유클리드 경로 적분을 통한 정보 회수 및 블랙홀 정보 역설 해결 가능성 탐구
유클리드 경로 적분 접근 방식을 사용하여 블랙홀 정보 역설을 해결하고, 정보 손실 없이 정보가 어떻게 보존되고 회수될 수 있는지 설명합니다.
대규모 언어 모델을 사용한 Pinterest 검색 관련성 향상
Pinterest 검색 관련성을 향상시키기 위해 대규모 언어 모델(LLM)에서 생성된 텍스트 표현을 활용하여 쿼리와 핀 간의 관련성을 예측하는 검색 관련성 모델을 구축하고, 지식 증류를 통해 실시간 서비스 가능한 모델로 배포하여 확장성을 확보했습니다.
원자 사실 분해를 통한 속성 질문 답변 향상
LLM 기반 속성 질문 답변(AQA) 시스템에서 긴 형식 답변을 분자적 수준의 절과 원자적 수준의 사실로 분해하고, 각 사실에 대한 증거를 검색 및 검증하여 답변의 신뢰성과 증거의 정확성을 향상시키는 ARE 프레임워크를 제안합니다.
대규모 언어 모델을 활용한 추천을 위한 간단한 훈련 없는 접근 방식, STAR: 의미 정보와 협업 정보의 조합
본 논문에서는 대규모 언어 모델(LLM)을 사용하여 추천 시스템 작업을 수행하는 간단하고 훈련이 필요 없는 새로운 프레임워크인 STAR를 제안하며, 이는 의미적 유사성과 협업 정보를 결합하여 개인화된 추천을 생성하는 효과적인 방법을 제시합니다.
다중 모달 대규모 언어 모델을 위한 보편적 검색 증강 기법: UniRAG 소개
UniRAG는 관련 정보 검색을 통해 다중 모달 대규모 언어 모델(MM-LLM)의 출력 충실도를 향상시키는 플러그 앤 플레이 기술입니다.
실시간 학술 인용 추적을 위한 브라우저 확장 프로그램, CiteClick
CiteClick은 Google Scholar 데이터를 기반으로 여러 연구자의 실시간 인용 횟수를 추적하고 모니터링하여 학술 평가 프로세스를 간소화하고 학문적 영향력에 대한 유용한 정보를 제공하는 브라우저 확장 프로그램입니다.
개인화 추천을 위한 검색에서 멀티 채널 융합의 잠재력 극대화: 다양한 검색 채널 결과를 효율적으로 병합하는 기술 연구 및 실제 적용 사례
본 논문에서는 추천 시스템 검색 단계에서 다양한 검색 채널의 결과를 효율적으로 병합하는 멀티 채널 융합 기술의 중요성을 강조하고, 이를 실현하기 위한 새로운 방법론을 제시합니다. 특히, 사용자 맞춤형 추천을 위해 개인화된 가중치 할당 기법을 활용하여 기존 방식보다 우수한 성능을 달성했으며, 실제 서비스 환경에서의 적용 가능성을 입증했습니다.
중심성을 고려한 제품 검색 및 순위 지정
본 논문에서는 사용자 검색어와 제품 제목 간의 의미적 연관성을 개선하여 전자상거래 플랫폼에서 사용자 중심적인 제품 검색 및 순위 지정을 수행하는 방법을 제안합니다.
상용 DRAM-PIM 기반 근사 최근접 이웃 검색 엔진, DRIM-ANN
DRIM-ANN은 상용 DRAM-PIM 아키텍처를 활용하여 대규모 데이터셋에서 효율적인 의미론적 유사성 검색을 가능하게 하는 근사 최근접 이웃 검색(ANNS) 엔진으로, 기존 CPU 및 GPU 기반 시스템 대비 향상된 성능과 에너지 효율성을 제공합니다.
역사 지도에서 여러 단어로 된 지명 자동 검색: 연결 그래프 및 효율적인 쿼리 방법
본 논문은 역사 지도에서 여러 단어로 이루어진 지명을 자동으로 검색하는 효율적인 방법을 제안합니다. 이 방법은 텍스트 레이블을 연결하여 잠재적인 구문을 형성하는 최소 신장 트리를 구성하고, 이 트리 내에서 주어진 여러 단어로 된 지명을 검색합니다.
© 2024 by Linnk AI