[1/89] Truck Parking Usage Prediction with Decomposed Graph Neural Networks Keywords: parking_usage_prediction, parking_data_predict, historical_parking_data Abstract: 화물 통로의 트럭 주차는 주차 공간 부족, 운행 시간(HOS) 규정 준수 등 다양한 문제에 직면해 있습니다. 이러한 제약은 종종 무단 주차 관행으로 이어져 안전 문제를 야기합니다. 화물 운송의 안전을 강화하기 위해 정확한 주차 사용량 예측을 제공하는 것은 비용 효율적인 솔루션으로 입증되었습니다. 개별 트럭 주차장의 사용량을 예측하는 데는 만족할 만한 정확도를 보인 기존 연구에도 불구하고, 여러 트럭 주차장의 ..

[1/137] On-Time Delivery in Crowdshipping Systems: An Agent-Based Approach Using Streaming Data Keywords: parcel_delivery_crowds, delivery_modes_crowdshipping, crowdshipping_time_sensitive Abstract: 소포 배송에서 소포 허브에서 고객까지의 '라스트 마일'은 특히 도착 후 몇 시간 내에 완료해야 하는 시간에 민감한 배송 작업의 경우 많은 비용이 발생합니다. 최근 크라우드 배송이 기존 배송 방식의 새로운 대안으로 주목받고 있습니다. 크라우드 배송에서는 개인 시민('군중')이 일상에서 잠시 시간을 내어 소정의 인센티브를 받고 택..

[1/91] Optimisation in Neurosymbolic Learning Systems Keywords: reasoning_neural_networks, reasoning_neural, probabilistic_reasoning_neural Abstract: 뉴로심볼릭 AI는 딥러닝과 심볼릭 AI를 통합하는 것을 목표로 합니다. 이러한 통합은 신경망을 훈련하는 데 필요한 데이터의 양을 줄이고, 모델이 제공하는 답변의 설명 가능성과 해석 가능성을 개선하며, 훈련된 시스템의 정확성을 검증하는 등 많은 가능성을 가지고 있습니다. 유니티는 데이터와 배경 지식을 모두 기호 언어로 표현하는 신경심볼릭 학습을 연구합니다. 이 지식을 전달하기 위해 기호적 요소와 신경적 요소를 어떻게 연결할 수 있을까요? 한 ..

[1/91] Counterfactual Reasoning with Probabilistic Graphical Models for Analyzing Socioecological Systems Keywords: causal_counterfactual_reasoning, graphical_models_causality, ecological_sciences_causality Abstract: 인과적 추론과 역추론은 가상의 시나리오에 대해 추론할 수 있는 데이터 과학의 새로운 방향입니다. 이는 일반적으로 실험 데이터를 사용할 수 없는 영역에서 특히 유용합니다. 예를 들어, 환경 및 생태 과학의 맥락에서 인과관계를 통해 생태계가 가상의 개입에 어떻게 반응할지 예측할 수 있습니다. 구조적 인과관계 모델은 인과관계에 ..

[1/82] Knowledge Pyramid: A Novel Hierarchical Reasoning Structure for Generalized Knowledge Augmentation and Inference Keywords: knowledge_pyramid_improved, knowledge_pyramid, proposed_knowledge_pyramid Abstract: 지식 그래프(KG) 기반 추론은 시맨틱 네트워크 분석에 효과적인 수단으로 여겨져 왔으며 정보 검색, 추천, 의사 결정, 인간과 기계의 상호작용 등의 분야에서 매우 유용합니다. 추천, 의사 결정, 질의응답, 검색 및 기타 분야에서 널리 사용되고 있습니다. 하지만 기존 연구들은 주로 KG의 저수준 지식을 추론에 사용했기 때문에 일반..

[1/200] GATS: Gather-Attend-Scatter Keywords: larger_multimodal_networks, games_robotics_multimodal, multimodal_networks_gats Abstract: AI 커뮤니티에서 대규모 모델을 점점 더 많이 채택함에 따라 이를 통합할 수 있는 일반적이고 유연한 도구를 개발하는 것이 매우 중요해졌습니다. 유니티는 학습 가능 및 고정된 사전 학습된 기반 모델을 대규모 멀티모달 네트워크에 원활하게 결합할 수 있는 새로운 모듈인 GATS(Gather-Attend-Scatter)를 소개합니다. GATS는 AI 시스템이 여러 모달리티에서 다양한 속도로 정보를 처리하고 생성할 수 있도록 지원합니다. 기존의 미세 조정과 달리 GATS를 ..

아래의 글은 NLP Newsletter by Elvis에서 허락을 받고 가져온 글이며, 원문은 다음 링크 The top ML Papers of the Week (May 5 - Jun 11)에서 확인할 수 있습니다. 1) Tracking Everything Everywhere All at Once - 밀집된 장거리 모션을 추정하기 위한 테스트 시간 최적화 방법을 제안하고, 비디오의 모든 픽셀에 대한 정확한 전체 길이 모션 추정을 가능하게함 (paper | tweet) 2) AlphaDev - 처음부터 더 빠른 정렬 알고리즘을 발견하는 심층 강화 학습 에이전트로, 알고리즘은 이전에 알려진 인간 벤치마크를 능가하고 LLVM C++ 라이브러리에 통합됨 (paper | tweet) 3) Sparse-Quantiz..

[1/79] A Brain-inspired Computational Model for Human-like Concept Learning Keywords: human_concept_learning, like_concept_representations, concept_representations_study Abstract: 개념 학습은 인간 인지의 근본적인 측면이며 범주화, 추론, 기억, 의사 결정과 같은 정신적 과정에서 중요한 역할을 합니다. 다양한 분야의 연구자들은 개인의 개념 습득 과정에 대해 지속적인 관심을 보여 왔습니다. 이 연구에서는 인간의 개념 학습과 관련된 메커니즘을 밝히기 위해 컴퓨터 신경과학과 인지심리학의 연구 결과를 살펴봅니다. 이러한 연구 결과에 따르면 뇌의 개념 표상은 다감각적 표상과..

[1/108] Secrets of RLHF in Large Language Models Part II: Reward Modeling Keywords: responses_reward_models, intent_reward_models, reward_models_trained Abstract: 인간 피드백을 통한 강화 학습(RLHF)은 언어 모델을 인간의 가치와 의도에 맞게 조정하여 모델이 보다 유용하고 무해한 반응을 생성할 수 있도록 하는 중요한 기술이 되었습니다. 보상 모델은 강화 학습 최적화를 추진하기 위해 인간 선호도의 프록시로 훈련됩니다. 보상 모델은 종종 높은 성능을 달성하는 데 핵심적인 역할을 하는 것으로 간주되지만, 실제 적용 시 다음과 같은 문제에 직면합니다. (1) 데이터 세트의 부정확하고..

[1/52] Yes, this is what I was looking for! Towards Multi-modal Medical Consultation Concern Summary Generation Keywords: concern_summary_generation, concern_summaries_intents, annotated_medical_concern Abstract: 지난 몇 년 동안 의료 관련 업무에서 인터넷 사용이 비약적으로 증가하면서 정보를 효과적으로 관리하고 처리하여 효율적으로 활용하는 데 어려움을 겪고 있습니다. 정서적 혼란과 심리적 어려움을 겪는 순간에 우리는 사회적 낙인 때문에 다른 사람들과 자신의 감정을 논의하는 대신 인터넷을 첫 번째 지원처로 선택하는 경우가 많습니다. 이 논문..