Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXiv논문
Object Aligner: 그래프를 위한 구성 가능한 JSON Schema 유사도 점수, LLM 프롬프트 최적화에 적용
Object Aligner(OA)는 LLM의 JSON 출력과 정답 간의 유사도를 결정론적으로 측정하는 오픈 소스 Python 라이브러리입니다. 그래프 구조를 지원하는 참조 정렬 기술을 통해 복잡한 데이터 구조에서도 정확한 점수 산출과 수정 제안이 가능합니다.
7월 3일0
arXiv논문
다국어 TTS의 음운론적 정보를 반영한 평가를 향하여
다국어 TTS 시스템의 음운론적 정확성을 평가하기 위한 분류기 기반 프레임워크를 제안합니다. Meta의 MMS TTS를 활용해 아삼어의 모음 조화 오류를 분석한 결과, 합성 음성이 인간의 음성과 달리 특정 음운 패턴에서 편향을 보임을 확인했습니다.
7월 3일0
arXiv논문
애플리케이션 중심 지표로 평가한 시계열 파운데이션 모델 기반의 확률론적 저전압 피크 부하 예측
시계열 파운데이션 모델을 활용하여 저전압 피크 부하를 예측하는 연구를 다룹니다. Chronos-2가 기존 모델 대비 우수한 성능을 보였으며, 그리드 운영의 비용과 위험 사이의 트레이드오프를 고려한 새로운 평가 지표를 제안합니다.
7월 3일0
arXiv논문
손상 및 편향 상황에서의 의료 영상 품질 평가를 위한 VLM 신뢰성 평가
VLM을 활용한 의료 영상 품질 평가(MIQA)의 신뢰성을 MediMeta-C 데이터셋으로 벤치마킹한 연구입니다. 영상 손상 유형과 텍스트 메타데이터가 모델의 평가 점수에 미치는 영향을 분석하여 현재 VLM의 한계를 규명했습니다.
7월 3일0
arXiv논문
온라인 재귀적 MLLM 편집을 위한 멀티모달 지식 편집 범위 제한 일반화
MLLM의 지속적인 지식 편집 시 발생하는 의미론적 경계 제어 문제를 해결하기 위한 ScopeEdit를 제안합니다. ScopeEdit는 국소 흡수 분기와 증거 게이트 공유 일반화 분기를 통해 편집의 전파 범위를 정밀하게 제어합니다.
7월 3일0
arXiv논문
OntoLearner: 대규모 언어 모델(LLM)을 활용한 온톨로지 학습을 위한 모듈형 Python 라이브러리
OntoLearner는 LLM을 활용하여 텍스트로부터 구조화된 지식 모델을 구축하는 모듈형 온톨로지 학습 프레임워크입니다. 22개 도메인의 데이터셋과 벤치마킹 인프라를 제공하며, 모델의 성능이 온톨로지의 구조적 복잡성에 따라 결정됨을 입증합니다.
7월 3일0
arXiv논문
이종 오디오 분류를 위한 다중 분기 계층 인식 프레임워크
DCASE 2026 Challenge를 위해 제안된 이종 오디오 분류 프레임워크를 설명합니다. CLAP 기반의 오디오-텍스트 표현을 활용하며, 데이터 확장, 특징별 분기, 계층 인식 분류기를 통해 성능을 최적화했습니다.
7월 3일0
arXiv논문
MolSight: 통합된 화학 이미지 이해를 위한 그래프 인식 시각-언어 모델 (Vision-Language Model)
MolSight는 분자 구조의 시각적 표현과 위상학적 정보를 효과적으로 포착하기 위해 설계된 그래프 인식 시각-언어 모델(VLM) 프레임워크입니다. 분자 위상 모듈과 그라운딩 모듈을 통해 기존 모델의 구조적 정렬 문제를 해결하고 화학 이미지 이해 능력을 혁신적으로 향상시켰습니다.
7월 3일0
arXiv논문
최신 경량 CNN은 자원 제약 조건 하에서 더 나은 성능을 보이는가? 아키텍처, 초기화, 훈련 예산 및 효율성에 관한 통제된 다세대 연구
본 연구는 다양한 경량 CNN 모델들의 성능과 자원 효율성을 CIFAR 및 Tiny ImageNet 데이터셋을 통해 비교 분석합니다. 최신 설계가 항상 보편적인 이득을 제공하지 않으며, 하드웨어 환경에 따라 지연 시간이 달라질 수 있음을 입증합니다.
7월 3일0
arXiv논문
정체성 드리프트 없는 에피소드-의미론적 통합 (Episodic-to-Semantic Consolidation Without Identity
에이전트의 정체성을 유지하면서 지식을 통합하는 새로운 구조를 제안합니다. 에피소드 메모리를 의미론적 지식 계층으로 변환하는 결정론적 함수를 통해, 에이전트의 인증된 정체성(identity)을 변경하지 않고도 효율적인 지식 업데이트가 가능함을 증명합니다.
7월 3일0
arXiv논문
해석 가능한 터보팬 열화 모델링을 위한 액체 잠재 상태 역학 (Liquid Latent State Dynamics)
항공기 엔진의 상태 모니터링을 위해 액체 신경망(Liquid Neural Networks)을 활용한 해석 가능한 잠재 역학 모델을 제안합니다. 이 모델은 열화 성분과 운전 조건 성분을 분리하여 엔진의 상태 변화를 명확하게 모델링하며, 기존 GRU 모델 대비 센서 예측 성능을 개선했습니다.
7월 3일0
arXiv논문
확장 가능하고 분산 가능한 실루엣 근사 (Scalable and Distributed Silhouette Approximation)
대규모 데이터셋에서 k-클러스터링 품질을 평가하는 실루엣 계수의 계산 복잡도 문제를 해결하기 위한 새로운 알고리즘을 제안합니다. 샘플링 기반의 엄격한 근사 방식을 통해 정확도와 효율성 사이의 트레이드오프를 제어하며, 분산 컴퓨팅 환경에서도 확장 가능함을 증명했습니다.
7월 3일0
arXiv논문
InduceKV: KV 메모리 유도를 통한 멀티모달 LLM의 고정된 발자국 연속 적응
InduceKV는 멀티모달 LLM의 배포 메모리 제한을 해결하기 위해 제안된 고정된 발자국 연속 적응 방법론입니다. 백본 모델을 변경하지 않고, 검색 기반의 컴팩트한 KV 페이로드를 사용하여 메모리 예산 내에서 효율적인 작업 적응을 수행합니다.
7월 3일0
arXiv논문
검색 증강 멀티 에이전트 O&M 어시스턴트를 통한 배터리 에너지 저장 시스템(BESS)의 추적 가능한 결함 진단
배터리 에너지 저장 시스템(BESS)의 결함 진단을 위해 검색 증강 멀티 에이전트(RAG Multi-agent) 기술을 적용한 O&M 어시스턴트를 소개합니다. 운영 데이터와 도메인 지식을 결합하여 전압 불일치나 열적 이상 등의 문제를 추적 가능한 방식으로 진단합니다.
7월 3일0
arXiv논문
거울 착시 예술 (Mirror Illusion Art)
두 개의 2D 이미지로부터 기하학적 구조와 질감을 가진 3D 객체를 생성하는 새로운 3D 착시 기술인 Mirror Illusion Art를 소개합니다. 자동화된 설계 파이프라인인 AutoMIA를 통해 형태와 색상을 공동 최적화하여 매끄러운 3D 예술 작품을 생성합니다.
7월 3일0
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.
7월 3일0
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.
7월 3일0
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.
7월 3일0
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.
7월 3일0
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.
7월 3일0