PyTorchKR Papers

최신 논문

총 1,987편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.26158v1cs.AI

벤치마크 포화 이후: CORE-Bench 사례 연구

Life After Benchmark Saturation: A Case Study of CORE-Bench

벤치마크 정확도가 포화된 뒤에도 폐기·교체만 하는 접근은 구성 타당성, 분포 밖 일반화, 효율성, 신뢰성, 모델·스캐폴드 분리, 인간-에이전트 협업 향상 등 핵심 차원을 놓친다는 점을 과학 코드 계산 재현성 벤치마크 CORE-Bench Hard 사례로 보인다. CORE-Bench v1.1과 CORE-Bench OOD를 제안하고 다차원 평가를 통해 정확도가 유사한 에이전트 간 차이를 드러냈으며, 실제 재현성 태스크에서 인간-에이전트 협업은 약 2배의 통계적으로 유의미한 속도 향상을 보였다.

arXiv:2606.26764v1cs.CV

제어 가능한 4D 심장 MRI 합성을 위한 해부학 가이드 잔차 모션 확산

Anatomy-Guided Residual Motion Diffusion for Controllable 4D Cardiac MRI Synthesis

심장 MRI의 제한된 주석 데이터와 기기 간 도메인 편차 문제를 해결하기 위해, 반지도 학습 VAE와 계단형 잠재 확산 모델(LDM)을 결합하여 해부학적 구조와 시간적 동역학을 분리 생성하는 4D cine CMR 합성 프레임워크를 제안한다. 정적 해부학 생성과 잔차 잠재 모션 예측을 순차적으로 수행하며, 합성 데이터로 학습 세트를 증강한 결과 nnU-Net 기반 심장 분할에서 평균 Dice 점수 1.4% 향상 및 Hausdorff Distance 3.0mm 감소를 달성했다.

arXiv:2606.08420v2cs.CV

CheXanatomy: 흉부 X-ray를 위한 해부학 인식 비전-언어 모델링

CheXanatomy: Anatomy-Aware Vision-Language Modeling for Chest Radiographs

CheXanatomy는 CT 볼륨에서 합성한 흉부 X-ray와 투영 분할 레이블로, 사전학습된 비전-언어 모델(VLM)이 다음 토큰 예측으로 해부학적 분할 마스크를 생성하도록 자기회귀 토큰 공간 감독을 적용하는 프레임워크다. 분포 내에서는 U-Net과 유사한 성능을 보이고 실제 CXR로의 도메인 이동에서 기하학적 견고성이 개선되며, 제한된 감독 하 새로운 국소화 작업에도 샘플 효율성이 향상된다.

arXiv:2512.04238v2cs.CV

손가락 6개, 신장 1개: 자연적 적대적 의료 영상이 비전-언어 모델의 치명적 약점을 드러낸다

6 Fingers, 1 Kidney: Natural Adversarial Medical Images Reveal Critical Weaknesses of Vision-Language Models

희귀 해부학적 변이를 다루는 최초의 벤치마크 AdversarialAnatomyBench를 제안해 25개 최신 비전-언어 모델(VLM)을 평가했으며, 기본 의료 인식 과제에서 전형적 해부학 대비 평균 정확도가 71%에서 28%로 급락하고 GPT-5·Gemini 2.5 Pro·Llama 4 Maverick 등 최고 성능 모델도 41–51% 하락을 보였다. 오류는 전형적 해부학 사전(prior)과 밀접히 맞았고 모델 스케일링, 바이어스 인식 프롬프팅, 테스트 시점 추론으로도 개선되지 않아 현재 VLM의 희귀 해부학적 양상 일반화 한계를 드러냈다.

arXiv:2511.18254v3cs.CV

UniFlow: 자율주행 차량을 위한 제로샷 LiDAR 씬 플로우

UniFlow: Zero-Shot LiDAR Scene Flow for Autonomous Vehicles

LiDAR 씬 플로우(scene flow)는 의미 분할이나 3D 객체 검출과 달리 클래스 비의존적(class-agnostic) 특성 덕분에 다중 데이터셋 학습이 단일 데이터셋 모델보다 일관되게 우수함을 실증적으로 밝히고, 이를 바탕으로 다양한 센서 배치와 포인트 클라우드 밀도를 가진 여러 대규모 데이터셋을 아키텍처 수정 없이 통합 학습하는 UniFlow를 제안한다. UniFlow는 Waymo와 nuScenes에서 각각 5.1%, 35.2% 성능 향상으로 최고 성능을 달성하며, 학습에 사용되지 않은 TruckScenes와 AEVAScenes에서도 기존 데이터셋 특화 모델 대비 각각 30.1%, 22.5% 높은 제로샷(zero-shot) 정확도를 기록한다.

arXiv:2606.25665v1cs.LG

Learning Subset-Shared Invariances for Domain Generalization with Mixture-of-Experts

도메인 일반화(DG)에서 모든 소스 도메인에 전역 불변성을 강제하면 표현 공간이 줄어들어 전이 가능한 예측 요인이 소실될 수 있음을 보이고, 도메인 부분집합 내에서만 예측 구조가 안정적이라는 부분집합 공유 불변성을 전문가 혼합(MoE)으로 구현해 라우팅 기반 부분집합 정렬을 학습한다. DomainBed 벤치마크에서 이탈(out-of-domain) 일반화가 개선되었고 도메인 이질성이 커질수록 강건성이 높아졌다.

arXiv:2606.25447v1cs.LG

The Interplay of Harness Design and Post-Training in LLM Agents

도구 통합 대규모 언어 모델(LLM) 에이전트의 harness(도구 노출·설명·단계별 관찰 정보를 결정하는 래퍼)와 사후학습(post-training) 상호작용을 ALFWorld 확장 벤치마크에서 분석했으며, harness를 반영한 사후학습이 분포 내 성능뿐 아니라 작업·도구 환경 변화에 대한 분포 외(OOD) 적응까지 개선함을 보였다. 설계 노력이 적은 harness에서는 강한 도구 환경 변화 시 사후학습 성능이 급격히 떨어져, harness-aware 사후학습의 필요성이 드러났다.

arXiv:2606.25247v1cs.HC

FUTO Swipe: Layout-Agnostic Neural Swipe Decoding

모바일 스와이프 입력에서 신경망 디코더가 특정 키보드 레이아웃에 종속되는 문제를, 추론 시 키보드 좌표를 입력으로 받아 스와이프 궤적과 레이아웃을 함께 기하학적으로 증강하는 레이아웃 무관(layout-agnostic) 인코더로 해결한다. 100만 건 이상의 MIT 라이선스 스와이프 코퍼스 swipe.futo.org를 공개했으며, 학습에 없던 레이아웃에서도 때로는 학습 레이아웃보다 높은 정확도로 일반화되어 알고리즘 디코더의 유연성과 신경망 모델의 정확도를 결합한다.

arXiv:2606.25004v1cs.LG

Certification of Machine Learning Models via Directional Sharpness

모델 일반화(generalization)는 직접 인증하기 어렵고 테스트 정확도나 정적 샤프니스(sharpness)는 학습 과정이 왜곡되면 신뢰하기 어렵다는 한계를 해결하기 위해, 연속적인 확률적 perturbation 하에서 동적 안정성(dynamic stability)을 측정하는 방향성 샤프니스(directional sharpness) 지표를 제안한다. 실험과 이론 분석에서 이 지표는 기존 지표보다 일반화와 더 강하게 상관하고 낮은 품질 모델을 더 신뢰적으로 식별하며, 학습 데이터 접근 감사와 영지식 증명(zero-knowledge proof) 기반 인증에서도 효율적으로 계산 가능함을 보였다.

arXiv:2606.24995v1cs.LG

Are Tabular Foundation Models Robust to Realistic Query Distribution Shifts in Microbiome Data?

마이크로바이옴 풍부도 데이터에서 표 형식 기반 모델(TFM)의 현실적 쿼리 분포 이동 견고성을 평가하기 위해, 미교란 지원 집합을 문맥으로 두고 쿼리 샘플에만 생물학적 섭동을 적용하는 문맥 내 학습(ICL) 벤치마크를 제안한다. 6개 장내 미생물군 데이터셋 실험에서 판별적 분류군을 보존해도 모든 섭동이 성능을 떨어뜨렸고, 허위 0이 아닌 값 주입(zero-imputation)이 가장 큰 손실을 낳았으며, zero-inflation 기반 희소화는 랜덤 포orest보다 TFM에 더 불리하게 작용했다.

arXiv:2606.24986v1cs.LG

When Multi-Sensor Fusion Fails to Generalize: Cattle Posture Classification Under Animal-Level and Temporal Distribution Shift

목 목장 소의 누움·서기 자세 분류에서 목걸이 가속도계, 반추위 센서, 환경 측정을 결합한 다중 센서 융합은 연도 내 평가에서 macro-F1 0.94를 기록했으나, 동물 단위·연도 간 분포 이동(distribution shift) 평가에서는 0.49로 급락해 목걸이 단일 모델(0.54)보다 낮았다. 설명 가능성 분석은 반추위·환경 변수에 대한 단축 학습(shortcut learning) 의존을 드러냈고, 일반적인 무작위 분할 평가가 실제 배포 성능을 과대평가할 수 있음을 보여준다.

arXiv:2606.25935v1cs.CL

Overview of HIPE-2026: Person-Place Relation Extraction from Multilingual Historical Texts

HIPE-2026는 노이즈가 많은 다국어 역사 문헌에서 인물-장소 시간 근거 관계(at, isAt) 추출을 다루는 HIPE 시리즈 3판 공유 과제로, 17개 팀의 40회 이상 제출을 정확도·계산 효율·교차 도메인 일반화 관점에서 분석한다. 프랑스어·독일어·영어 19-20세기 신문과 서프라이즈 문학 도메인에서 OCR 노이즈·역사적 언어 변화·간접 문맥 단서가 핵심 난제이며, 최신 대규모 언어 모델(LLM)부터 경량 분류기까지 다양한 접근의 정확도·효율·견고성 트레이드오프가 드러난다.

arXiv:2602.11575v3cs.RO

ReaDy-Go: Real-to-Sim Dynamic 3D Gaussian Splatting Simulation for Environment-Specific Visual Navigation with Moving Obstacles

Visual navigation models often struggle in real-world dynamic environments due to limited robustness to the sim-to-real gap and the difficulty of training policies tailored to target deployment environments (e.g., households, restaurants, and factories). Although real-to-sim navigation simulation using 3D Gaussian Splatting (GS) can mitigate these challenges, prior GS-based works have considered only static scenes or non-photorealistic human obstacles built from simulator assets, despite the importance of safe navigation in dynamic environments. To address these issues, we propose ReaDy-Go, a novel real-to-sim simulation pipeline that synthesizes photorealistic dynamic scenarios in target environments by augmenting a reconstructed static GS scene with dynamic human GS obstacles, and trains navigation policies using the generated datasets. The pipeline provides three key contributions: (1) a dynamic GS simulator that integrates static scene GS with a human animation module, enabling the insertion of animatable human GS avatars and the synthesis of plausible human motions from 2D trajectories, (2) a navigation dataset generation framework that leverages the simulator along with a robot expert planner designed for dynamic GS representations and a human planner, and (3) robust navigation policies to both the sim-to-real gap and moving obstacles. The proposed simulator generates thousands of photorealistic navigation scenarios with animatable human GS avatars from arbitrary viewpoints. ReaDy-Go outperforms baselines across target environments in both simulation and real-world experiments, demonstrating improved navigation performance even after sim-to-real transfer and in the presence of moving obstacles. Moreover, zero-shot sim-to-real deployment in an unseen environment indicates its generalization potential. Project page: https://syeon-yoo.github.io/ready-go-site/.

arXiv:2602.00585v2cs.AI

Exploring Information Seeking Agent Consolidation

Information-seeking agents have emerged as a powerful paradigm for knowledge-intensive tasks, yet today's systems remain specialized for the open web, documents, or local knowledge bases, hindering scalable and cross-domain deployment. We present the first systematic empirical study of consolidating these information-seeking agents into a single foundation agentic model. We compare two paradigms -- \emph{data-level mixing}, which trains a unified model on a mixture of datasets, and \emph{parameter-level merging}, which merges independently trained experts in parameter space -- across 3 training scenarios, evaluating \textbf{26} representative parameter-level methods on \textbf{10} benchmarks. To compare across heterogeneous benchmarks, we introduce a geometric Composite Score and an Imbalance Score that describe overall performance and task skew. Our analysis shows that (i) well-designed parameter-level merging attains parity with data mixing at a fraction of its training cost and is order-agnostic; (ii) parameter-level merging structurally preserves out-of-domain capabilities that data mixing universally forgets; and (iii) cross-scenario stability is strongly tied to consolidation quality. We distil our observations into a method-selection guide and design principles for next-generation merging operators.

arXiv:2606.21690v2cs.CR

피싱 및 위협 분류를 위한 하이브리드 다계층 파이프라인: 독립적으로 검증된 URL 및 NLP 엔진과 보정된 다채널 융합 단계

A Hybrid, Multi-Layered Pipeline for Phishing and Threat Classification: Independently Validated URL and NLP Engines with a Calibrated Multi-Channel Fusion Stage

피싱·위협 분류를 위해 URL 4단계 스택, 일반화 강화 DistilBERT NLP 분류기, 위협 인텔리전스 동기화 등 모달리티별 독립 엔진을 구축하고 보정된 다채널 확률적 OR 융합으로 결합한 하이브리드 파이프라인을 제안한다. NLP 분류기는 홀드아웃 실제 피싱 재현율을 0.8%에서 87.3%로 끌어올렸고, 10,677건 이메일 전체 시스템 벤치마크에서 F1=0.914를 달성했으며 실제 배포에서는 학습 분포 밖 일반화 성능이 핵심 제약이라고 지적한다.

arXiv:2405.19062v2cs.LG공식 코드 · Papers with Code

Invariant Graph Representations for Continuous-Time Dynamic Graphs Under Distribution Shifts

Continuous-Time Dynamic Graphs (CTDGs) enable fine-grained modeling of evolving relational systems. However, most existing CTDG representation learning methods are tailored to in-distribution settings and exhibit limited robustness under out-of-distribution (OOD) shifts. Although recent causal approaches learn invariant representations via interventions, they are primarily designed for static or discrete-time graphs and become computationally prohibitive for CTDGs due to the combinatorial explosion of structural and temporal variations. To address these challenges, we propose CIR, a framework grounded in a novel structural causal model termed the ICCM. To avoid exhaustive interventions, we leverage the Normalized Weighted Geometric Mean (NWGM) to efficiently approximate interventional predictions. We further instantiate ICCM within a practical deep learning architecture that jointly captures invariant structural and temporal patterns through dedicated subgraph extractors, and maintains an environment memory bank to model distributional shifts across evolving contexts. Extensive experiments demonstrate that CIR consistently outperforms existing methods under diverse OOD scenarios.

arXiv:2606.24457v1cs.CV

Lite Any Stereo V2: 더 빠르고 강력한 효율적 제로샷 스테레오 매칭

Lite Any Stereo V2: Faster and Stronger Efficient Zero-Shot Stereo Matching

스테레오 매칭 분야의 최근 발전은 놀라운 정확도를 달성했지만, 대형 모델이나 높은 연산량, 또는 추가적인 파운데이션 모델 사전 정보에 의존하는 경우가 많아 자원이 제한된 플랫폼에 배포하기 어렵다. 반면, 효율적인 스테레오 모델은 더 빠른 추론을 제공하지만 강력한 제로샷 일반화 능력이 부족하다는 인식이 일반적이다. 본 논문에서는 이러한 가정에 도전하여, 효율적인 제로샷 스테레오 매칭을 위해 설계된 초고속 모델 시리즈인 Lite Any Stereo V2(LAS2)를 제안한다. LAS2는 아키텍처와 학습 두 가지 관점에서 개발되었다. 아키텍처 측면에서, 실제 배포 환경을 고려한 효율적인 스테레오 설계를 재검토하고, 이론적 MAC 수치만이 아닌 실제 추론 지연 시간을 최적화한 2D 전용 비용 집계(cost aggregation) 프레임워크를 제안한다. 학습 측면에서는, 합성 데이터 지도 학습, 자기 증류(self-distillation), 그리고 실세계 지식 증류를 결합한 3단계 학습 전략을 개발한다. 실세계 유사 지도(pseudo supervision)의 신뢰성을 높이기 위해, 유사 레이블 필터링과 오류 클램핑(error-clamping) 연산을 추가로 도입하여 합성-실세계 전이를 더욱 원활하게 한다. LAS2는 다양한 효율성 예산을 위한 피드포워드 변형 모델과 더 높은 정확도를 위한 반복적 변형 모델을 포함하는 모델 패밀리로 구성된다. 광범위한 실험을 통해 LAS2가 효율적인 스테레오 방법들 중 최첨단 정확도를 달성하면서도 현저히 낮은 지연 시간을 유지함을 보인다. 특히, LAS2-H는 반복적 방법인 Fast-FoundationStereo보다 전반적으로 더 강한 제로샷 성능을 달성하며, H200과 Orin에서 각각 1.8배 및 2.7배 빠른 추론 속도를 보인다. 프로젝트 페이지, 데모, 코드는 https://tomtomtommi.github.io/LiteAnyStereoV2/ 에서 확인할 수 있다.

arXiv:2606.24178v1cs.CV

아웃-오브-디스트리뷰션 스코어링을 활용한 제로샷 테스트 타임 정준화

Zero-Shot Test-Time Canonicalization using Out-of-Distribution Scoring

사전학습된 비전 모델은 회전, 스케일 변환, 전단 변환이 적용된 입력을 잘못 분류하는 경우가 많은데, 이러한 어파인(affine) 변환은 객체 클래스를 변화시키지 않는다. 견고성은 일반적으로 아키텍처에 등변성(equivariance)을 내재화하거나 데이터 증강을 통한 재학습으로 회복되며, 두 방법 모두 모델을 변경하거나 재학습해야 한다. 테스트 타임 정준화(test-time canonicalization)는 분류기를 그대로 유지한다. 이 방법은 각 입력의 변환을 되돌려 분류 전에 학습 분포에 가까운 정준 형태(canonical form)로 매핑한다. 그러나 기존의 정준화 방법들은 로짓 기반 에너지 스코어의 제한된 집합과 맞춤형 탐색 절차에만 의존하여, 스코어링 함수와 옵티마이저의 설계 공간이 충분히 탐색되지 않았다. 우리는 정준화를 분포 외(OOD) 탐지로 재정의함으로써, 변환에 대해 최소화되는 에너지로 임의의 OOD 스코어를 활용할 수 있게 한다. 손글씨 문자와 스케치부터 자연 이미지 및 3D 포인트 클라우드에 이르는 다양한 벤치마크에서 약 20개의 OOD 스코어와 9개의 탐색 알고리즘을 체계적으로 평가한 결과, 랜덤 탐색과 로컬 정제(local refinement)를 결합한 거리 기반 스코어가 전반적으로 가장 우수한 성능을 보임을 확인하였다. 이미 정렬된 입력을 정준화하면 정확도가 저하될 수 있으므로, 입력의 OOD 스코어가 변환이 필요하다고 판단될 때만 변환을 적용하는 게이트 메커니즘을 추가하여, 변환된 입력에 대한 견고성 향상을 유지하면서 분포 내 정확도의 대부분을 보존한다. 코드는 github.com/johschm/its에서 확인할 수 있다.

arXiv:2606.24161v1cs.CV

확산 기반 분리를 통한 이중 브랜치 교차 투영 디바이어싱

Dual-Branch Cross-Projection Debiasing through Diffusion-based Disentanglement

편향된 데이터셋으로 학습된 파운데이션 모델은 종종 목표 레이블과 비인과적 속성 사이의 허위 상관관계에 의존하여 소수 그룹에서 일반화 성능이 저하된다. 바이어스 완화는 두 가지 근본적인 문제로 인해 여전히 어렵다. 첫째, 그룹 레이블을 사용할 수 없을 때, 기존의 그룹 비지도(group-unsupervised) 방법들은 일반적으로 모델 행동에서 허위 속성을 암묵적으로 추론하기 때문에, 실제 바이어스와 의미적으로 부합하는 허위 요인을 식별하기 어렵다. 둘째, 유사 허위 지도(pseudo spurious supervision)가 있는 경우에도 기존의 대부분 디바이어싱 방법들은 단일 공유 특징 공간 내에서 동작하는 단일 브랜치 설계를 따르며, 해당 공간에서 목표 속성과 허위 속성이 본질적으로 얽혀 있다. 첫 번째 문제를 해결하기 위해, 우리는 확산 분리(diffusion-disentangled)된 의미론적 기반 개념 표현을 활용하여 속성 어노테이션 없이 신뢰할 수 있는 허위 속성을 식별하는 신뢰도 기반 바이어스 개념 마이닝(CBCM, Confidence-guided Bias Concept Mining)을 도입한다. 두 번째 문제를 해결하기 위해, 목표 표현과 허위 표현을 두 브랜치로 분리하고 교차 영공간 투영(cross null-space projection)을 통해 허위 정보를 명시적으로 제거하는 동시에 목표 관련 의미론을 보존하는 프롬프트 튜닝 프레임워크인 이중 브랜치 교차 투영 디바이어싱(DCD, Dual-branch Cross-projection Debiasing)을 제안한다. 네 개의 벤치마크 데이터셋에 대한 광범위한 실험에서, 우리의 방법은 모델 파라미터의 최대 0.22%만을 튜닝하면서 그룹 비지도 접근법 중 최고 수준의 최저 그룹 정확도(worst group accuracy)를 달성함을 보인다. 소스 코드는 보충 자료에서 확인할 수 있다.

arXiv:2606.23897v1cs.CV

The Professor: 비전-언어 모델을 위한 다중 교사 비지도 프롬프트 증류

The Professor: Multi-Teacher Unsupervised Prompt Distillation for Vision-Language Models

프롬프트 증류(Prompt distillation)는 레이블이 없는 도메인 이미지에서 교사의 예측을 매칭함으로써 CLIP과 같은 대규모 비전-언어 모델(VLM)을 경량 학생 모델로 압축한다. PromptKD(CVPR 2024)는 단일 PromptSRC 파인튜닝된 ViT-L/14 교사와 ViT-B/16 학생으로 이 패러다임을 확립하였다. 우리는 고정된 두 교사 앙상블—도메인 파인튜닝된 PromptSRC ViT-L/14 교사와 데이터셋별로 로짓이 사전 계산된 제로샷 EVA-CLIP-L/14 교사—으로부터 증류하는 다중 교사 확장 모델인 TheProfessor를 제안한다. 우리는 네 개의 베이스-투-노블(base-to-novel) 데이터셋인 Caltech-101, DTD, UCF101, EuroSAT에서 단일 교사 PromptKD, 동등 확률 앙상블, 신뢰도 가중 앙상블을 평가한다. 12회 단일 시드 스윕에서 신뢰도 가중 앙상블은 평균 HM을 87.52에서 89.28로 향상시키며(+1.77점), 동등 평균화는 평균 HM을 88.88로 향상시킨다(+1.37점). 성능 향상은 데이터셋에 따라 다르게 나타나는데, Caltech-101에서는 미미하고(신뢰도 가중 기준 +0.16 HM), UCF101에서는 중간 수준이며(+0.62), 도메인 이동이 발생한 EuroSAT에서 가장 크다(+5.78). 이 결과는 우리의 이전 Caltech 전용 분석을 갱신하며, 다중 교사 프롬프트 증류가 두 번째 교사가 도메인 이동 하에서 상호 보완적인 감독(supervision)을 제공할 때 가장 유용함을 보여준다.