:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Yongjae, Park, Taekhyun, Sim, Sunghyun, Bae, Hyerim
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2510.25065
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LoopUS: Recasting Pretrained LLMs into Looped Latent Refinement Models
von: Park, Taekhyun, et al.
Veröffentlicht: (2026)

Correlation recurrent units: A novel neural architecture for improving the predictive performance of time-series data
von: Sim, Sunghyun, et al.
Veröffentlicht: (2022)

JustDense: Just using Dense instead of Sequence Mixer for Time Series analysis
von: Park, TaekHyun, et al.
Veröffentlicht: (2025)

LAST-RAG: Literature-Anchored Stochastic Trajectory Retrieval-Augmented Generation for Knowledge-Conditioned Degradation Model Selection
von: Park, Hanbyeol, et al.
Veröffentlicht: (2026)

Artificial Intelligence-based Smart Port Logistics Metaverse for Enhancing Productivity, Environment, and Safety in Port Logistics: A Case Study of Busan Port
von: Sim, Sunghyun, et al.
Veröffentlicht: (2024)

Domain-Adaptive Health Indicator Learning with Degradation-Stage Synchronized Sampling and Cross-Domain Autoencoder
von: Choo, Jungho, et al.
Veröffentlicht: (2026)

Generative AI and Machine Learning Collaboration for Container Dwell Time Prediction via Data Standardization
von: Kim, Minseop, et al.
Veröffentlicht: (2026)

IConv: Focusing on Local Variation with Channel Independent Convolution for Multivariate Time Series Forecasting
von: Lee, Gawon, et al.
Veröffentlicht: (2025)

Return Prediction for Mean-Variance Portfolio Selection: How Decision-Focused Learning Shapes Forecasting Models
von: Lee, Junhyeong, et al.
Veröffentlicht: (2024)

Application of Large Language Models for Container Throughput Forecasting: Incorporating Contextual Information in Port Logistics
von: Kim, Minseop, et al.
Veröffentlicht: (2026)

FEATHer: Fourier-Efficient Adaptive Temporal Hierarchy Forecaster for Time-Series Forecasting
von: Lee, Jaehoon, et al.
Veröffentlicht: (2026)

Process-Aware Procurement Lead Time Prediction for Shipyard Delay Mitigation
von: Lee, Yongjae, et al.
Veröffentlicht: (2026)

Verifiable Process Rewards for Agentic Reasoning
von: Yuan, Huining, et al.
Veröffentlicht: (2026)

GuruAgents: Emulating Wise Investors with Prompt-Guided LLM Agents
von: Kim, Yejin, et al.
Veröffentlicht: (2025)

Penalizing Infeasible Actions and Reward Scaling in Reinforcement Learning with Offline Data
von: Kim, Jeonghye, et al.
Veröffentlicht: (2025)

Beyond Outcome Verification: Verifiable Process Reward Models for Structured Reasoning
von: Pronesti, Massimiliano, et al.
Veröffentlicht: (2026)

Reinforcement Learning from Reflective Feedback (RLRF): Aligning and Improving LLMs via Fine-Grained Self-Reflection
von: Lee, Kyungjae, et al.
Veröffentlicht: (2024)

BitAbuse: A Dataset of Visually Perturbed Texts for Defending Phishing Attacks
von: Lee, Hanyong, et al.
Veröffentlicht: (2025)

Estimating Covariance for Global Minimum Variance Portfolio: A Decision-Focused Learning Approach
von: Kim, Juchan, et al.
Veröffentlicht: (2025)

Temporal Representation Learning for Stock Similarities and Its Applications in Investment Management
von: Hwang, Yoontae, et al.
Veröffentlicht: (2024)

YTCommentQA: Video Question Answerability in Instructional Videos
von: Yang, Saelyne, et al.
Veröffentlicht: (2024)

When Model Meets New Normals: Test-time Adaptation for Unsupervised Time-series Anomaly Detection
von: Kim, Dongmin, et al.
Veröffentlicht: (2023)

Reward Sharpness-Aware Fine-Tuning for Diffusion Models
von: Kim, Kwanyoung, et al.
Veröffentlicht: (2026)

A Temporal Graph Network Framework for Dynamic Recommendation
von: Kim, Yejin, et al.
Veröffentlicht: (2024)

Flow Matching with Injected Noise for Offline-to-Online Reinforcement Learning
von: Shin, Yongjae, et al.
Veröffentlicht: (2026)

Coarse-to-Fine Process Reward Modeling for Mathematical Reasoning
von: Hu, Yulan, et al.
Veröffentlicht: (2025)

Process Reward Agents for Steering Knowledge-Intensive Reasoning
von: Sohn, Jiwoong, et al.
Veröffentlicht: (2026)

GeLoc3r: Enhancing Relative Camera Pose Regression with Geometric Consistency Regularization
von: Li, Jingxing, et al.
Veröffentlicht: (2025)

RATIONALYST: Mining Implicit Rationales for Process Supervision of Reasoning
von: Jiang, Dongwei, et al.
Veröffentlicht: (2024)

Advancing Reasoning in Diffusion Language Models with Denoising Process Rewards
von: Xie, Shaoan, et al.
Veröffentlicht: (2025)

INEXA: Interactive and Explainable Process Model Abstraction Through Object-Centric Process Mining
von: Benzin, Janik-Vasily, et al.
Veröffentlicht: (2024)

DC-VSR: Spatially and Temporally Consistent Video Super-Resolution with Video Diffusion Prior
von: Han, Janghyeok, et al.
Veröffentlicht: (2025)

Enhancing Analogical Reasoning in the Abstraction and Reasoning Corpus via Model-Based RL
von: Lee, Jihwan, et al.
Veröffentlicht: (2024)

LLM Reasoning with Process Rewards for Outcome-Guided Steps
von: Rezaei, Mohammad, et al.
Veröffentlicht: (2026)

Reasoning Structure Matters for Safety Alignment of Reasoning Models
von: In, Yeonjun, et al.
Veröffentlicht: (2026)

Beyond the First Error: Process Reward Models for Reflective Mathematical Reasoning
von: Yang, Zhaohui, et al.
Veröffentlicht: (2025)

Structured Debate Improves Corporate Credit Reasoning in Financial AI
von: Lee, Yoonjin, et al.
Veröffentlicht: (2025)

Adaptive Action Chunking via Multi-Chunk Q Value Estimation
von: Shin, Yongjae, et al.
Veröffentlicht: (2026)

LLM-Enhanced Black-Litterman Portfolio Optimization
von: Lee, Youngbin, et al.
Veröffentlicht: (2025)

Rubric-Grounded RL: Structured Judge Rewards for Generalizable Reasoning
von: Bhattarai, Manish, et al.
Veröffentlicht: (2026)