related iamge

딥 강화 학습으로 배달의 민족을 혁신하다: 실시간 배차 및 유휴 기사 관리 전략

Jingyi Cheng과 Shadi Sharif Azadeh의 연구는 딥 강화 학습을 활용하여 음식 배달 플랫폼의 실시간 배차 및 유휴 기사 운영 문제를 해결하는 혁신적인 전략을 제시합니다. 마르코프 의사결정 과정(MDP)과 딥 강화 학습(DRL)을 기반으로 한 통합 제어 프레임워크는 배송 효율성과 공정성을 향상시키고 공급 부족 문제를 완화합니다. 합성곱 심층 Q 네트워크와 평균장 근사를 활용한 전략은 실제 서비스 환경에 적용 가능성을 높입니다.

related iamge

훈련 없이 확산 모델 조정: 과적합 없는 새로운 지평

카프톤 AI 연구진이 개발한 훈련 없는 확산 모델 조정 기술은 시퀀셜 몬테카를로(SMC) 기반 샘플링을 통해 과적합 없이 목표에 맞춰 모델을 조정합니다. 단일 및 다중 목표 최적화에서 우수한 성능을 보이며, 모델의 다양성과 일반화 능력을 유지하는 데 성공했습니다. 이는 AI 기술 발전에 중요한 기여를 할 것으로 기대됩니다.

related iamge

멀티 모델 시대의 강건한 반실증적 설명: 다목적 최적화 기반 접근

본 기사는 Keita Kinjo 연구원의 논문 "Robust Counterfactual Explanations under Model Multiplicity Using Multi-Objective Optimization"을 바탕으로, 다수의 머신러닝 모델에서도 강건한 반실증적 설명을 생성하는 새로운 방법론에 대해 소개합니다. 다목적 최적화 기법과 파레토 개선 개념을 활용하여 기존 방법의 한계를 극복하고, 실험을 통해 그 효용성을 검증한 연구 결과를 다룹니다.

related iamge

ActMiner: 인과관계 추적과 증분 정렬로 사이버 위협 사냥의 새 지평을 열다

ActMiner는 인과관계 추적과 증분 정렬을 활용하여 사이버 위협 사냥의 효율성과 정확성을 크게 향상시킨 시스템입니다. DARPA Engagement 데이터셋 평가 결과, 기존 시스템보다 오탐률을 39.1% 감소시키고 미탐을 완전히 제거하는 성과를 달성했습니다.

related iamge

획기적인 연구: 인간 피드백의 영향력을 측정하는 새로운 방법

민태원 등 연구팀이 인플루언스 함수를 이용해 인간 피드백의 영향을 정량적으로 분석하는 새로운 방법을 제시했습니다. 이를 통해 레이블러 편향 감지 및 피드백 전략 개선이 가능해져 더욱 정확하고 안전한 AI 개발에 기여할 것으로 기대됩니다.