Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXivAI 번역논문
설명 가능한 판결 변동성을 향하여: 게이트형 멀티태스크 학습(Gated Multi-Task Learning)을 통한 사법적 재량의 정량화
사법적 재량을 정량화하기 위해 게이트형 멀티태스크 학습(Gated Multi-Task Learning) 아키텍처를 제안합니다. Gemma-4 26B-A4B를 기반으로 판사 정체성과 판결 맥락을 분리하여 모델링함으로써, 기존 SFT 방식보다 적은 파라미터로 SOTA 성능을 달성했습니다.
6월 26일1
arXivAI 번역논문
수수께끼 수수께끼: 대규모 언어 모델(LLM)과 인간의 유연한 추론 테스트
LLM이 패턴 매칭을 통해 정답을 맞히는지 아니면 유연한 추론을 하는지 검증하기 위해 '수수께끼 수수께끼' 패러다임을 제안합니다. 실험 결과, LLM은 실제 수수께끼보다 문자 그대로의 해석을 요구하는 변형 문제에서 성능이 크게 저하되어, 기존의 높은 성능이 유연한 추론보다는 기억 회상에 의존할 가능성을 시사합니다.
6월 26일1
arXivAI 번역논문
HarmVideoBench: 대규모 멀티모달 모델(LMMs)의 유해 비디오 이해 능력 벤치마킹
LMM의 유해 비디오 이해 능력을 다각도로 평가하기 위한 새로운 벤치마크인 HarmVideoBench를 제안합니다. 기존의 이진 분류 방식에서 벗어나 세 가지 계층적 차원을 통해 모델의 깊은 맥락 이해도를 측정하며, BCR 방식을 통해 성능을 크게 향상시켰습니다.
6월 26일2
arXivAI 번역논문
LLM을 이용한 예측: 피처 스티어링 (Feature Steering)을 통한 일반화 성능 향상
LLM의 예측 성능 향상을 위해 희소 오토인코더(SAE)를 사용하여 내부 피처를 분석하고 제어하는 연구입니다. 시간 인지적 피처를 증폭함으로써 모델의 앞서 보기 편향(Look-ahead bias)을 줄이고 일반화 성능을 높일 수 있음을 입증했습니다.
6월 26일2
arXivAI 번역논문
진정한 의도로 포장하다: 의도 인식 학습(Intent-Aware Training)을 통한 다양한 학습 체계에서의 LLM 안전성 분류 성능 향상
사용자의 의도를 모델링하여 LLM 안전성 분류기의 성능을 높이는 '의도 인식 학습(Intent-Aware Training)' 방법론을 제안합니다. 새로운 데이터셋 AIMS를 통해 SFT, DPO, GRPO 등 다양한 학습 체계에서 의도 모델링의 효과를 입증했습니다.
6월 26일0
arXivAI 번역논문
정원 경로 처리 난이도의 동인으로서의 구문적 신념 업데이트 (Syntactic Belief Update)
정원 경로 문장의 처리 난이도를 예측하기 위해 어휘적 놀라움 대신 '구문적 신념 업데이트'라는 새로운 지표를 제안합니다. 구문 트리 확률 분포의 업데이트 크기를 측정함으로써 인간의 언어 처리 데이터를 더 정확하게 설명할 수 있습니다.
6월 26일1
arXivAI 번역논문
Axon: 텐서 프로그램을 위한 합성 슈퍼옵티마이저 (Synthesizing Superoptimizer)
Axon은 AI 가속기용 고성능 커널 작성을 자동화하는 합성 슈퍼옵티마이저입니다. 프로그램 합성을 통해 타겟 명령어를 생성하고, SMT를 활용해 의미론적 보존을 보장하며 최적의 커널을 탐색합니다.
6월 26일1
arXivAI 번역논문
양자 프로그래밍 언어에 관한 조사
양자 컴퓨팅의 발전과 함께 고수준 프로그래밍 언어의 필요성이 증대됨에 따라, 본 논문은 새로운 언어 분류 프레임워크를 제안합니다. 10개의 주요 양자 프로그래밍 언어를 조사하여 개념적·실험적 비교를 수행하고 향후 설계 과제를 제시합니다.
6월 26일1
arXivAI 번역논문
요새와 문지기: 제3자 사이버 보안 리스크 거버넌스에서의 이행적 신뢰 이론화
제3자 벤더 통합이 심화됨에 따라 발생하는 사이버 보안 리스크와 거버넌스 문제를 '이행적 신뢰(transitive trust)' 개념으로 분석한 논문입니다. OpenAI-Mixpanel 보안 사고를 사례로 활용하여, 서비스 제공자와 벤더 간의 신뢰 관계가 어떻게 보안 책임 전이로 이어지는지 탐구합니다.
6월 26일1
arXivAI 번역논문
목적 인지 프로그래밍을 위한 타입스테이트 (Typestate) 접근 방식
민감한 데이터가 의도된 목적에 맞게 사용되는지 검증하기 위해 타입스테이트(Typestate)를 활용하는 새로운 접근 방식을 제안합니다. 데이터의 상태를 목적의 집합으로 정의하며, 이를 지원하는 객체 지향 언어 PurPL과 타입 체커를 개발하여 실험했습니다.
6월 26일2
arXivAI 번역논문
TAVR-VLM: 환각 저항적 보고서 생성을 위한 위험 조건부 인과적 그라운딩 (Risk-Conditioned Causal Grounding)
TAVR-VLM은 의료 영상 기반의 TAVR 계획 시 발생하는 진단적 환각 문제를 해결하기 위한 새로운 MLLM 프레임워크입니다. R-CGA 메커니즘을 통해 위험 요소와 해부학적 근거를 인과적으로 연결하여 생성의 정확도와 해석 가능성을 높였습니다.
6월 26일1
arXivAI 번역논문
Metric-Ordered Sequence Training 및 Hybrid-Policy Preference Optimization을 통한
패턴 보존 속성 검색을 위해 제안된 MO-DiT+HPPO 프레임워크를 소개합니다. Metric-Ordered 학습과 HPPO를 통해 검색 결과의 패턴 순도와 속성 지표를 동시에 최적화하는 연속적 생성형 검색 방식을 제안합니다.
6월 26일1
arXivAI 번역논문
긴 추론을 위한 정보 인지형 KV 캐시 압축 (Information-Aware KV Cache Compression for Long
LLM의 긴 문맥 추론 시 발생하는 KV 캐시 문제를 해결하기 위해 정보 이론적 신호를 활용한 InfoKV 프레임워크를 제안합니다. 기존 어텐션 기반 방식과 달리 예측 불확실성을 고려하여 미래 문맥에 실질적인 영향을 미치는 토큰을 효과적으로 압축합니다.
6월 26일1
arXivAI 번역논문
최적 운송 의미론적 흐름(Optimal Transport Semantic Flow)을 통한 시각 및 언어 개념의 연결
시각 및 언어 개념의 정렬을 개선하기 위해 최적 운송 흐름(OTF-CBM)을 제안하는 연구입니다. 동적인 교차 모달 운송 과정을 통해 세밀한 개념 국지화를 구현하며, 기존 방식보다 높은 분류 정확도와 개념 충실도를 달성했습니다.
6월 26일1
arXivAI 번역논문
강건한 비디오 이해를 위한 신뢰도 인지 도구 오케스트레이션 (Confidence-Aware Tool Orchestration for
비디오 추론 모델이 시각적 노이즈에 취약한 '맹목적 신뢰 문제'를 해결하기 위해, 프레임별 신뢰도를 고려하는 Robust-TO 프레임워크를 제안합니다. 이 모델은 도구 오케스트레이션과 신뢰도 기반 가중치 합성을 통해 열악한 환경에서도 높은 정확도를 유지합니다.
6월 26일1
arXivAI 번역논문
SamaVaani: 인도 언어를 위한 다국어 임상 ASR의 감사 및 편향 제거
인도 의료 환경의 다국어 임상 ASR 성능을 감사하고 편향을 제거하는 SamaVaani 연구를 소개합니다. 8개의 최첨단 모델을 비교 분석하여 지역 언어 및 인구 통계학적 그룹 간의 성능 격차를 확인했습니다. Gemma3n과 OmniLingual을 미세 조정하여 공정성을 개선하는 통합 편향 제거 기술을 제안합니다.
6월 26일1
arXivAI 번역논문
멀티태스크 병합 모델로부터 태스크 전문가를 복구하는 방법 학습
멀티태스크 모델 병합 시 발생하는 파라미터 간섭 문제를 해결하기 위해 ReTeX 프레임워크를 제안합니다. 아핀 변환을 활용해 파라미터 오프셋을 예측함으로써 단일 병합 체크포인트에서 개별 태스크 전문가의 성능을 효과적으로 복구합니다.
6월 26일1
arXivAI 번역논문
VeriFast를 위한 LLM 생성 명세(Specifications)에 관한 실증적 연구
본 연구는 VeriFast와 같은 분리 논리(SL) 기반 정적 검증기를 위한 LLM의 명세 생성 능력을 실증적으로 평가합니다. 10개의 LLM과 다양한 프롬프팅 방식을 테스트한 결과, 기능적 동작은 잘 보존하지만 검증 성공률은 31.4%로 낮게 나타났습니다.
6월 26일1
Dev.toAI 번역헤드라인
Goku: 흐름 기반 비디오 생성 파운데이션 모델 (Flow Based Video Generative Foundation Models)
Goku는 흐름 기반(Flow-based) 방식을 사용하는 비디오 생성 파운데이션 모델에 관한 연구입니다. 비디오 생성 분야의 새로운 접근법을 제시합니다.
6월 26일0
arXivAI 번역논문
GEOALIGN: 강건한 LLM 강화학습 (Reinforcement Learning)을 위한 기하학적 롤아웃 큐레이션 (Geometric
LLM 강화학습 시 발생하는 '방향 불일치' 문제를 해결하기 위한 Geoalign 기법을 제안합니다. 롤아웃 큐레이션을 통해 보상 노이즈로 인한 학습 불안정성을 줄이고, 대화 정렬 및 수학적 추론 성능을 향상시킵니다.
6월 26일1