cs.LG, cs.AI · 발표 2026-09-24임팩트
노드 및 엣지 특징을 활용한 그래프 신경망의 도달 가능성 기반 형식 검증
Anne M. Tumlin, Ben Wooding, Zhenxuan Shao, Diego Manzanas Lopez, Tyler Derr, Taylor T. Johnson
인용 1영향력 인용 1
- 그래프 신경망(GNN)은 전력 시스템 분석에 활용되지만, 기존 검증 방법은 범위가 제한적입니다.
- 본 연구는 노드와 엣지 특징의 불확실성을 포착하는 GraphStar 세트를 도입하여 신경망 검증(NNV) 프레임워크를 확장합니다.
- 이 확장으로 GCN, GINE 등 GNN 아키텍처의 선형 메시지 전달과 ReLU 비선형성 근사가 가능해집니다.
- GNNV는 전력 시스템 및 그래프 분류 벤치마크에서 CORA보다 더 엄격한 견고성 보장을 제공합니다.
- 이는 노드 및 엣지 교란 하에서 GINE 기반 모델에 대한 엣지 인식 견고성 보장을 최초로 제공합니다.
TLDR (Semantic Scholar): The results show that GNNV provides tighter robustness guarantees than CORA on graph classification models with ReLU-based activations and, for the first time, delivers edge-aware robustness guarantees for GINE-based PF and OPF models under joint node and edge perturbations.
#그래프 신경망#형식 검증#전력 시스템#견고성 보장
cs.AI, cs.CV · 발표 2026-09-23최신
월드 모델에서 대상 영속성 훈련
Haotian Zhang, Fengyuan Yu, Dezhi Luo, Haoran Sun, Zehong Zhao, Qingying Gao, Yihan Li, Siyuan An 외 23명
HF upvotes 187
- 인간의 인지적 특성인 대상 영속성을 비디오 생성 모델이 학습할 수 있는지 연구했습니다.
- 인지 과학 기반의 150가지 태스크로 구성된 데이터셋 WROP을 구축했습니다.
- Blender로 속도, 조명 등 다양한 변수를 무작위화하여 150만 개 훈련 샘플을 생성했습니다.
- 14개 비디오 모델을 평가한 결과, 우리의 16B 월드 모델인 PWM-WROP이 우수한 성능을 보였습니다.
- 이 연구는 AI의 인간과 유사한 물리적 지능 개발에 기여하는 데이터와 모델을 제공합니다.
TLDR (Semantic Scholar): This work introduces WROP (World Reasoning with Object Permanence), a data infrastructure of 150 hand-designed cognitive science inspired tasks, divided into six cognitive categories, and builds Blender generators that randomize speed, lighting, camera angle, and other nuisance parameters while preserving each task's cognitive structure.
#대상 영속성#월드 모델#비디오 생성#인지 과학