keum님의 블로그

[ref] Bai, J., Fan, W., Hu, Q., Zong, Q., Li, C., Tsang, H. T., ... & Song, Y. (2026, July). Autoschemakg: Autonomous knowledge graph construction through dynamic schema induction from web-scale corpora. In Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) (pp. 20557-20584).1. 핵심 혁신: '엔티티'를 넘어 '이벤트'와 '개념'으로의 확장기존의 정보 추출(IE) 방식은 명사 위주의..

학생때는 저작권이니, 논문이니 정말 자유로웠다.학생이라 받은 혜택도 많았다. But, 입사한 이후로 어떤 프로그램을 쓸 때 주의해야한다. 나는 이제까지 Conda를 사용했다.근데 이게 문득 그냥 쓰면 문제가 있을 것 같았다.따라서 저작권, 라이센스 문제 없는 방법을 탐색하였다. miniconda를 설치하여 문법 그대로 사용하면서 라이센스 문제 없도록 방법을 찾았다.방법:1. miniconda 설치2. conda-forge 사용 * conda-forge: 전 세계 커뮤니티가 유지하는 오픈소스 * conda의 defaults 사용 금지, defaults = 회사에서 운영하는 앱스토어 (기업용 라이선스 있음)구체적인 방법conda config --remove channels defaultsconda co..

h에 왜 제곱근이 붙어있는가? 근데 왜 분산이 같아야 하는가?

2. Flow and Diffusion Models이전 섹션에서 우리는 생성 모델링(generative modeling)을 데이터 분포 p_data로부터 샘플링하는 것으로 정형화했습니다.나아가, 우리는 우리의 목표를 정형화했습니다: 즉, z ~ p_data인 샘플을 반환하는 알고리즘인 생성 모델을 구축하는 것입니다. 이 섹션에서는 적절하게 구성된 미분 방정식의 시뮬레이션으로서 생성 모델이 어떻게 구축될 수 있는지 설명합니다.예를 들어, 흐름 매칭(flow matching)과 확산 모델(diffusion models)은 각각 상미분 방정식(ODEs)과 확률 미분 방정식(SDEs)의 시뮬레이션을 포함합니다. 따라서 이 섹션의 목표는 이 노트의 나머지 부분에서 계속 사용될 이러한 생성 모델을 정의하고 구축하는..

A Reminder on Probability Theory확률론 1장을 시작에 확률론을 어느정도 알아야한다고 한다.따라서 부록에 있는 확률론을 먼저 습득하고 넘어가자.A. 확률론에 대한 복습이 절에서는 확률론의 기초 개념들을 간략하게 요약합니다. 본 섹션의 일부 내용은 [26]에서 인용되었습니다.A.1 확률 벡터 (Random vectors)

Week 1 Lectures 1. Introduction 시작1.1 Overview데이터로부터 노이즈를 만드는 것은 쉽습니다; 노이즈로부터 데이터를 만드는 것이 바로 생성형 모델링입니다. — Song et al. [43]]최근 몇 년 동안 우리는 인공지능(AI) 분야의 엄청난 혁명을 목격해 왔습니다. Nano Banana나 Stable Diffusion 3와 같은 이미지 생성기는 다양한 스타일에 걸쳐 실사 같고 예술적인 이미지를 생성할 수 있으며, Meta의 VEO-3와 같은 비디오 모델은 매우 사실적인 영화 클립을 생성할 수 있고, ChatGPT와 같은 대규모 언어 모델은 텍스트 프롬프트에 대해 마치 인간과 같은 수준의 응답을 생성할 수 있습니다. 이러한 혁명의 핵심에는 AI 시스템의 새로운 능력, 즉..

https://github.com/MilkClouds/awesome-vla-study?tab=readme-ov-file GitHub - MilkClouds/awesome-vla-study: A structured reading list on Vision-Language-Action (VLA) models — from diffusion/flowA structured reading list on Vision-Language-Action (VLA) models — from diffusion/flow matching foundations through state-of-the-art robot foundation model architectures to data scaling, RL fine-tu...github..

보호되어 있는 글입니다.

이제까지는 노션과 원드라이브를 통해서 논문을 분류하고 관리해왔다. 초반에 서지 관리 프로그램을 쓰려는 시도를 몇번 했으나,핵심 논문은 노션에 내용을 정리하고, 읽은 논문들은 원드라이브에 섹션별로 정리하는 것 만큼 편한것을 찾지는 못했다. 그러나 여전히 논문 관리의 갈증을 느낀다. 내가 섹션을 나누어놨지만 여러 섹션에 해당되어 여러 곳 폴더에 같은 논문이 들어가는 경우가 있다.예를 들어서 CT 평가와 CT 이론에 대한 폴더 두개가 있으면 Paul의 논문은 두개에 모두 들어가 있다.이러한 것들이 자동으로 분류되는 태그를 걸 수 있도록 하는 것이 필요했다.물론 노션으로 태그를 걸어서 관리할 수 있지만 그것 또한 어떻게 설정해서 어떻게 관리할 지 나만의 방법을 찾지 못한 상태로 방황 중이다. 가장 유명한건 엔드..