1. Efficient Long-context Language Model Training by Core Attention Disaggregation

Alphaxiv

Introduction

• 본 연구는 대형 언어 모델(LLM)의 장기 문맥 학습에서 핵심 어텐션 연산(Core Attention, CA)을 분리하여 효율적인 연산 스케줄링을 달성하는 기법인 Core Attention Disaggregation(CAD)를 제안하는 데 목표가 있다.
• 기존의 장기 문맥 처리 시 어텐션 연산이 이차 복잡도를 가지면서 데이터 및 파이프라인 병렬처리에서 불균형과 지연(straggler) 현상이 발생하는 문제를 해결하고자 하였다.
• 본 논문은 CA의 무상태성과 조합 가능성에 주목하여 이를 독립된 어텐션 서버에서 토큰 단위로 동적 분할하고 스케줄링하는 DistCA 시스템을 설계 및 구현하고, 대규모 GPU 환경에서 성능 이점을 입증하였다.

Method

본 연구는 문서 내 Core Attention을 토큰 단위로 분할한 CA 태스크로 정의하고, 이를 GPU 풀(pool)인 어텐션 서버에 동적으로 할당하여 부하를 균등하게 분배한다.
어텐션 서버는 CA 연산을 통합 커널 호출로 처리하며, DistCA는 GPU 메모리 활용을 극대화하기 위해 in-place 서버 방식을 사용하고, 통신과 연산을 중첩하는 ping-pong 실행 스케줄을 적용한다.
스케줄러는 CA 태스크의 계산 부담과 통신 비용을 균형 있게 최적화하는 탐욕적 알고리즘을 통해 작업을 분배하며, 이렇게 분리된 CA 연산은 기존 병렬화 기법과 호환되어 DP, TP, PP의 지연 문제를 최소화한다.

Results

최대 512K 토큰 컨텍스트 길이와 512개의 H200 GPU를 이용한 실험에서 DistCA는 기존 병렬화 기법 대비 최대 1.35배 학습 처리량 향상과 데이터 병렬 및 파이프라인 병렬 지연 문제 완전 제거를 달성하였다.

Limitations

Core Attention 분리로 인한 입력-출력 데이터 통신은 Ping-Pong 중첩 스케줄링에도 여전히 통신 비용이 발생하며, 본 연구는 이에 대한 최적화 방안을 탐색하는 데 한계가 존재한다.

Conclusion

본 연구는 장기 문맥 LLM 학습에서 핵심 어텐션 연산을 분리하여 병렬 처리 불균형을 극복하고, 실험적으로 시스템 효율과 확장성을 크게 개선하는 새로운 병렬화 방법을 제시하였다.

2. Grasp Any Region: Towards Precise, Contextual Pixel Understanding for Multimodal LLMs

Alphaxiv

Introduction

• Goal: 본 논문은 멀티모달 대형 언어모델(MLLMs)이 복잡한 장면에서 정밀하고 문맥을 반영한 영역별 픽셀 이해 능력을 갖추도록 하는 것을 목표로 한다.
• Motivation: 기존 MLLMs는 전반적 이미지 이해에는 강점을 보이나, 복잡한 객체 간 관계와 세밀한 영역 분석에서는 한계가 존재하였다.
• Contribution: 이를 해결하기 위해 전역 문맥을 유지하면서 다중 영역 간 상호작용과 복합 추론을 가능하게 하는 Grasp Any Region(GAR) 모델과, 이를 체계적으로 평가하는 GAR-Bench를 제안하였다.

Method

GAR는 전체 이미지를 인코딩한 후, RoI-Aligned Feature Replay 기법을 활용해 특정 영역의 고해상도 세부 특징과 전역 문맥을 동시에 입력으로 받아들이도록 설계되었다.
입력되는 마스크 기반 시각적 프롬프트들을 효과적으로 임베딩하고, 이로부터 추출한 지역별 및 전역 특징을 결합하여 다중 영역 간 관계까지 포괄하는 복합 추론을 수행한다.
훈련 데이터는 상세 설명과 관계 기반 질문-응답 쌍 포함 대규모 데이터셋을 단계적으로 구축하여 모델의 인지 및 추론 능력을 향상시켰다.

Results

GAR-1B 및 GAR-8B 모델은 여러 세부 영역 캡셔닝 벤치마크와 복잡한 영역 상호작용 평가를 포함하는 GAR-Bench에서 기존 최첨단 모델들을 뛰어넘는 성능을 보였으며, 특히 GAR-8B는 영상 데이터에도 뛰어난 제로샷 전이 능력을 입증하였다.

Limitations

영상 내 시간적 관계 추론 같은 시계열적 이해 측면에서는 아직 성능이 제한적이었다.

Conclusion

GAR는 정밀한 영역 인식과 다중 영역 간 상호작용 및 복합 추론을 통합한 혁신적 MLLM으로, 밀집한 시각 정보를 효과적으로 이해하는 차세대 모델 개발에 기여한다.

3. IF-VidCap: Can Video Caption Models Follow Instructions?

Alphaxiv

Introduction

• 본 논문은 비디오 캡션 모델이 복잡한 사용자 지침을 얼마나 잘 따르는지를 평가하는 벤치마크를 제안하는 것을 목표로 한다.
• 기존 비디오 캡션 평가가 주로 설명적 정확성과 포괄성에 집중하는 반면, 실제 응용에서는 특정 형식과 내용 제약을 준수하는 제어 가능한 캡션 생성이 요구된다.
• IF-VidCap이라는 1,400개의 고품질 샘플과 27가지 제약 유형을 포함한 최초의 지침 준수 비디오 캡션 벤치마크와 평가 프로토콜을 제안하였다.

Method

IF-VidCap은 형식 정확성과 내용 정확성 두 축으로 캡션을 평가하는 체계적 프레임워크이다.
비디오-지침-체크리스트(V, I, C) 삼중 구조를 기반으로 자동 생성과 전문가 검수를 결합하여 샘플을 구축하였다.
규칙 기반 검증과 LLM 기반 질의응답을 융합한 하이브리드 평가방법으로 각 제약의 준수 정도를 정량화하였다.

Results

20여 개 최신 모델을 대상으로 한 평가에서 폐쇄형 모델이 우세하나 상위 공개 소스 모델들과의 격차가 줄었고, 포맷 통제 능력은 뛰우나 내용 통제 능력은 상대적으로 낮음을 확인하였다.

Limitations

비디오 내 복잡한 다중 객체 및 연속 동작에 대한 제어 능력이 여전히 부족하며, 형식 제약 준수에 비해 내용 관련 제약 충족에서 난도가 높다.

Conclusion

IF-VidCap은 비디오 캡션 모델의 복합적이고 구성적인 지침 준수 능력을 종합적으로 평가하는 최초의 벤치마크로, 세밀한 지침 기반 제어와 풍부한 서술 능력의 통합 발전이 필요함을 제시하였다.

4. GAS: Improving Discretization of Diffusion ODEs via Generalized Adversarial Solver

Alphaxiv

Introduction

• Goal: 본 논문은 확산 모델의 미분방정식(ODE) 이산화 과정 개선을 위해 새로운 샘플러 파라미터화와 학습 방식을 제안하는 것을 목표로 한다.
• Motivation: 확산 모델은 높은 생성 품질을 보이나, 샘플링 과정이 계산량이 많아 효율적 가속화가 필요하다.
• Contribution: 이 논문에서는 이론적 가이던스를 결합한 Generalized Solver와 적대적 학습을 도입한 Generalized Adversarial Solver(GAS)를 제안하여 기존 방법보다 학습 효율과 세밀한 생성 품질을 동시에 향상시켰다.

Method

본 방법은 다중 스텝 ODE 샘플러 파라미터화를 확장하여 각 샘플링 단계에서 이전 모든 샘플과 속도 벡터의 가중합을 계산한다. 이론적 계수에 학습 가능한 보정값을 추가하는 형태로 구성되며, 학습 시 기존 증류 손실에 적대적 손실을 결합하여 이미지 생성 시 세부 묘사와 자연스러움을 증가시킨다. 이를 통해 학습 안정성 및 속도 향상을 도모하였다.

Results

제안한 GAS는 CIFAR10, FFHQ, AFHQv2, LSUN Bedroom, ImageNet, MS-COCO 등 6개 데이터셋에서 기존의 최첨단 샘플러 학습 방법 대비 FID 기준으로 월등히 우수한 성능을 보였으며, 특히 낮은 함수 평가 수(NFE) 환경에서 뛰어난 품질을 달성하였다.

Limitations

본 방법은 역전파를 통한 샘플러 학습에 높은 메모리와 계산 자원이 요구되어 대규모 모델 및 고해상도 이미지 적용 시 확장성에 제약이 있다.

Conclusion

Generalized Adversarial Solver는 이론적 가이던스와 적대적 학습을 결합한 효율적인 샘플러 학습 기법으로, 확산 ODE 샘플링의 가속화와 품질 향상에 효과적임을 입증하였다.

5. MT-Video-Bench: A Holistic Video Understanding Benchmark for Evaluating Multimodal LLMs in Multi-Turn Dialogues

Alphaxiv

Introduction

• Goal: 본 연구는 다중 턴 대화 환경에서 멀티모달 대형언어모델(MLLM)의 영상 이해 능력을 평가하기 위한 종합 벤치마크인 MT-Video-Bench를 제안하는 것이다.
• Motivation: 기존 영상 이해 벤치마크들은 단일 턴 질문 응답에 한정되어 실제 대화의 복잡성과 다중 턴 상호작용을 반영하지 못하는 한계가 존재하였다.
• Contribution: MT-Video-Bench는 인지 및 상호작용 능력의 여섯 핵심 역량을 평가하며, 987개의 정제된 다중 턴 대화와 5805개의 질의응답 쌍을 포함하여 실제 응용에 적합한 평가 체계를 구축하였다.

Method

MT-Video-Bench는 객체 참조, 기억 회상, 내용 요약, 답변 거절, 주제 전환, 주도적 상호작용을 포함한 여섯 가지 능력을 평가한다.
데이터는 135편의 영상에서 분할 및 병합, 객체 탐지와 캡션 생성, 다중 턴 대화 자동 생성 후 인간 검수를 통해 제작되었다.
평가는 포함된 대화 히스토리를 기준으로 Gemini 2.5 Flash 모델의 체크리스트 평가와 인간 검증을 결합한 정확도(accuracy) 방식으로 수행되었다.

Results

평가 결과 최고 성능의 Gemini 2.5 Pro 모델도 전체 정확도 68.45%에 그쳤으며, 다른 개방형 및 폐쇄형 MLLM 간 다중 턴 영상 대화 처리 능력에 큰 성능 격차와 제한점이 발견되었다.

Limitations

다중 장면 추론과 주도적 상호작용 같은 대화 내 복합적 맥락 이해 및 적응 능력에서 모델 성능이 크게 저하되는 한계가 존재하였다.

Conclusion

MT-Video-Bench는 실제 다중 턴 영상 대화 상황의 인지와 상호작용 능력을 포괄적으로 평가할 수 있는 최초의 벤치마크로서, 장기 맥락 추론과 자연스러운 대화 능력 향상을 위한 연구 기반을 마련하였다.

6. UltraGen: High-Resolution Video Generation with Hierarchical Attention

Alphaxiv

Introduction

• Goal: 본 연구는 효율적이고 종단간(end-to-end)으로 고해상도(1080P 및 4K) 비디오 생성을 가능하게 하는 UltraGen 프레임워크를 제안하는 데 목적이 있다.
• Motivation: 기존의 확산 변환기(difussion transformer) 기반 비디오 생성 모델은 주로 주의(attention) 메커니즘의 계산 복잡도가 영상 해상도의 제곱에 비례하여, 고해상도 비디오 생성을 실용적으로 수행하기 어렵다는 문제를 안고 있었다.
• Contribution: UltraGen은 전역-지역(global-local) 주의 분해, 공간 압축(global modeling) 및 계층적 교차 윈도(local attention) 메커니즘을 통해 낮은 해상도 모델을 고해상도 생성기로 효과적으로 확장하며, 4K 해상도에서 최초의 고품질 네이티브 비디오 생성을 달성하였다.

Method

본 프레임워크는 완전 주의 메커니즘을 지역 주의(local attention)와 전역 주의(global attention) 두 갈래로 분리하여 지역 세부 정보와 전역 의미론적 일관성을 동시에 유지한다.
전역 주의는 공간 축소된 비디오 잠재 표현에 적용하여 계산 비용을 줄이고, 3D 컨볼루션으로 원래 크기로 복원하는 공간 압축 방식을 사용한다.
지역 주의는 교차 윈도 및 계층적 구조를 통해 인접 윈도우 간 정보 흐름과 작은 객체의 움직임을 효과적으로 모델링한다.

Results

UltraGen은 기존 최첨단 방법 및 초해상도 기반 2단계 파이프라인 대비 1080P 및 4K 해상도에서 우수한 화질과 경향성 지표 성능을 보이며, 기존의 Wan-1.3B 모델 대비 4.78배 빠른 추론 속도를 기록하였다.

Limitations

본 연구에서는 네이티브 고해상도 비디오 생성을 위한 효율적 구조를 제안했으나, 높은 해상도 생성에서의 프롬프트 정확도(CLIP 점수)는 초해상도 적용 모델에 비해 다소 낮은 것으로 나타났다.

Conclusion

UltraGen은 전역-지역 이중 주의 구조와 공간 압축 및 계층적 교차 윈도우 메커니즘을 통해 효율적으로 고해상도 비디오 생성을 가능하게 하여, 고품질 HD 비디오 생성 분야에서 새로운 성능 기준을 제시하였다.

7. ssToken: Self-modulated and Semantic-aware Token Selection for LLM Fine-tuning

Alphaxiv

Introduction

• Goal: 본 논문은 대형 언어 모델(LLM) 감독 미세조정에서 토큰 수준의 데이터 선택 방법인 ssToken을 제안하는 것을 목표로 한다.
• Motivation: 기존 토큰 선택 방식은 추가 참조 모델 훈련이 필요하며, 손실 정보에만 의존해 의미상 중요한 토큰을 잘 보존하지 못하는 한계가 있다.
• Contribution: ssToken은 자기 조절 신호와 주의(attention) 기반 의미 인식 지표를 결합해 참조 모델 없이도 효율적이고 효과적인 토큰 선택을 가능하게 한다.

Method

ssToken은 현재 모델과 과거 상태 모델 간의 손실 차이인 회고 과도손실(REL)을 자기 조절 신호로 활용한다.
또한 주의 행렬을 기반으로 응답 토큰이 프롬프트에 할당하는 주의도 합산하여 의미 중요도를 산출한다.
이 두 신호를 적절히 가중평균해 토큰 선택 점수를 산출하며, 토큰 선택 비율에 따라 훈련 손실 계산에 적용한다.

Results

여러 모델과 벤치마크에서 ssToken은 전체 데이터 미세조정보다 최대 4.3% 성능 향상을 기록했으며, 기존 토큰 선택 기법보다 최대 2.8% 우수한 결과를 보였다.

Limitations

토큰 선택 비율 ρ가 모델과 데이터 특성에 따라 최적값이 달라지는 점에서 수동 조정 필요성이 존재한다.

Conclusion

ssToken은 추가 참조 모델 없이도 자기 조절과 의미 인식을 결합해 효과적이고 효율적인 토큰 선택을 구현하여 LLM 미세조정 성능과 효율성을 동시에 향상시킨다.

8. ProCLIP: Progressive Vision-Language Alignment via LLM-based Embedder

Alphaxiv

Introduction

• Goal: 본 연구의 목표는 LLM 기반 임베더와 CLIP 이미지 인코더 간의 비전-언어 정렬을 점진적으로 개선하는 ProCLIP 프레임워크를 제안하는 것이다.
• Motivation: 기존 CLIP 텍스트 인코더는 입력 길이 제한과 다국어 미지원으로 인해 긴 텍스트 처리 및 세밀한 의미 이해에 한계가 존재하며, LLM과의 직접 대비학습 정렬은 사전학습 지식 손실과 과적합 위험을 일으킨다.
• Contribution: ProCLIP은 커리큘럼 학습 방식으로 CLIP 텍스트 인코더의 지식을 LLM 임베더에 증류하여 초기 정렬을 수행한 후, 자기증류 규제를 결합한 대비학습으로 안정적이며 일반화 능력을 유지하는 정렬을 달성하였다.

Method

ProCLIP은 두 단계로 구성되며, 첫 단계에서는 CLIP 텍스트 인코더의 표현을 LLM 임베더에 전이하는 인스턴스 의미 정렬 및 임베딩 구조 정렬을 포함한 교차 아키텍처 증류를 수행한다. 두 번째 단계에서는 영상-텍스트 대비학습을 자기증류 정규화와 함께 진행하여 과적합을 방지하며 CLIP 이미지 인코더의 사전 학습 지식을 보존한다. 이 과정에서 학습 안정성과 전이 성능을 높이기 위해 EMA 기반 교사 모델도 활용된다.

Results

ProCLIP은 다양한 데이터 규모(3M~30M)와 모델 아키텍처에서 기존 LLM2CLIP 대비 6.8%~13.5%의 무사전 학습 분류 성능 향상과 다국어 교차모달 검색, 장문 검색, 세밀한 의미 이해 등 여러 벤치마크에서 우수한 결과를 보였다.

Limitations

정보 부족.

Conclusion

ProCLIP은 LLM 임베더와 CLIP 이미지 인코더 간의 점진적 정렬을 통한 비전-언어 표현 학습에 있어 사전학습 지식 활용과 일반화 성능 균형을 성공적으로 달성한 효과적인 프레임워크임이 입증되었다.

9. DeepSeek-OCR: Contexts Optical Compression

Alphaxiv

Introduction

• 본 연구의 목표는 시각적 2D 매핑을 통해 긴 문맥의 광학적 압축 가능성을 탐색하는 것이다.
• 대규모 언어 모델의 긴 텍스트 처리 시 계산 비용 문제를 해결하기 위해 시각 모달리티를 효율적인 압축 매체로 활용하는 방안을 모색하였다.
• 본 연구는 높은 압축률에서도 OCR 정확도를 유지하는 DeepEncoder 설계, DeepSeek3B-MoE 디코더 적용, 실제 문서 평가에서 최첨단 성능 달성의 세 가지 주요 기여를 제시한다.

Method

DeepSeek-OCR은 DeepEncoder(고해상도 입력 처리 및 시각 토큰 압축)와 MoE 기반 DeepSeek3B 디코더로 구성된다. DeepEncoder는 윈도우 어텐션과 글로벌 어텐션을 연결하는 16배 다운샘플링 컨볼루션 레이어를 포함하며, 다중 해상도를 지원한다. 데이터 엔진은 문서 OCR, 차트·화학식·기하학 파싱, 일반 시각 데이터 및 텍스트 데이터로 구성된다.

Results

Fox 벤치마크에서 최대 10배 압축 시 97% 정확도를 기록하였으며, OmniDocBench에서는 100 이하의 비전 토큰으로 GOT-OCR2.0을 능가하고 800 토큰 미만으로 MinerU2.0보다 우수한 성능을 보였다.

Limitations

10배 이상의 과도한 압축 시 OCR 정확도가 급감하며, 매우 고해상도 문서에서는 해상도 제한과 레이아웃 복잡도로 인한 성능 저하가 발생한다.

Conclusion

DeepSeek-OCR은 시각 모달리티를 활용한 문맥 광학 압축의 가능성을 입증하며, 긴 문맥 처리와 비전-언어 모델의 효율성 향상에 유망한 연구 방향을 제시한다.

10. Mono4DGS-HDR: High Dynamic Range 4D Gaussian Splatting from Alternating-exposure Monocular Videos

Alphaxiv

Introduction

• Goal: 본 논문은 비정형 단안 저역동 범위(LDR) 교차노출 영상으로부터 렌더링 가능한 4차원 고역동 범위(HDR) 장면을 복원하는 Mono4DGS-HDR 시스템을 제안하는 것이다.
• Motivation: 기존의 HDR 복원 연구는 정적 장면이나 다중 카메라 설정에 한정되었으며, 단안 교차노출 영상과 미지의 카메라 자세 문제는 여전히 해결되지 않은 과제로 남아있다.
• Contribution: 본 연구는 가우시안 스플래팅 기반의 2단계 최적화 프레임워크와 시간적 휘도 규제 기법을 도입하여 세계 공간 내 장면과 카메라 자세를 공동으로 정제하며, 새로운 HDR 비디오 복원 벤치마크를 구축하였다.

Method

본 방법은 첫 단계에서 직교 카메라 좌표계에서 비디오 HDR 가우시안을 학습하여 자세 추정 없이 초기 복원을 수행하고, 두 번째 단계에서 비디오 가우시안을 세계 좌표계로 변환한 후 초기 카메라 파라미터를 이용해 세계 가우시안과 카메라 자세를 공동 최적화한다. 또한, 교차노출 영상에서 신뢰할 수 있는 2D 사전 지식을 기반으로 장면 초기화 및 제약 조건을 도입하며, 플로우 가이드형 광도 정합을 통한 시간적 휘도 규제를 적용한다.

Results

본 시스템은 새롭게 구성한 HDR 영상 복원 벤치마크에서 기존 최신 기법을 다수의 평가 지표와 렌더링 속도 면에서 큰 폭으로 능가하였다.

Limitations

교차노출 단안 LDR 영상에서 2D 사전 지식은 다소 노이즈가 있으며, 완전한 노출 패턴이나 복잡한 장면에서는 품질 저하 가능성이 존재한다.

Conclusion

Mono4DGS-HDR는 단안 미지의 카메라 자세 교차노출 영상으로부터 고품질 4D HDR 장면 복원을 최초로 달성하였으며, 시간적 일관성 향상을 위한 규제 기법과 두 단계 가우시안 최적화가 주요 성능 기여 요소임을 입증하였다.

11. PRISMM-Bench: A Benchmark of Peer-Review Grounded Multimodal Inconsistencies

Alphaxiv

Introduction

• Goal: 본 연구는 과학 논문 내 텍스트, 도표, 표, 수식 간의 실제로 발생하는 다중모달 불일치 문제를 평가할 수 있는 벤치마크인 PRISMM-Bench를 제안하는 것이다.
• Motivation: 기존 벤치마크들이 하나의 모달리티에 국한되거나 인위적인 오류에 의존하는 반면, 실제 심사자가 지적한 복합적이고 도메인 특화된 불일치를 반영하는 데이터셋이 부재하여 신뢰성 높은 과학적 추론 능력 평가가 어려웠다.
• Contribution: PRISMM-Bench는 242편의 논문에서 실제 심사자 피드백을 활용해 262개의 불일치를 수집하고, 이를 바탕으로 탐지, 수정, 일치 짝짓기 3가지 다중선택 과제를 설계하여 21종 LMM을 평가하며, 언어적 편향을 줄이기 위한 JSON 기반 정답 표현 방식을 최초로 도입하였다.

Method

PRISMM-Bench는 오픈리뷰에서 심사자의 지적을 대규모로 수집하고 LLM 지원 필터링 및 수작업 검증을 통해 불일치를 엄선하였다.
주요 3개 다중선택 과제는 불일치 탐지, 불일치 수정, 시각요소 간 짝짓기로 구성되며, 모델 평가를 위해 정답을 구조화된 JSON 형태로 표현하여 언어적 편향을 완화하였다.
평가는 최소 문맥부터 전체 문서까지 다양한 범위의 시각·텍스트 정보를 제공하며, 21개 최신 LMM의 대응력을 다각도로 분석하였다.

Results

실험 결과 최고 성능 모델이 54.2% 정확도를 보였으며, 대규모 모델과 추론 기능을 가진 모델이 뛰어난 성능을 보였으나, 전체적으로 긴 문맥 처리와 복합적 다중모달 추론에서 현격한 한계를 드러냈다.

Limitations

본 벤치마크는 주로 ICLR 2025 AI 분야의 미채택 논문에 국한되어 있어 규모와 도메인 범위가 제한적이다.

Conclusion

PRISMM-Bench는 실제 심사자가 지적한 과학 논문의 다중모달 불일치를 평가함으로써 현존 LMM의 과학 문서 분석 한계를 밝히고, 신뢰할 수 있는 과학적 조력자 개발을 위한 향후 연구를 촉진한다.

12. Predicting the Unpredictable: Reproducible BiLSTM Forecasting of Incident Counts in the Global Terrorism Database (GTD)

Alphaxiv

Introduction

• 목표는 Global Terrorism Database(GTD)를 활용하여 주간 테러 사건 수를 단기 예측하는 모델을 개발하는 것이다.
• 테러 활동은 비선형적이고 공간적·시간적 복잡성을 지녀 기존 통계모델로는 효과적 예측이 어려워 딥러닝 기반 접근법이 요구된다.
• 본 연구는 반복 가능하고 투명한 BiLSTM 기반 예측 파이프라인을 구축하고 고전적 베이스라인과 비교, 성능 우위를 입증하였다.

Method

GTD 데이터를 주-지역 단위로 집계하고 52주 시점 고정 분할을 사용하여 실험을 설계하였다.
Bidirectional LSTM(BiLSTM)과 LSTM-Attention 두 가지 딥러닝 모델을 평가하였으며, 고전적 시계열 모델들과 엄격히 비교하였다.
모델은 시계열 지연값, 롤링 통계, 달력 및 지리학적 특징을 포함한 피처를 사용하며, 체계적 소거 연구로 성능 결정 요인을 규명하였다.

Results

BiLSTM 모델은 테스트 세트에서 RMSE 6.38을 달성하여, LSTM-Attention(9.19) 및 선형 회귀 베이스라인 대비 각각 30.6%와 35.4% 우수한 성능을 보였다.

Limitations

GTD 데이터는 보고 편향, 시간적 불연속성, 분포 변화 등 제한점을 지니며 모델은 연구 목적에 한정되어 현장 운용에 대한 전문적 검토가 필요하다.

Conclusion

본 연구는 GTD 테러 사건 예측에 대해 재현 가능하고 투명한 BiLSTM 모델을 제안하여 기존 방법 대비 실질적 성능 향상을 입증하였다.