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 8개 유형론적으로 다양한 언어에 걸쳐 관용적이고 비유적인 의미를 포착하는 개념 네트워크 기반 프레임워크를 제시합니다. 이 프레임워크는 인지-언어학적 특징을 활용하여 관용구가 언어가 아닌 개념 스키마에 따라 군집화됨을 밝혀냈습니다. 교차 언어 전이 실험 결과, 개념적 근접성만으로 높은 번역 등가물을 식별할 수 있음을 입증했습니다.
본 논문은 QANTA 2026 공동 챌린지를 위해 작업별 멀티모달 질의응답(EMM-QA) 에이전트 아키텍처를 제안합니다. 이 시스템은 불확실성 속 답변 결정(Tossup)과 정확한 증거 기반 선택(Bonus)이라는 두 가지 과제를 다룹니다. 특히, 신뢰도 보정 및 도메인 특화 추론 정책에 중점을 둔 경량의 에이전트 전략을 통해 높은 성능을 달성했습니다.
본 연구는 영어 중심의 바이트 레벨 토크나이저가 벵골어와 같은 형태론적으로 풍부한 언어에서 자기회귀적 붕괴를 유발하는 문제를 분석했습니다. 이를 해결하기 위해 네이티브 스크립트 기반의 BanglaBERT WordPiece 어휘집을 이식하고 임베딩 행렬 크기를 조정하는 새로운 파이프라인을 제안합니다. 그 결과, WER과 RTF 측면에서 높은 성능 개선을 입증하며 크로스 스크립트 적응에 활용 가능한 청사진을 제시했습니다.
본 논문은 LLM 에이전트의 추론 능력 향상을 위해 경매 메커니즘을 도입한 프레임워크 Agora를 제안합니다. 기존 방식들이 단순 매칭에 의존하는 한계를 극복하고, 작업을 전문가 모델 및 도구에 동적으로 할당하여 가장 유능한 솔버에게 라우팅되도록 합니다.
본 논문은 상호작용하는 여러 개의 루프를 포함하는 프로그램의 불변성 합성을 위한 신경-기호적 프레임워크 InvWeaver를 제안합니다. 이 방법은 루프 수준 추상화, 의무 유도 추론 등을 결합하여 루프 간 종속성을 노출하고 증명 의무를 전파합니다. 실험 결과, InvWeaver는 기존 방식보다 월등히 높은 성능을 보여주었습니다.
본 연구는 잠재 함수와 의존 타입 이론을 결합하여 시스템의 비용 검증 및 타입 추론에 대한 새로운 접근 방식을 제시합니다. 물리학적 관점에서는 '파쇄 및 접합 정리'를 통해 타입을 구성하고, 은행가적 관점에서는 크레딧/디빗 연산자를 도입한 Giralf라는 하위 구조 의존 타입 이론을 정의했습니다.
본 논문은 재귀 이론적 관점에서 추상 해석의 국소적 완전성과 불완전성을 연구합니다. 특히, 국소적 완전성은 전역적 완전성보다 약하며, 특정 전제 조건 하에서 정밀도 손실 없이 추상 계산이 구체적 계산과 일치함을 보여줍니다. 또한, 프로그램 분석 관점에서 동적 분석이 자명한 추상화에 대해서만 균일하게 결정 가능함을 규명합니다.
본 논문은 Scala 환경에서 서브스트럭처 타입 시스템의 강력한 제어력(유일성, 분리 등)을 구현하는 System Capybara를 제시합니다. 이는 일반적인 코드에는 영향을 주지 않으면서 필요한 부분에만 선택적으로 강화된 보장을 적용할 수 있게 합니다. 이를 통해 기능성의 분리, 신선도 추적 등을 가능하게 하여 타입 안전성과 메모리 안전성을 확보했습니다.
본 논문은 증명 보조기(proof assistants)의 암시적인 표면 구문을 명시적인 핵심 구문으로 변환하는 '엘라보레이션' 알고리즘을 다룹니다. 저자들은 올바른 구축 원칙에 따라 의존적으로 타입화된 모나드 DSL을 제안하며, Martin-Löf 타입 이론을 위한 양방향 타입화 표면 언어를 임베딩하여 번역의 안정성을 확보했습니다.
본 연구는 역렌더링 과정에서 발생하는 재질-조명 모호성 문제를 해결하는 새로운 접근 방식을 제시합니다. 강체 운동(rigidly moving objects)을 하는 물체의 움직임을 활용하여 다양한 빛-표면 상호작용 데이터를 얻고, 이를 통해 분리된 재질과 조명 정보를 재구성할 수 있음을 보여줍니다.
본 논문은 전기차(EV)의 적응형 전력 관리를 위해 온디바이스 학습 기반의 배터리 전력 예측 모델을 제안합니다. 기존 딥러닝 모델이 데이터 분포 변화에 취약한 문제를 해결하기 위해, 사전 학습된 지식을 유지하며 새로운 환경에 지속적으로 적응하는 방법을 제시했습니다.
본 논문은 기존의 상용 양자 프로그래밍 언어들이 가진 하이브리드 계산 의미론적 한계를 지적하며, '양자 오케스트라 모나드'를 정의합니다. 이 모나드는 양자 계측기의 형식론을 기반으로 하며, 회로 중간 측정 및 비종료성 같은 복잡한 양자 효과 스타일을 정확하게 포착하는 일반적인 의미론적 구축 방법을 제공합니다.
본 글은 AI 시스템의 출력물이 사실 자체가 아닌 공학적 표현임을 지적하며, 이를 검토할 의미론적 프레임워크를 제안합니다. 이 프레임워크는 도메인 지식 기반, 참조 출처, 그리고 시스템 사용 가능 지식을 구분하여 AI의 주장과 행동을 평가하는 기준을 제시합니다.
본 논문은 칩 개발의 병목 현상인 프론트엔드 설계 분야에서 LLMs가 가진 잠재력을 탐구합니다. LLMs는 단순 사양 이해를 넘어 HDL 생성, 테스트벤치 구성 등 핵심 작업을 수행하며 에이전트적 AI 형태로 진화하고 있습니다. 본 논문은 이러한 발전 과정을 검토하고, 실제 적용 시의 과제와 미래 기회를 제시합니다.
벤처 투자가 제이슨 칼라카니스는 Nvidia가 AI 칩 제조사를 넘어 오픈 웨이트 LLM 포트폴리오를 확장하며 OpenAI, Anthropic 등 거대 기업들과 직접 경쟁할 것이라고 주장했습니다. 특히 Nemotron과 같은 자체 개발 모델을 통해 전체 스택을 소유하려는 움직임에 주목했습니다.
본 연구는 MLLMs가 물리 기반 텍스트 프롬프트를 활용하여 유한 요소 메쉬 정제(FEM meshing)를 위한 제로샷 기하학적 프록시 역할을 할 수 있는지 탐구합니다. GReFEM 프레임워크는 MLLM을 사용하여 응력 임계 영역을 시각적으로 국소화하며, orthoViews 모듈을 도입하여 2D와 3D 기하학 간의 격차를 해소했습니다.
본 논문은 기존 변이 기반 퍼징의 한계를 극복하기 위해 HiFuzz라는 새로운 계층적 강화학습(HRL) 프레임워크를 제안합니다. 이 프레임워크는 전역 레이아웃과 명령어 채우기를 구조화된 두 개의 에이전트로 분리하여 처리하며, 적응형 보상 메커니즘을 통해 효율적인 버그 탐지를 가능하게 합니다.

InternVLA-A1.5는 비전-언어 이해, 잠재적 예측, 행동을 통합한 로봇 정책 모델입니다. 이 모델은 6가지 시뮬레이션 벤치마크에서 최고 성능(SOTA)을 달성하며 뛰어난 성능을 입증했습니다.

PadCaptioner는 옴니모달 밀집 비디오 캡셔닝을 위해 설계된 3B 모델입니다. 이 모델은 높은 효율성과 강력한 근거 기반의 캡션 품질을 제공하며, 손실 없는 병렬 자기회귀 디코딩 방식을 통해 기존 7B 모델보다 우수한 성능을 입증했습니다.
Anubis라는 시스템은 HTTP 접근 전에 작업 증명(Proof-of-Work)을 요구합니다. 이로 인해 AI 스크레이퍼보다 일반 사용자나 저사양 기기, JavaScript 미지원 클라이언트에 더 큰 지속적 비용을 부과할 수 있습니다. LLM 기반의 anubis-fetch는 이러한 작업 증명을 직접 처리하는 방식을 제시하고 있습니다.