. 이 점을 메우기 위해 저자들은 두 가지 SE 유형, 즉 자연어 설명(NLE)과 반사실 예시(counterfactual exa

January 01, 2026

Computer Science NLP Model

Defensive M2S: Training Guardrail Models on Compressed Multi-turn Conversations

Defensive M2S는 기존 가드레일 모델이 전체 대화 히스토리를 입력으로 받아야 하는 구조적 한계를 근본적으로 해결한다는 점에서 의미가 크다. 다중턴 대화는 일반적으로 토큰 수가 O(n²) 수준으로 급증하는데, 이는 특히 10턴 이상으로 길어지는 실제 서비스 시나리오에서 GPU 메모리와 연산 시간의 병목을 초래한다. 논문은 이를 ‘Multi‑turn to Single‑turn (M2S)’ 압축이라는 간단하지만 효과적인 변환 규칙으로 전환한다. 구체적으로, 각 턴의 핵심 발화만을 남기고, 대화 흐름을 유지하기 위해 하이픈(–),

January 01, 2026

Computer Science NLP Model

Robust Uncertainty Quantification for Factual Generation of Large Language Models

이 논문은 LLM의 ‘환각’ 문제를 불확실성 정량화라는 관점에서 접근한다는 점에서 의미가 크다. 기존의 불확실성 추정 기법—예를 들어 베이지안 신경망, MC‑Dropout, 엔삼블 방법—은 주로 정형화된 QA 데이터셋에서 검증되었으며, 질문이 의도적으로 혼동을 주는 형태일 때는 신뢰도 점수가 급격히 왜곡되는 한계를 보였다. 저자들은 이러한 한계를 극복하기 위해 ‘함정 질문(trap question)’이라는 새로운 평가 도구를 설계했는데, 여기에는 실제 존재하지 않는 인물명이나 허위 사실이 삽입되어 모델이 사실을 생성하도록 유도한다.

January 01, 2026

Computer Science NLP Model

Modeling Language as a Sequence of Thoughts

이 논문은 현재 가장 널리 사용되는 트랜스포머 기반 언어 모델이 “표면적” 토큰 연관성에 과도하게 의존한다는 근본적인 한계를 짚고 있다. 토큰 수준에서만 학습이 이루어지면 모델은 문맥 전체에 걸친 일관된 엔티티·사건 표현을 구축하지 못한다. 결과적으로 “역전 저주”(예: “아버지가 아들을 낳았다”와 “아들이 아버지를 낳았다”를 구분하지 못함)와 같은 관계 일반화 오류가 발생하고, 동일한 의미를 가진 다양한 표현을 학습하기 위해 불필요하게 많은 데이터가 요구된다. 인지과학 연구에서는 인간이 언어를 처리할 때 입력 스트림을 일시적인 표

December 31, 2025

Computer Science NLP Model

No Image

Multi-modal cross-domain mixed fusion model with dual disentanglement for fault diagnosis under unseen working conditions

이 논문은 산업 현장에서 흔히 마주치는 ‘보이지 않는 작업 조건’이라는 문제를 핵심으로 삼아, 기존 결함 진단 모델들의 일반화 한계를 체계적으로 극복하고자 한다. 첫 번째 핵심 기여는 이중 분리(disentanglement) 프레임워크 이다. 여기서는 두 차원의 분리를 동시에 수행한다. 하나는 모달리티 차원 으로, 서로 다른 센서(예: 전류, 진동, 온도)에서 추출된 특징을 ‘모달리티 불변(modality‑invariant)’과 ‘모달리티 특화(modality‑specific)’로 나눈다. 이는 각 센서가 제공하는 고유한 물리적 정

December 31, 2025

Computer Science Artificial Intelligence Model

No Image

Understanding and Steering the Cognitive Behaviors of Reasoning Models at Test-Time

본 논문은 현재 LLM이 복잡한 문제 해결에 흔히 사용하는 CoT(Chain‑of‑Thought) 방식이 “과다 토큰 생성”과 “불안정한 사고 흐름”이라는 두 가지 주요 병목을 안고 있다는 점을 정확히 짚어낸다. 저자들은 먼저 대규모 모델(예: GPT‑NeoX, LLaMA)에서 추론 시 생성되는 토큰 시퀀스를 단계별로 분석하고, 각 단계가 어떤 인지적 역할을 수행하는지 메타데이터화한다. 이 과정에서 특히 ‘검증(verification)’ 단계와 ‘역추적(backtracking)’ 단계가 별도의 어텐션 헤드에 집중되어 있다는 사실을

December 31, 2025

Computer Science NLP Model

No Image

HOLOGRAPH: Active Causal Discovery via Sheaf-Theoretic Alignment of Large Language Model Priors

HOLOGRAPH 논문은 인과 구조 학습이라는 오래된 문제에 최신 인공지능 기술을 수학적으로 결합한 시도라 할 수 있다. 전통적인 인과 발견 방법은 조건부 독립성 검정이나 구조적 방정식 모델을 기반으로 하지만, 관측 데이터만으로는 동일한 마르코프 등가 클래스 내의 여러 그래프를 구분하기 어렵다. 이 한계를 극복하기 위해 연구자들은 외부 지식, 특히 인간이 만든 지식 그래프나 도메인 전문가의 의견을 사전확률로 도입해 왔다. 최근에는 LLM이 방대한 텍스트 코퍼스를 학습함으로써 “인과적 직관”을 내포하고 있다는 점에 주목해, LLM을

December 30, 2025

Machine Learning Computer Science Model

iCLP: Large Language Model Reasoning with Implicit Cognition Latent Planning

iCLP는 기존 “체인‑오브‑생각”(CoT) 접근법의 두 가지 한계를 동시에 해결하려는 시도이다. 첫 번째는 인간이 문제를 풀 때 텍스트로 명시적인 계획을 세우지 않더라도, 과거 경험에서 추출된 압축된 패턴을 무의식적으로 활용한다는 점이다. 이러한 암묵적 인지는 LLM이 직접 텍스트 계획을 생성할 때 발생하는 “환각”(hallucination) 문제를 회피할 수 있는 가능성을 제공한다. 두 번째는 다양한 도메인과 질문 형태에 대해 일관된 텍스트 계획을 설계하는 것이 비현실적이라는 점이다. iCLP는 명시적 계획을 먼저 수집하고, 이

December 30, 2025

Computer Science NLP Model

Investigating Deep Learning Models for Ejection Fraction Estimation from Echocardiography Videos

본 논문은 심장기능 진단에 중요한 역할을 하는 LVEF를 추정하기 위해 다양한 딥러닝 아키텍처의 성능을 평가하고 있습니다. 초음파心动图作为一种常用的临床工具，用于评估心脏功能，但手动分析存在时间成本高和观察者间变异性大的问题。深度学习方法的引入为这个问题提供了一个有潜力的解决方案。本研究中，作者探讨了三种不同的深度学习架构：3D Inception、双流模型以及CNN RNN模型，并对这些模型进行了系统性的评估以确定最佳配置。实验结果表明，经过修改后的3D Inception架构表现最优，其均方根误差（RMSE）为6.79%。此外，研究还发现较小且简单的模型在泛化能力上优于复杂

December 27, 2025

Model Learning

Unleashing Foundation Vision Models: Adaptive Transfer for Diverse Data-Limited Scientific Domains

본 연구는 현재 컴퓨터 비전 분야에서 가장 큰 도전 과제 중 하나인 “대규모 사전 학습 모델을 데이터가 부족한 특수 도메인에 효과적으로 전이시키는 방법”을 해결하고자 한다. 기존의 파인튜닝 방식은 사전 학습된 가중치를 그대로 사용하거나, 전체 네트워크를 미세조정하는 방식에 머물러 있어, 도메인 간 분포 차이가 클 경우 과적합이나 표현 손실이 발생한다. CLAdapter는 이러한 한계를 극복하기 위해 두 가지 핵심 아이디어를 결합한다. 첫째, 클러스터 중심을 활용해 입력 특징 공간을 여러 개의 의미론적 그룹으로 나누고, 각 클러스터에

December 27, 2025

Data Model

Efficient Multi-Model Orchestration for Self-Hosted Large Language Models

본 연구는 대규모 언어 모델을 자체 데이터센터에 구축하려는 기업·기관을 대상으로, 기존의 정적 배포 방식이 안고 있던 비효율성을 근본적으로 개선하고자 하는 시도이다. 첫 번째 핵심 문제는 GPU 자원의 비정상적 사용이다. LLM은 모델 크기에 따라 수십에서 수백 개의 GPU가 필요하지만, 실제 요청량은 시간대별, 서비스별로 크게 변동한다. 정적 할당은 피크 시점에는 성능 저하, 비피크 시점에는 자원 낭비를 초래한다. 두 번째는 다양한 모델과 워크로드를 동시에 운영할 때 발생하는 라우팅 복잡성이다. 모델마다 정확도·응답시간·비용 특성

Multiscale approach for bone remodeling simulation based on finite element and neural network computation

Fingerprint recognition using standardized fingerprint model

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

The Illusion of Insight in Reasoning Models

Can Large Language Models Still Explain Themselves? Investigating the Impact of Quantization on Self-Explanations

Defensive M2S: Training Guardrail Models on Compressed Multi-turn Conversations

Robust Uncertainty Quantification for Factual Generation of Large Language Models

Modeling Language as a Sequence of Thoughts

Multi-modal cross-domain mixed fusion model with dual disentanglement for fault diagnosis under unseen working conditions

Understanding and Steering the Cognitive Behaviors of Reasoning Models at Test-Time

HOLOGRAPH: Active Causal Discovery via Sheaf-Theoretic Alignment of Large Language Model Priors

iCLP: Large Language Model Reasoning with Implicit Cognition Latent Planning

Investigating Deep Learning Models for Ejection Fraction Estimation from Echocardiography Videos

Unleashing Foundation Vision Models: Adaptive Transfer for Diverse Data-Limited Scientific Domains

Efficient Multi-Model Orchestration for Self-Hosted Large Language Models

Semiparametric Preference Optimization: Your Language Model is Secretly a Single-Index Model

Reflection Pretraining Enables Token-Level Self-Correction in Biological Sequence Models

Automated stereotactic radiosurgery planning using a human-in-the-loop reasoning large language model agent

Retrieval-augmented Prompt Learning for Pre-trained Foundation Models

$M^3-Verse$: A 'Spot the Difference' Challenge for Large Multimodal Models

Revisiting the Learning Objectives of Vision-Language Reward Models

Decoding Fake Narratives in Spreading Hateful Stories: A Dual-Head RoBERTa Model with Multi-Task Learning

KineST: A Kinematics-guided Spatiotemporal State Space Model for Human Motion Tracking from Sparse Signals

The Evolution of Reranking Models in Information Retrieval: From Heuristic Methods to Large Language Models

Topic Modelling Black Box Optimization

Bayesian Updating of constitutive parameters under hybrid uncertainties with a novel surrogate model applied to biofilms

Optimizing Agentic Language Model Inference via Speculative Tool Calls

Seeing Beyond Words: Self-Supervised Visual Learning for Multimodal Large Language Models

Model-First Reasoning LLM Agents: Reducing Hallucinations through Explicit Problem Modeling

ReadyPower: A Reliable, Interpretable, and Handy Architectural Power Model Based on Analytical Framework

A Disproof of Large Language Model Consciousness: The Necessity of Continual Learning for Consciousness

Human-Inspired Learning for Large Language Models via Obvious Record and Maximum-Entropy Method Discovery

Lemon: A Unified and Scalable 3D Multimodal Model for Universal Spatial Understanding

Scone: Bridging Composition and Distinction in Subject-Driven Image Generation via Unified Understanding-Generation Modeling

AI Transparency Atlas: Framework, Scoring, and Real-Time Model Card Evaluation Pipeline

Stochastic Volatility Modelling with LSTM Networks: A Hybrid Approach for S&P 500 Index Volatility Forecasting

HLS4PC: A Parametrizable Framework For Accelerating Point-Based 3D Point Cloud Models on FPGA

SoccerMaster: A Vision Foundation Model for Soccer Understanding

Color encoding in Latent Space of Stable Diffusion Models

What Kind of Reasoning (if any) is an LLM actually doing? On the Stochastic Nature and Abductive Appearance of Large Language Models

VFM-VLM: Vision Foundation Model and Vision Language Model based Visual Comparison for 3D Pose Estimation

China Regional 3km Downscaling Based on Residual Corrective Diffusion Model

Back to Basics: Motion Representation Matters for Human Motion Generation Using Diffusion Model

Measuring the Unspoken: A Disentanglement Model and Benchmark for Psychological Analysis in the Wild

Data assimilation and discrepancy modeling with shallow recurrent decoders

From monoliths to modules: Decomposing transducers for efficient world modelling

ChromouVQA: Benchmarking Vision-Language Models under Chromatic Camouflaged Images

Integrating Causal Foundation Model in Prescriptive Maintenance Framework for Optimizing Production Line OEE

Extrapolation of Urn Models via Poissonization: Accurate Measurements of the Microbial Unknown

< Category Statistics (Total: 769) >

Start searching

No results found