ARROW로 본 지속학습 RL
ARROW는 이중 버퍼와 분포 정합 재생으로 메모리 부담을 낮추며 망각을 줄인 지속학습 RL 접근이다.
ARROW는 이중 버퍼와 분포 정합 재생으로 메모리 부담을 낮추며 망각을 줄인 지속학습 RL 접근이다.
멀티에이전트 조정을 환경 메모리·인센티브·피드백 루프로 읽는 최소 이론과 실전 시사점.
중국어-영어 번역에서 LLM 자동평가가 사람 판단을 어디까지 대체할 수 있는지와 편향 위험을 짚는다.
단일 RGB-D 카메라로 손 3D를 복원해 로봇에 리타기팅하는 저비용 텔레오퍼레이션 접근과 한계를 다룬다.
오토인코더의 입력·잠재표현·복원 간 의존성을 더 안정적으로 재는 새 추정기와 상호정보량의 한계를 짚는다.
Stable Spike의 dual consistency optimization과 bitwise AND 기반 SNN 안정화 포인트를 정리했다.
가변 에이전트 수와 미지 시나리오 일반화를 겨냥한 오프라인 멀티태스크 MARL 접근을 짚는다.
대학 직무발명 절차와 AI 특허 요건을 바탕으로 아이디어를 권리화하는 핵심 기준을 정리한다.
SBOM의 한계를 넘어 에이전트형 AI의 런타임·드리프트·악용 맥락을 기록하는 AIBOM을 다룹니다.
ML 기반 NIDS는 FGSM·GAN 적대적 예제로 우회될 수 있다. 앙상블로 강건성 평가 필요.
AI 공저는 글쓰기 절차를 반응형으로 바꾸고, 2~4점의 설득 효과처럼 사후 의견까지 이동시킨다.
월 300만원 현금과 1년 뒤 무제한 AI를 ROI로 비교: 검수·보안·정책비용까지 현금흐름화.
산업 현장 LLM 환각을 정확도보다 재현성 문제로 보고, 출력 분산을 줄이는 5가지 프롬프트 전략을 비교한다.
RF 채널을 센서로 재해석하고 양자 프로브까지 학습해 5ms 제약 내 성능을 본다.
Wikidata·Wikipedia로 Latam 국가별 Q/A(2.6만+) 구축, MCQ로 LLM 격차를 계량한다.
처리량·정확도 수치를 연구 자동화로 단정하지 말고, 성공률·시간·검증 조건을 고정해 예측하자.
멀티플로우 PINN 확장 시 공유/개별 표현, 간섭, 손실 스케일 문제를 UniPINN으로 정리.
지난 수집 자료(공식/뉴스) 중 중요한 링크를 모아 정리했다.
스킬을 프롬프트가 아닌 실행 함수 코드로 정의해 생성·실행·업데이트·저장 루프로 축적한다.
FuzzingRL은 퍼징+강화 파인튜닝으로 VLM 오답 질문을 자동 생성해 실패 모드를 찾는다.
LLM이 초전도 큐비트 제어·측정을 도구 생성·호출로 자동화하는 프레임워크와 안전·로그 과제를 정리.
비정형 문서를 스키마화해 마코프 리스크 표면과 RL 수색정책을 만들고 LLM이 QA로 점검한다.
비결정적 인용 변동을 단일 KPI로 보지 말고 반복 샘플링 분포로 비교·감지하자.
실종아동 수사에서 멀티 LLM과 합의 엔진으로 불일치를 줄이고 TEVV 중심 운영을 제안.