Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXivAI 번역논문
심층 강화학습 (Deep Reinforcement Learning)에서 상태 표현의 중요성: 에너지 거래에 대한 적용
에너지 거래 환경에서 심층 강화학습(DRL) 에이전트의 성능을 결정짓는 상태 표현(State Representation)의 중요성을 연구했습니다. 다양한 시장 특징 조합을 실험한 결과, 단일 특징군보다 절대적, 상대적, 예측 특징을 결합했을 때 가장 강력한 성능과 견고한 전이 능력을 보였습니다.
6월 26일1
arXivAI 번역논문
재난 이벤트의 비지도 변화 탐지를 위한 온보드 원격 탐사 파운데이션 모델 (On-board Remote-Sensing Foundation
원격 탐사 파운데이션 모델(RSFMs)을 활용하여 재난 이벤트를 위한 비지도 변화 탐지 방법을 제안합니다. ResNet과 FPN 아키텍처를 결합하여 별도의 학습 없이도 미세한 의미론적 변화를 효율적으로 식별할 수 있습니다.
6월 26일1
arXivAI 번역논문
전역적 발산(Global Divergences)을 넘어: 베이지안 추론(Bayesian Inference)에 대한 국소
베이지안 추론에서 KL 발산과 같은 전역적 목적 함수가 포착하지 못하는 국소 질량(local-mass) 거동을 연구한 논문입니다. 질량 지수(Mass Index)와 정규화된 확장 KL(RE-KL)이라는 새로운 수학적 도구를 제안하여 국소적 분포 변화를 분석합니다.
6월 26일1
arXivAI 번역논문
NuclearQAv2: 대규모 언어 모델(LLM)의 도메인 과학 역량 평가를 위한 구조화된 벤치마크
원자력 공학 분야의 LLM 역량을 평가하기 위한 새로운 벤치마크인 NuclearQAv2를 소개합니다. 이 벤치마크는 불리언, 수치, 언어 범주의 1,240개 질문으로 구성되어 모델의 정량적 추론과 개념적 이해를 측정합니다.
6월 26일1
arXivAI 번역논문
파라메트릭 오픈 소스 게임 (Parametric Open Source Games)
기존의 이산적/상징적 모델을 넘어 파라미터 벡터를 사용하는 파라메트릭 오픈 소스 게임 이론을 소개합니다. 프로그램 평형의 연속적 유사체를 통해 플레이어 간의 상호작용과 협력 조건을 수학적으로 분석합니다.
6월 26일1
arXivAI 번역논문
상속된 회로, 학습된 의미론: 파인튜닝이 표준 평가에서 보이지 않는 회피 취약성을 생성하는 방식
파인튜닝된 LLM이 보안 분류 작업에서 표준 정확도는 유지하면서도, 동작 보존 변환(PowerShell 별칭 치환 등)에는 취약해질 수 있음을 연구했습니다. 파인튜닝이 모델의 기존 구조를 취약한 지표 규칙으로 변환하여 새로운 공격 표면을 생성한다는 점을 경고합니다.
6월 26일1
arXivAI 번역논문
효율적인 장기 콜드 스타트 지속 학습을 위한 데이터 프리 리저버 특징 (Data-Free Reservoir Features)
콜드 스타트 상황의 클래스 증분 학습을 위해 데이터 없이 고정된 특징 추출기를 사용하는 CIRCLE 프레임워크를 제안합니다. BiRC2D 기반의 리저버 특징과 SLDA 헤드를 결합하여 백본 학습 없이도 효율적이고 강력한 성능을 구현했습니다.
6월 26일1
arXivAI 번역논문
결함 허용 양자 컴퓨팅을 위한 효율적인 파운데이션 디코더 (Efficient foundation decoders for
결함 허용 양자 컴퓨팅을 위한 파운데이션 디코더의 확장성 문제를 해결하기 위해 신경망 전이 통합(NTU) 프레임워크를 제안합니다. NTU는 작은 코드에서 학습된 지식을 대규모 디코더 학습에 활용하여 디코딩 효율성을 높입니다.
6월 26일1
arXivAI 번역논문
OpenRCA 2.0: 결과 레이블에서 인과적 과정 감독으로
OpenRCA 2.0은 LLM 에이전트의 근본 원인 분석(RCA) 능력을 평가하기 위해 인과적 전파 경로를 포함한 단계별 레이블링 프로토콜 PAVE를 도입했습니다. 기존의 결과 중심 평가가 가진 한계를 지적하며, 신뢰할 수 있는 에이전트 구축을 위한 인과적 주석의 중요성을 강조합니다.
6월 26일1
arXivAI 번역논문
잔차 가중치 보정(Residual Weighting Correction)을 이용한 Heavy-Ball Q-Learning
잔차 가중치 보정을 적용한 Heavy-Ball Q-learning 방법론을 제안하고 그 수렴성을 입증한 논문입니다. 스위칭 선형 시스템(SLS) 관점을 통해 모멘텀이 Q-learning의 수렴을 가속화하는 원리에 대한 새로운 이론적 통찰을 제공합니다.
6월 26일1
arXivAI 번역논문
LLM 에이전트를 위한 경험 규칙 및 정책의 공동 학습
LLM 에이전트의 상호작용 경험을 활용하기 위해 자연어 규칙과 모델 정책을 동시에 업데이트하는 JERP 프레임워크를 제안합니다. 규칙 풀과 정책을 공동 학습함으로써 규칙의 최신성을 유지하고 에이전트의 의사 결정 성능을 향상시킵니다.
6월 26일1
arXivAI 번역논문
반복적 자기 개선 코드북을 통한 안전한 자기회귀적 이미지 생성
자기회귀적 멀티모달 모델의 이미지 생성 안전성을 높이기 위해 반복적 자기 개선 코드북을 제안합니다. 인간의 주석 없이 모델 스스로 유해한 이미지-텍스트 쌍을 식별하고 코드북을 미세 조정하여 안전한 생성을 유도합니다.
6월 26일1
arXivAI 번역논문
해외 평화 유지 임무의 위협 평가에 대한 LLM의 적용
해외 평화 유지 임무의 위협 평가를 위해 LLM을 활용하는 새로운 접근 방식을 제안합니다. OSINT 기반 미디어 수집과 LLM의 위협 추출 기술을 결합하여, 자동 생성된 결과가 인간의 판단과 높은 일치도를 보임을 입증했습니다.
6월 26일0
arXivAI 번역논문
TOPS: 효율적인 MLLM 추론을 위한 토큰 최적 보존 집합 구축 기반의 제1원리 시각적 토큰 프루닝
MLLM의 계산 오버헤드를 줄이기 위해 시각적 토큰을 효율적으로 제거하는 TOPS 프레임워크를 제안합니다. 정보 이론적 분석을 통해 작업 관련성, 정보 커버리지, 의미론적 다양성이라는 세 가지 원칙을 정립했습니다. 실험 결과, 대량의 토큰을 제거하면서도 모델 성능을 거의 완벽하게 유지함을 입증했습니다.
6월 26일1
arXivAI 번역논문
판단하지 말고 질문하라: 해석 가능한 LLM 평가 및 자기 개선을 위한 이진 질문 (Ask, Don't Judge: Binary
LLM 출력을 원자적 이진 질문으로 분해하여 해석 가능한 다차원 점수를 생성하는 BINEVAL 프레임워크를 제안합니다. 기존 LLM 심사위원의 불투명성을 해결하고, 사실적 일관성 등 다양한 벤치마크에서 뛰어난 성능과 진단 가치를 입증했습니다.
6월 26일1
arXivAI 번역논문
Vision Language Model 가이드를 통한 잠재 기반 보상 형성 (Potential-based Reward Shaping) 자동화
VLM의 피드백을 활용하여 잠재 기반 보상 형성(PBRS)을 자동화하는 VLM-PBRS 프레임워크를 제안합니다. 경량 VLM의 선호도 데이터를 통해 잠재 함수를 학습함으로써 전문가의 설계 없이도 보상 해킹을 방지하고 샘플 효율성을 높입니다.
6월 26일1
arXivAI 번역논문
진화 알고리즘 생성 적대적 텍스트에 대한 자연어 분류기의 취약성
자연어 분류기의 취약성을 공격하기 위한 하이브리드 유전 알고리즘인 GAversary를 제안합니다. GloVe 임베딩을 활용해 의미론적 유사성을 유지하면서도 모델의 정확도를 크게 낮추는 적대적 텍스트 생성 방식을 다룹니다.
6월 26일1
arXivAI 번역논문
접는 법 배우기: LeHome Challenge 2026 우승 솔루션 (온라인 1위, 오프라인 2위)
LeHome Challenge 2026에서 우승한 양손 의류 접기(bimanual garment folding) 솔루션을 소개합니다. 강화학습(RL)과 시각-언어-행동(VLA) 정책을 결합하여 시뮬레이션 1위 및 실환경 2위를 달성한 기술적 방법론을 다룹니다.
6월 26일1
arXivAI 번역논문
Lean에서의 다중 정렬 하이브리드 다항 양상 논리 (Many-Sorted Hybrid Polyadic Modal Logic) 형식화
Lean을 사용하여 다중 정렬 하이브리드 다항 양상 논리를 형식화한 연구를 소개합니다. 이 시스템은 프로그래밍 언어와 보안 프로토콜의 명세 및 검증을 위한 통일된 공리적 기반을 제공하며, 건전성 정리에 대한 기계 검증된 증명을 포함합니다.
6월 26일1
arXivAI 번역논문
Welterweight Go: 복싱, 구조적 서브타이핑(Structural Subtyping), 그리고 제네릭(Generics) (확장 버전)
Go 언어의 제네릭과 구조적 서브타이핑 간의 복잡한 상호작용을 다루는 새로운 핵심 모델 WG(Welterweight Go)를 소개합니다. 저수준 언어 LWG를 통해 Go의 런타임 메커니즘을 모델링하고, 별도 컴파일과 런타임 코드 생성 없는 구현 방식을 제안합니다.
6월 26일1