Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXiv논문
PhysisForcing: 로봇 조작을 위한 물리 강화 월드 시뮬레이터 (Physics Reinforced World Simulator for
PhysisForcing은 로봇 조작을 위한 물리적으로 일관된 비디오 생성 프레임워크입니다. 픽셀 및 시맨틱 수준의 정렬 손실을 통해 비디오 생성 모델의 물리적 불안정성을 해결하고, 로봇 제어를 위한 월드 시뮬레이션 성능을 크게 향상시켰습니다.
4일 전0
arXiv논문
예언 기반 메시지 전달 프로그램의 자동 검증 (Prophecy-Based Automated Verification of
메시지 전달 병렬 프로그램의 기능적 정확성을 검증하기 위해 제약된 Horn 절(CHC)로 환원하는 자동화된 방법을 제안합니다. RustHorn의 예언 기반 기술을 활용하여 송신 채널을 향후 전송될 값의 목록으로 표현하며, 타임스탬프를 통해 채널 간 인과적 의존성을 포착합니다.
4일 전0
arXiv논문
인간, 봇, 그리고 에이전트가 Pull Request에서 취약점에 대해 소통하는 방식
인간, 봇, 코딩 에이전트가 Pull Request 내에서 취약점을 언급하는 소통 방식을 연구합니다. 명시적 식별자뿐만 아니라 암시적 보안 언어를 분석하여 실제 코드 수정 및 리뷰 활동과의 연관성을 조사합니다.
4일 전0
arXiv논문
희소한 감독을 넘어: 소수 샷 그래프 사기 탐지를 위한 확산 가이드 학습 (Diffusion-Guided Learning for
희소하고 불균형한 데이터 환경에서 그래프 기반 사기 탐지 성능을 높이기 위한 ADC-GNN 프레임워크를 제안합니다. 확산 가이드 특징 증강과 대조 학습을 결합하여 오버스무딩과 표현 희석 문제를 해결합니다.
4일 전0
arXiv논문
개념 가이드를 통한 강건한 인컨텍스트 세그멘테이션(In-Context Segmentation)을 향하여
본 연구는 참조 이미지의 변화에도 안정적인 결과를 생성하는 강건한 인컨텍스트 세그멘테이션(ICS)을 위한 CG-ICS 프레임워크를 제안합니다. MLLM 기반의 개념 추론과 SAM3를 활용하여 고수준의 의미론적 개념을 추출함으로써 기존 방식의 한계를 극복했습니다.
4일 전0
arXiv논문
탈옥 공격 하에서의 견고한 유해 특징: 대규모 언어 모델(LLM)의 어텐션 헤드 특화(Attention Head Specialization)에
LLM 탈옥 공격이 안전 특징을 완전히 제거하는 대신 특정 어텐션 헤드를 선택적으로 억제한다는 연구 결과입니다. 공격 시 억제되는 ACH와 견고함을 유지하는 SAH를 식별하여 탈옥의 기계론적 메커니즘을 규명했습니다.
4일 전0
arXiv논문
CrossLangFuzzer: 교차 언어 JVM 컴파일러의 차분 테스트 (Differential Testing)
교차 언어 JVM 컴파일 과정에서 발생하는 오컴파일 오류를 탐지하기 위한 차분 테스트 프레임워크 CrossLangFuzzer를 제안합니다. Kotlin IR을 활용해 테스트 프로그램을 합성하고 변이 연산자를 적용하여 다양한 JVM 컴파일러의 버그를 성공적으로 발견했습니다.
4일 전0
arXiv논문
검증 가능한 보상을 활용한 탠덤 강화학습 (Tandem Reinforcement Learning)
LLM의 추론 능력을 높이는 RLVR 과정에서 발생하는 모델 간 호환성 문제를 해결하기 위해 탠덤 강화학습(TRL)을 제안합니다. 시니어 모델과 주니어 모델이 공동으로 추론을 생성하며 학습함으로써, 주니어 모델이 이해하기 쉬운 사고 사슬을 형성하고 분포 드리프트를 줄입니다.
4일 전0
arXiv논문
CPAgents: 심장 질환 연관성을 위한 에이전트 기반 복합 표현형 생성
CPAgents는 심장 영상 특징으로부터 해석 가능한 복합 표현형을 자동으로 생성하는 에이전트 기반 프레임워크입니다. 분석가, 제안자, 검증자 역할을 하는 세 가지 에이전트를 통해 기존 PheWAS의 한계를 극복하고 질환 판별력을 크게 향상시켰습니다.
4일 전0
arXiv논문
LLM 기반 리팩토링을 통한 자동 생성 단위 테스트 스위트의 인간화
SBST 도구의 낮은 가독성을 해결하기 위해 LLM을 리팩토링 레이어로 활용하는 TestHumanizer 기법을 제안합니다. 이 하이브리드 방식은 컴파일 성공률을 88-98%까지 높이면서도 테스트 코드의 가독성과 유지보수성을 크게 향상시킵니다.
4일 전0
arXiv논문
LLawCo: 체화된 다중 에이전트 행동 모델링을 위한 협력 법칙 학습
LLawCo는 체화된 다중 에이전트가 파트너 및 환경과 정렬될 수 있도록 협력 법칙을 학습하는 새로운 프레임워크입니다. 에이전트가 과거 실패를 분석하여 상위 수준의 행동 법칙을 도출하고, 이를 사고 사슬(CoT)에 통합하여 협력 효율성을 높입니다.
4일 전0
arXiv논문
송금 청사진: 스리랑카를 위한 데이터 기반 지능 (The Remittance Blueprint: Data-driven Intelligence
32년간의 스리랑카 이주 및 송금 데이터를 분석하여 거시경제 변수와의 상관관계를 연구했습니다. 머신러닝 모델을 통해 송금액을 예측하고, 환율과 유가가 송금 유입에 미치는 비대칭적 영향을 규명했습니다.
4일 전0
arXiv논문
HAT-4D: 인간-에이전트 협업을 통한 단안 비디오의 4D 다중 객체 상호작용 리프팅
HAT-4D는 단안 비디오에서 다중 객체의 4D 상호작용을 재구성하는 에이전트 기반 프레임워크입니다. VLM과 인간 참여형 피드백을 결합하여 폐쇄 및 깊이 모호성 문제를 해결하며, Embodied AI 학습을 위한 고품질 데이터를 생성합니다.
4일 전0
arXiv논문
MultiHashFormer: 해시 기반 생성 언어 모델 (Hash-based Generative Language Models)
MultiHashFormer는 해시 기반 자기회귀를 통해 임베딩 행렬의 파라미터 효율성을 높인 새로운 언어 모델 프레임워크입니다. 여러 해시 함수를 사용해 토큰을 고유한 해시 시그니처로 표현함으로써 기존의 충돌 문제를 해결하고 성능을 개선했습니다.
4일 전0
arXiv논문
Flow Matching에서의 방향 및 주파수 교정을 통한 노출 편향(Exposure Bias)의 자가 완화
Flow Matching 모델의 훈련과 추론 간 불일치로 발생하는 노출 편향(Exposure Bias) 문제를 해결하기 위한 DEFAR 프레임워크를 제안합니다. 방향 및 주파수 적응형 피드백을 통해 모델이 스스로 편향을 교정하고 누락된 주파수 성분을 강화하도록 설계되었습니다.
4일 전0
arXiv논문
완전 위임된 AI 협동조합에서의 가치 제약적 신용 할당(Credit Assignment)을 향하여
이질적인 가치 제약 하에서 작동하는 완전 위임된 AI 협동조합을 위한 새로운 보상 할당 프레임워크를 제안합니다. 순회 학습(TL)을 활용하여 각 위임자의 가치 프로필에 부합하는 업데이트에만 신용을 부여하는 방식을 공식화합니다.
4일 전0
arXiv논문
Large Language Models를 이용한 단일 및 다중 진실 데이터 융합 (Single and Multi Truth Data
본 논문은 정형 데이터의 단일 및 다중 진실 데이터 융합 작업에서 LLM의 활용 가능성을 조사합니다. 다양한 프롬프팅 전략을 통해 실험한 결과, LLM 기반 방식이 기존의 비지도 진실 발견 방법론보다 우수한 성능을 보임을 입증했습니다.
4일 전0
arXiv논문
Random Language Model (RLM)의 스케일링 한계 (Scaling limit)
Random Language Model(RLM)의 스케일링 한계 내에서 확률적 문맥 자유 문법의 정량적 이론을 개발했습니다. RLM이 특정 임계값에서 응축 전이를 보임을 입증하고, 문법 크기와 코퍼스 길이 간의 상호작용을 설명하는 스케일링 법칙을 도출했습니다.
4일 전0
arXiv논문
에이전트가 아닌 저장소를 관리하라: AI 네이티브 소프트웨어의 생태계 수준 리스크 측정
자율 코딩 에이전트가 공유 저장소에 미치는 생태계 수준의 리스크를 분석한 연구입니다. 개별 에이전트의 성능 평가를 넘어, 에이전트의 기여가 저장소 전체의 통합 마찰을 어떻게 증가시키는지 측정했습니다.
4일 전0
arXiv논문
LLM 학습 불안정성의 선제적 탐지를 위한 메커니즘 기반 모니터링
거대 언어 모델(LLM) 학습 중 발생하는 불안정성을 조기에 탐지하기 위한 메커니즘 기반 모니터링 기법을 제안합니다. 손실 값이 붕괴되기 전, 내부 모듈의 계산 지점에서 발생하는 미세한 신호를 포착하여 막대한 학습 비용 손실을 방지합니다.
4일 전0