Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXiv논문
지속적 멀티모달 학습에서의 숨겨진 망각: 정확도는 유지되지만 그라운딩(Grounding)은 실패할 때
멀티모달 거대 언어 모델(MLLM)의 지속 학습 과정에서 답변 정확도는 유지되나 시각적·텍스트적 증거 활용 능력이 저하되는 '숨겨진 망각' 현상을 분석합니다. 이를 해결하기 위해 리플레이 없이 증거 의존성을 보존하는 새로운 프레임워크인 RCL을 제안합니다.
3일 전0
arXiv논문
Mandarin 단음절어의 음성 단어 지속 시간 및 피치 예측을 위한 임베딩 활용
Mandarin 단음절어의 음성 지속 시간과 f0 윤곽선을 예측하기 위해 문맥화된 임베딩(CEs)을 활용하는 연구입니다. CEs가 유형 및 토큰 수준 모두에서 지속 시간을 효과적으로 예측하며, 예측된 윤곽선이 실제 경험적 윤곽선에 근사함을 입증했습니다.
3일 전0
arXiv논문
이산적으로 탄생하여 매끄럽게 만들어지다: 얕은 신경망의 변분 공식화 (Variational Formulation of Shallow
얕은 신경망의 이산적 훈련 문제를 연속 변분 대리 모델로 대체하는 새로운 패러다임을 제안합니다. Sobolev 공간 내 파라미터 밀도를 활용하여 최적화 과정을 단일 선형 시스템 해결로 단순화하고, 일반화 오차 제어 및 연속체 최적값 달성 과정을 수학적으로 증명합니다.
3일 전0
arXiv논문
SA-HGNN: EEG 기반 우울증 인식을 위한 샘플 적응형 쌍곡선 그래프 신경망 (Sample-Adaptive Hyperbolic Graph
EEG 기반 우울증 인식을 위해 뇌 네트워크의 계층적 구조를 포착하는 SA-HGNN 모델을 제안합니다. 쌍곡선 기하학을 활용하여 유클리드 공간의 한계를 극복하고 개인화된 뇌 네트워크 토폴로지를 동적으로 구축합니다.
3일 전0
Dev.to헤드라인
판단할 수 없는 것을 인정하는 RAG 평가기
RAG 시스템의 품질을 평가할 때 LLM의 추측을 배제하고 결정론적 검증을 결합하는 'rag-triad' 프레임워크를 소개합니다. 평가기가 판단할 수 없는 경우 정직하게 판단을 유보함으로써 평가의 신뢰성을 높이는 방법을 다룹니다.
3일 전0
Dev.to헤드라인
판단할 수 없는 것을 인정하는 RAG 평가기
RAG 시스템의 품질을 평가할 때 LLM의 추측 대신 결정론적 검증과 판단 유보를 활용하는 'rag-triad' 프레임워크를 소개합니다. 검색 실패, 환각, 주제 이탈을 명확히 구분하여 실패 지점을 국지화하는 것이 핵심입니다.
3일 전0
arXiv논문
PACE: 에이전트 역량 평가를 위한 프록시 (Proxy)
LLM 에이전트 평가의 높은 비용과 복잡성을 해결하기 위해 프록시 벤치마크 프레임워크인 PACE를 제안합니다. 소수의 비에이전트 평가 항목만으로도 타겟 에이전트 벤치마크의 성능을 저렴하고 정확하게 예측할 수 있음을 입증했습니다.
3일 전0
arXiv논문
EduArt: 대규모 언어 모델의 미술사 지식 평가를 위한 교육 수준 벤치마크
멀티모달 LLM의 미술사 지식 및 시각적 추론 능력을 평가하기 위한 새로운 벤치마크인 EduArt를 소개합니다. 인간이 작성한 871개의 문항을 통해 모델의 학문적 역량을 다각도로 분석하며, 단순 객관식 점수와 실제 지식 활용 능력 사이의 격차를 규명합니다.
3일 전0
arXiv논문
적응형 강화학습 (Adaptive Reinforcement Learning)을 통한 자율 수상정 (Autonomous Surface
단일 정책으로 다양한 자율 수상정 플랫폼에 제로샷 배포가 가능한 적응형 강화학습 접근 방식을 제안합니다. 상호작용 이력을 통해 플랫폼의 역학을 추론하는 교사-학생 구조를 사용하여 미세 조정 없이도 실제 환경에서 높은 추적 성능을 입증했습니다.
3일 전0
arXiv논문
분리형 LLM 서빙을 위한 부하 인지형 프리필 편향(Load-Aware Prefill Deflection) 연구
분리형 LLM 서빙 환경에서 프리필 노드의 포화와 디코드 노드의 저활용 문제를 해결하기 위한 새로운 스케줄링 기법을 제안합니다. 디코드 노드에서 청크 단위 프리필을 수행하는 '부하 인지형 프리필 편향'을 통해 노드 간 KV-캐시 전송 지연을 제거합니다.
3일 전0
arXiv논문
시계열에서의 빠르고 정확한 이상 탐지 (Fast and Accurate Anomaly Detection in Time Series)
Haar 이산 웨이브릿과 t-검정을 결합한 새로운 비지도 학습 기반 시계열 이상 탐지 알고리즘을 제안합니다. 343개의 데이터셋 실험을 통해 기존 SOTA 비지도 및 자기지도 학습 모델보다 뛰어난 성능을 입증했습니다.
3일 전0
arXiv논문
OpenSafeIntent: 이중 용도 프롬프트 세트를 통한 의도 교정된 안전한 완성(Intent-Calibrated Safe
모델의 안전한 완성을 평가하기 위해 의도(intent)만을 변화시키는 통제된 프롬프트 벤치마크인 OpenSafeIntent를 제안합니다. 기존의 단일 프롬프트 평가 방식이 가진 한계를 지적하며, 의도 변화에 따른 모델의 안전성 교정 능력을 측정하는 것이 중요함을 강조합니다.
3일 전0
arXiv논문
SPLIT: 영어와 우크라이나어 LLM 응답에서의 교차 언어적 공감 및 문화적 접지 (Cultural Grounding)
LLM의 위기 상황 대응 능력 중 교차 언어적 공감과 문화적 접지를 평가하기 위한 새로운 벤치마크 SPLIT을 제안합니다. 영어와 우크라이나어를 대상으로 Gemini, LLaMA, DeepSeek 모델의 성능을 비교 분석했습니다.
3일 전0
arXiv논문
HaloGuard 1.0: 다국어 AI 안전을 위한 오픈 웨이트 (Open Weights) 헌법적 분류기 (Constitutional
HaloGuard 1.0은 다국어 프롬프트 안전성을 위한 소형 오픈 웨이트 헌법적 분류기입니다. 기존 대형 모델 대비 훨씬 작은 크기임에도 불구하고 46개 언어에 걸쳐 최첨단 성능을 달성했습니다.
3일 전0
arXiv논문
선형 동적 시스템 (LDS)의 온라인 학습을 위한 메모리 효율적인 통합 알고리즘
선형 동적 시스템(LDS)의 온라인 예측을 위해 메모리 효율적인 통합 알고리즘을 제안합니다. 시스템의 불안정성 복잡도(k)에 따라 파라미터 수를 $\widetilde{O}(k)$로 유지하며 서선형 후회를 달성합니다. 실험을 통해 고차원 시스템에서 기존 방식보다 뛰어난 성능을 입증했습니다.
3일 전0
arXiv논문
성능 착시를 넘어: 공간 상관 도메인을 위한 구조 인식 층화 분할 및 커리큘럼 분포 강건 최적화
시공간적 상관관계가 있는 데이터셋에서 발생하는 데이터 누수와 숨겨진 층화 문제를 해결하기 위한 새로운 프레임워크를 제안합니다. SASP 분할 방식과 CDRO 최적화 기법을 통해 모델의 일반화 성능과 신뢰도를 향상시킵니다.
3일 전0
arXiv논문
Rayleigh-Bénard 대류 모델링을 위한 개선된 Fourier Neural Operator
2차원 Rayleigh-Bénard 대류 모델링을 위해 시간 증분을 예측하는 개선된 Fourier Neural Operator(FNO)를 제안합니다. 기존 FNO보다 높은 정확도를 보이면서도 파라미터 수가 적고 추론 속도가 매우 빠릅니다.
3일 전0
arXiv논문
고차원 소표본 오믹스 데이터의 불확실성 인지 분류를 위한 구조화된 가우시안 프로세스 (Structured Gaussian Processes)
고차원 소표본 오믹스 데이터 분류를 위해 생물학적 경로를 그래프로 통합한 구조화된 가우시안 프로세스 프레임워크를 제안합니다. 이 방법론은 상호작용 네트워크와 특징 풍부함을 결합하여 클래스 불균형 문제를 해결하고 예측 불확실성을 효과적으로 제공합니다.
3일 전0
arXiv논문
WBMM: 효율적인 대규모 수용 영역 컨볼루션을 위한 윈도우 기반 배치 행렬 곱셈
대규모 커널 depthwise convolution의 메모리 액세스 문제를 해결하기 위해 윈도우 기반 배치 행렬 곱셈(WBMM) 방식을 제안합니다. WBMM은 윈도우 크기가 커질수록 처리량이 향상되며, 기존 방식보다 훨씬 큰 수용 영역을 제공하면서도 높은 훈련 속도와 정확도를 달성합니다.
3일 전0
arXiv논문
올바른 비교 질문하기: LLM 판사(Judge)를 활용한 편향 인지 베이지안 능동형 Top-$k$ 순위 지정
LLM 판사가 가진 장황함 및 위치 편향 문제를 해결하기 위해 베이지안 추론을 활용한 편향 인지 모델링과 능동형 Top-k 순위 지정 기법을 제안합니다. 실험 결과, 제안된 방식이 기존 집계 방식보다 훨씬 적은 비교 횟수로 정확한 상위 모델을 식별함을 입증했습니다.
3일 전0