PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.29091v1cs.LG

통계적으로 구별 불가능하고 운영적으로 상이함: 테이블형 파운데이션 모델에 대한 공식적 장벽

Statistically Indistinguishable, Operationally Distinct: A Formal Barrier for Tabular Foundation Models

테이블형 파운데이션 모델은 해당 시스템을 지배하는 규칙에 접근하지 않고서는 실행 중인 시스템이 생성한 데이터에 대해 추론할 수 없다. 우리는 이 진술을 반증 가능하게 만든다. 운영 튜링 테스트(Operational Turing Test, OTT)는 1-방향 및 2-방향 열-값 주변 분포가 전체 변동 <0.02로 일치하는 합법적인 데이터베이스 상태와 규칙 위반 데이터베이스 상태의 쌍을 구성하며, 르 캄 보조 정리(Le Cam's lemma)는 값만 사용하는 임의의 분류기의 베이즈 오차를 ≥0.49로 제한한다. 값만 사용하는 세 가지 기준선(XGBoost, TabICL, TabPFN)은 이 경계에 정확히 도달하고(정확도 0.50, 사전 등록된 양측 단측 검정(TOST) p<0.002), 원시 행 수준 접근은 도움이 되지 않으며, 관계형 값 일관성을 노출하면 대부분의 격차가 줄어들고, 7개의 실행 가능한 규칙 유도 감사로 입력된 분류기만이 분류 정확도 1.00에 도달한다. 100개 상태를 갖는 세 가지 매칭된 프론티어 대규모 언어 모델(LLM) 실행에서, 스키마, 트리거 소스, 규칙 테이블, 상태 파일을 제공받은 모델들은 최대 2/50의 합법적인 상태만을 LEGAL로 분류하며, GPT-5.5는 더 높은 추론 노력과 구조화 질의 언어(SQL) 실행기를 제공받더라도 0/50의 합법적인 상태를 수용한다. 접근 사다리 패턴은 구조적으로 상이한 규칙 군(은행 원장: 행 간 잔액, 누적 집계)을 갖는 두 번째 스키마에서도 나타난다. 이 장벽은 식별 가능성(identifiability)의 문제이지 용량의 문제가 아니다: 규모, 데이터, 더 풍부한 특징만으로는 운영적 그라운딩(operational grounding) 없이 이를 극복할 수 없다.

arXiv:2606.18621v1cs.LG

관계형 데이터 이상 탐지를 향하여

Towards Anomaly Detection on Relational Data

관계형 데이터베이스의 이상 탐지는 다중 테이블의 고차원·이질적 속성과 외래키 관계의 비정상 연결 패턴을 포착하기 어렵다는 한계가 있다. RelAD는 조건부 희소 게이트 속성 재구성과 이중 뷰 다중 관계 엣지 재구성을 결합한 재구성 기반 프레임워크로, 6개 벤치마크에서 기존 방법보다 일관되게 우수한 성능과 경쟁력 있는 효율을 보였다.