NLP91 [2025-1] 이루가 - GloVe: Global Vectors for Word Representation 논문 링크: https://nlp.stanford.edu/pubs/glove.pdf Abstract: Glove 모델은 의미 있는 하위 구조를 갖춘 벡터 공간을 생성하며 최근의 단어 유추(word analogy) 작업에서 75%의 정확도를 달성함으로써 입증된다. 또한 단어 유사성 및 개체명 인식(NER) 작업에서도 관련 모델보다 우수한 성능을 보인다. 1. Introduction의미론적 벡터 공간 모델은 언어에서 각 단어를 실수 값 벡터로 표현 → 정보 검색, 문서 분류, 질의 응답, 개체명 인식, 구문분석 등의 다양한 작업에서 기능적 요소로 사용됨대부분의 단어 벡터 방법은 벡터 쌍 간의 거리 또는 각도를 주요 평가 기준으로 삼지만 최근 단어 벡터 공간의 세부 구조를 조사하기 위해 단어 유추(word a.. 2025. 3. 29. [2025-1] 김학선 - LLM-Powered Code Vulnerability Repair with Reinforcement Learning and Semantic Reward https://arxiv.org/abs/2401.03374 LLM-Powered Code Vulnerability Repair with Reinforcement Learning and Semantic RewardIn software development, the predominant emphasis on functionality often supersedes security concerns, a trend gaining momentum with AI-driven automation tools like GitHub Copilot. These tools significantly improve developers' efficiency in functional codearxiv.orgAbstract최근 AI 기.. 2025. 3. 18. [2025-1] 박서형 - Gradient Episodic Memory for Continual Learning [1706.08840] Gradient Episodic Memory for Continual Learning Gradient Episodic Memory for Continual LearningOne major obstacle towards AI is the poor ability of models to solve new problems quicker, and without forgetting previously acquired knowledge. To better understand this issue, we study the problem of continual learning, where the model observes, once andarxiv.org 0. Abstract AI는 새로운 과제를.. 2025. 3. 8. [2025-1] 백승우 - Can Large Language Models Grasp Legal Theories? Enhance Legal Reasoning with Insights from Multi-Agent Collaboration Can Large Language Models Grasp Legal Theories? Enhance Legal Reasoning with Insights from Multi-Agent CollaborationWeikang Yuan, Junjie Cao, Zhuoren Jiang, Yangyang Kang, Jun Lin, Kaisong Song, Tianqianjin Lin, Pengwei Yan, Changlong Sun, Xiaozhong Liu. Findings of the Association for Computational Linguistics: EMNLP 2024. 2024.aclanthology.orgMotivationsLegal 분야에서는 LLMs를 이용해서 법 이론을 충분히 이해하고 복잡.. 2025. 3. 7. 이전 1 ··· 5 6 7 8 9 10 11 ··· 23 다음
