Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
© 2026 Molayo
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.
본 논문은 게임 NPC의 장기 생존 캐릭터를 위한 증분 메모리 유지 방식을 연구했습니다. 로컬 배포 언어 모델 기반 캐릭터는 대화마다 전체 기억을 재처리해야 하는 비효율성이 있습니다. 제안된 런타임은 사용되지 않는 어텐션 KV 엔트리를 제거하고, 지속되는 순환 상태와 변경되지 않은 KV를 보존하여 메모리 유지 비용을 절감합니다.
본 논문은 높은 평가 비용 때문에 발생하는 에이전트 벤치마크의 비효율성을 해결하기 위해 DualViewEval을 제안했습니다. 이 방법은 최종 결과(outcome)와 프로세스 관계를 결합하여 학습함으로써, 전체 성능을 예측하는 최소한의 태스크 집합을 찾아냅니다. 이를 통해 에이전트 모델 개발에 필요한 진단적이고 효율적인 피드백을 제공합니다.
본 논문은 충돌기 사건 재구성 작업을 하이퍼그래프 기반 기하 학습 프레임워크 VyPER로 접근합니다. VyPER는 입자 할당을 위한 지도 분류와 중성미자 운동학 예측을 위한 확산 모델을 결합하여, 두 가지 핵심 재구성 작업을 공동으로 최적화하는 것이 특징입니다. 이를 통해 표준 모형 물리학 과정 전반에서 높은 정확도의 사건 재구성이 가능함을 입증했습니다.
본 논문은 다중 에이전트 시스템에서 에이전트 간 간섭을 방지하고 개별 성능을 보장하기 위한 사회 법칙의 개념을 확률적, 보상 기반 환경으로 확장합니다. 이를 위해 $\alpha$-견고성(robustness)이라는 새로운 개념을 도입하여, 모든 에이전트가 사회 법칙을 준수할 때도 최적 정책을 추구하는 효용을 측정하는 형식론을 제안했습니다.
본 논문은 제로샷 음성 처리를 위한 'Aligned Continuous Integrate-and-Fire' 프레임워크를 제시합니다. 이 방법은 동적 시간 변형(DTW) 정렬을 활용하여 연속적인 음향 프레임을 목표 텍스트의 이산 토큰 길이로 효율적으로 압축합니다. 이를 통해 계산 비용이 높은 LLM 순방향 통과 없이도 강력한 음성-의미론적 연결 고리를 구축하고, 메모리 효율적인 지식 증류를 통해 뛰어난 성능을 달성했습니다.
본 논문은 최적 정책이 고정된 후에도 정책 재구축 및 표현 복잡도를 직접적으로 식별하기 어려운 문제를 다룹니다. 구조화된 최적 정책의 기하학적 이론을 개발하여, 결정 경계의 기하학이 정책 재구축에 필요한 최소 표현과 계산 복잡도를 지배함을 입증합니다.
본 연구는 조건부 신경 다양체(CNM)를 제안하여 배열 신호 토폴로지 학습의 정확도를 높였습니다. CNM은 고정된 다양체를 소스 매개변수에서 스티어링 벡터로의 관측 조건부 매핑으로 대체합니다. 이를 통해 MUSIC과 같은 기존 방법의 한계를 극복하고, 다양한 환경(불완전성, 색 잡음 등)에서도 해상도를 복원할 수 있습니다.
본 연구는 분류기들의 선택적 성능을 비교하기 위해 필요한 최소한의 레이블 개수(인증서 크기)를 정량화했습니다. 일반화된 위험-커버리지 곡선 아래 면적(AUGRC)과 같은 특정 지표를 고려할 때, 정확한 모델 비교를 위해서는 전체 레이블 중 상당한 비율의 데이터가 필요함을 보여줍니다.
본 논문은 분산 환경에서 통신 비용을 줄이는 부호 기반 방법의 편향 문제를 다룹니다. 기존 방식들이 이질적 데이터로 인해 최적 수렴 속도를 얻지 못하는 한계를 지적합니다. 이를 해결하기 위해 재귀적 기울기 증가분의 편향되지 않은 압축 기법을 제안하고, $l_1$ 및 $l_2$ 노름에 대한 개선된 수렴 속도를 수학적으로 증명했습니다.
본 논문은 기존 양자 신경망(QNN)의 국소 측정 한계를 극복하기 위해 적응형 비국소 관측량(ANO)을 활용합니다. 특히, 입력 조건화된 동적 프로그래밍이 가능한 새로운 아키텍처 QFWP-ANO를 제안했습니다. 이 모델은 다변량 시계열 예측 및 강화학습 작업에서 기존의 ANO 기반 모델과 강력한 기준 모델들을 능가하는 성능을 보여주었습니다.
본 연구는 ASR 시스템의 화자 그룹별 오류율 격차를 줄이기 위해 내부 표현에 개입하는 '표현 제어(Representation Steering)' 기법을 탐구했습니다. Whisper, HuBERT 등 다양한 인코더를 사용하여 성별/성, 연령, 억양 등의 메타데이터 기반 방향성을 주입했으나, WER 감소 효과는 미미하거나 통계적으로 유의하지 않았습니다.
본 논문은 NISQ 환경에 적합한 변분 양자 트랜스포머 아키텍처를 제안하며, 기존의 자기회귀적 토큰 인터페이스를 유지합니다. 이 모델은 어텐션 및 피드포워드 서브레이어를 양자 인코더 블록 등으로 대체하여 QNLP 시퀀스 모델링을 수행합니다. 평가 결과, 고전적 트랜스포머 기준선이 더 정확하고 안정적인 성능을 보였습니다.
TriProbe는 모델의 성공/실패 원인을 진단하는 다단계 탐지 프레임워크입니다. 이 프레임워크는 입력, 학습된 특징, 최종 분류기 전반에 걸쳐 분리 가능성 변화를 추적하며, 이를 통해 복잡한 다중 태스크 문제를 여러 하위 태스크로 분해하여 분석합니다.
본 논문은 LLM에서 GLU 기반 뉴런의 입력 및 출력 동작을 분석하고, 코사인 유사도를 이용해 '약화 뉴런(weakening neuron)'이라는 개념을 제안합니다. 이 연구를 통해 약화 뉴런이 주로 후기 레이어에 나타나며 모델 동작에 큰 영향을 미치고, 게이트 값이 음수일 때도 강력한 기능성을 가짐을 밝혀냈습니다.
본 글은 AI의 의식 가능성과 그 판별의 어려움에 대해 논하며, 현재 LLM이 인간과 같은 의식을 가졌다고 단정하기 어렵다는 입장을 제시합니다. 하지만 신체와 지속적으로 존재하며 스스로 갱신하는 미래 AI에서는 이 질문을 피할 수 없을 것이라 지적합니다. 다수의 연구 논문들을 인용하며 감각질, 주관적 경험 등 '의식의 어려운 문제'를 해결하기 어렵다는 점과 의식 있는 AI가 등장할 현실적 가능성을 다루고 있습니다.
본 글은 눈에 띄지 않지만 조직 운영에 필수적인 '궂은일'의 중요성을 강조합니다. 대기업 환경에서는 주목받기 어려운 핵심 업무가 저평가되는 경향이 있으며, 이는 개인의 성과 평가나 경력 발전에서 불리하게 작용할 수 있습니다.
본 시스템은 서로 다른 개발자 머신에서 돌아가는 Claude Code 세션 간의 질문과 답변을 중개하는 브로커 역할을 합니다. 기존 방식의 한계를 극복하고, 방화벽이나 VPN 없이도 안정적으로 사내 협업 지식을 공유할 수 있도록 설계되었습니다.
글은 개발자가 자신이 만든 시스템에 대해 깊이 있는 설명과 방어 능력을 갖추어야 한다고 강조합니다. 이는 단순히 코드를 아는 것을 넘어, 설계 결정의 이유와 잠재적 실패 지점까지 명확하게 설명할 수 있어야 하는 '책임감 있는 AI 사용'의 기준입니다.
Mark Zuckerberg는 경쟁과 법적 책임이 AI 기업들로 하여금 안전성을 우선시하도록 강제한다고 언급했습니다. 실제로 Meta는 Muse AI 에이전트 출시를 지연시키면서 보안 강화에 집중하는 모습을 보였습니다.
Duolingo가 실제 운영 환경에서 사용하는 AI 에이전트 구성 방식을 공개했습니다. 이 에이전트는 빌드 수정, 코드 리뷰 응답, 앱 충돌 조사 등 다양한 엔지니어링 작업을 수행합니다. 핵심은 공통된 인프라(도구, 로그인, 재시도 로직)를 공유하는 래퍼 구조 덕분에 에이전트 구축 시간이 몇 주에서 단 10분으로 대폭 단축되었다는 점입니다.