본 논문에서는 자원이 부족한 언어, 특히 암하라어로 작성된 가짜 뉴스를 탐지하기 위해 소셜 컨텍스트 기반 기능과 뉴스 콘텐츠 기능을 통합하는 포괄적인 접근 방식을 제안합니다.
프롬프트 재매개화 전략은 단순한 엔지니어링 기법이 아니라 견고한 이론적 기반을 가지고 있으며, 프롬프트 키와 값 벡터 간의 공유 구조를 암시적으로 인코딩한다. 이 공유 구조는 프롬프트 추정의 샘플 효율성을 크게 향상시킨다.
본 연구는 그래프 기반 분자 구조를 트리 구조 텍스트 형식으로 변환하여 대규모 언어 모델이 효과적으로 처리할 수 있도록 하는 G2T-LLM 기법을 제안한다. 이를 통해 언어 모델이 분자 구조의 복잡성을 이해하고 유효하며 화학적으로 일관된 분자를 생성할 수 있게 된다.
가중치 감쇠를 사용하여 학습된 신경망의 가중치 행렬은 근사적으로 랭크 2 행렬이 된다.
대규모 언어 모델을 실제 환경에 배포할 때는 효율성과 위험 관리에 동시에 주목해야 한다. 본 연구에서는 모델 내재 불확실성을 활용하여 모델 간 위임과 다단계 기각을 통해 비용 효율성과 위험 통제를 달성하는 새로운 프레임워크를 제안한다.
적대적 문서를 생성하여 검색 결과를 오염시키는 새로운 통제적 생성 기법을 제안하였다. 이 기법은 문서의 자연스러움과 검색 결과와의 유사성을 동시에 최적화하여 기존 방법보다 더 효과적이면서도 탐지하기 어려운 적대적 문서를 생성할 수 있다.
이 논문은 이산 마스크 모델에 대한 플러그 앤 플레이 방식의 제어 가능한 생성 프레임워크를 제안한다. 이를 통해 사용자 정의 제어 기준에 따라 효율적으로 샘플을 생성할 수 있다.
데이터 기반 비균일 가중치 분포를 사용하여 신경망 초기화를 개선하고, 이를 통해 무작위 특징 모델의 성능을 향상시킬 수 있다.
이 논문은 복잡 네트워크에서 정보 전파 메커니즘을 이해하기 위해 다양한 모델링 기법을 포괄적으로 검토한다. 전통적인 결정론적 모델에서부터 데이터 기반 및 딥러닝 기법까지 다양한 접근법을 소개하고 비교한다.
확률적 시스템의 안전을 검증하기 위해 결정론적 시스템의 안전을 검증하는 집합 침식 전략을 제안한다.