5주차 스터디

TabNet: Tabular 데이터 학습을 위한 새로운 딥러닝 아키텍처Sequential attention: 각 결정 단계에서 활용할 feature을 선택학습 효율성: 딥러닝 모델이 중요한 특징에 학습 자원을 집중해석 가능성: 모델의 의사결정을 로컬(개별 샘플) 및 글

대규모 언어 모델(LLM)은 자연어 처리(NLP) 분야에서 혁신적인 성과를 보여주고 있지만, 환각(hallucination) 문제로 인해 신뢰할 수 없는 결과를 생성하는 경우가 많습니다. 이러한 문제는 특히 의료나 법률과 같은 고위험 분야에서 큰 장애 요인이 됩니다.

이 논문에서의 colorization의 목표는 Ground Truth와 같은 색을 에측하는 것보다는 '그럴듯한' 색으로 예측하는 것이다. 이 문제를 해결하기 위해서 Colorization문제를 분류 문제로 제기함으로써 불확실성을 수용하고 색상 다양성을 높였다.CIE L