Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXiv논문
UKRI 연구 지원 제안서에서의 연구 엔티티 추출 및 주제 탐지
UKRI 연구 지원 제안서에서 연구 엔티티를 추출하고 주제를 탐지하기 위해 GPT-4o, Mistral, DSIT-Taxonomies의 성능을 비교한 연구입니다. Mistral 기반 방식이 기존 방식보다 높은 주제 분류 정확도와 운영 효율성을 보임을 입증했습니다.
6월 30일0
arXiv논문
단상 AC-DC 전기차(EV) 충전을 위한 고조파 보정 기능이 포함된 모델 예측 전류 제어
전기차 온보드 충전기(OBC)의 전력망 고조파 문제를 해결하기 위해 듀티 사이클 예측 MPCC 기법을 제안합니다. 실시간 고조파 추정 참조를 통합하여 기존 MPCC의 한계를 극복하고 전류 품질을 크게 개선했습니다.
6월 30일0
arXiv논문
ENC-ODE: Neural ODE를 이용한 연속 시간 기반의 이벤트 수준 신경퇴행 모델링
Neural ODE를 활용하여 희소하고 불규칙한 종단적 데이터를 처리하는 ENC-ODE 모델을 제안합니다. 이 모델은 진단 조건부 연속 역학을 통해 알츠하이머병과 같은 신경퇴행성 질환의 바이오마커 변화를 정밀하게 예측합니다.
6월 30일0
arXiv논문
IID를 넘어: Tabular Foundation Models는 실제로 얼마나 일반화되는가?
표 형식 데이터(Tabular Data)를 위한 파운데이션 모델의 일반화 능력을 평가하기 위해 통합 벤치마크인 BeyondArena를 제안합니다. 기존 벤치마크가 IID 데이터에 치중된 한계를 극복하고, 비-IID 및 고차원 데이터에서의 모델 성능을 다각도로 분석합니다.
6월 30일0
arXiv논문
LLM이 순위를 매길 수 있는가? 삼항 관계(Triads)와 분류(Triage)에 관한 이야기
LLM을 활용한 자원 배분 및 우선순위 결정 시 판단의 일관성을 측정하는 방법론을 다룹니다. 토너먼트 그래프의 순환 삼항 관계를 이용한 내적 일관성과 Kendall의 τ를 이용한 외적 변동성 측정을 통해 LLM 심판의 신뢰도를 평가하는 가이드라인을 제시합니다.
6월 30일0
arXiv논문
확산 모델 (Diffusion Models)을 이용한 녹내장 시야 (Visual Field) 예측 시 점 추정 (Point
녹내장 시야(VF) 예측 시 발생하는 불확실성을 해결하기 위해 조건부 디노이징 확산 모델을 제안합니다. 기존의 결정론적 점 추정 방식 대신 확률적 분포를 생성하여 임상적으로 유의미한 정확도와 보정된 예측을 제공합니다.
6월 30일0
arXiv논문
완전한 베이즈 프로세스로서의 Transformer 아키텍처: 측도론적 커널 프레임워크에서의 형식적 증명
Transformer 아키텍처가 측도론적 커널 프레임워크 내에서 베이즈 사후 추론을 구현함을 수학적으로 증명합니다. QKV 및 attention 메커니즘이 베이즈 결합 분포 조건을 충족할 때 순전파 계산이 엄격한 베이즈 업데이트와 동일함을 보입니다.
6월 30일0
arXiv논문
LLM을 통한 자연어의 전략적 시계열 명세(Strategic Temporal Specifications) 번역
LLM을 활용하여 자연어 요구사항을 멀티 에이전트 시스템(MAS) 검증을 위한 ATL/ATL* 정식 명세로 번역하는 프레임워크를 제안합니다. 전문가 검증 데이터셋을 통해 미세 조정된 소규모 오픈 웨이트 모델이 독점 API 모델과 대등한 성능을 보임을 입증했습니다.
6월 30일0
arXiv논문
FIL 가설: 귀납적 편향 (Inductive Biases)이 커널 엔지니어링에 도움이 된다
데이터 중심의 확장 원칙인 '쓰라린 교훈'을 재검토하며, 피드백 정보 루프(FIL)가 긴 도메인에서의 한계를 지적합니다. 인간의 지식을 활용한 귀납적 편향(Inductive Biases)을 통합하는 것이 GPU 프로그래밍과 같은 환경에서 더 우수한 성능을 보임을 입증합니다.
6월 30일0
arXiv논문
LLM 에이전트에서 개별적 충실도 없는 집단적 협력
LLM 에이전트가 사회 시스템 시뮬레이션에서 인간의 협력 역학을 얼마나 충실히 재현하는지 연구했습니다. 연구 결과, LLM 집단은 거시적 수준의 협력 패턴은 인간과 유사하게 나타내지만, 개별 수준의 이질성과 의사결정 규칙에서는 인간과 차이를 보이는 '거시-미시적 해리' 현상이 발견되었습니다.
6월 30일0
arXiv논문
필드 순서는 중요하지 않아야 한다: 구조화된 메타데이터 검색을 위한 순열 불변 (Permutation-Invariant) 임베딩 모델 미세 조정
구조화된 메타데이터 검색 시 필드 순서에 따라 검색 품질이 변하는 문제를 해결하기 위해 순열 불변(Permutation-Invariant) 미세 조정 기법인 PI-FT를 제안합니다. 이 방식은 필드 위치가 아닌 레이블에 의미를 결합하여 순서 변경에 따른 성능 저하를 최소화합니다.
6월 30일0
arXiv논문
COHORT: 에뮬레이션된 토폴로지 상의 공격적 재현을 통한 방어 강화용 협업 오케스트레이션
COHORT는 기업 네트워크 공격 완화 절차를 자동화하는 최초의 엔드투엔드 멀티 에이전트 LLM 프레임워크입니다. GNS3 에뮬레이터 상에서 공격적 재현을 통해 생성된 보안 정책을 검증하며, 기존 싱글 에이전트 방식보다 4.4배 높은 방어 성공률을 기록했습니다.
6월 30일0
arXiv논문
상황 인지: 인공 초지능 (ASI)을 위한 필수적인 원시 기능
현재 LLM의 한계를 지적하며 인공 초지능(ASI) 달성을 위한 핵심 요소로 '상황 인지' 능력을 제안합니다. 추상적 예측, 장기 압축 메모리, 능동적 학습을 통해 내부 시뮬레이션 내에서 행동하는 능력이 필요함을 강조합니다.
6월 30일0
arXiv논문
신경 다양체에서의 정보적 좌절: 샤논 병목 현상과 학습 가능성의 한계
심층 신경망의 일반화 원리를 정보 이론, 위상수학, 통계 역학을 결합하여 분석한 연구입니다. 샤논-위상 병목 현상 정리를 통해 학습 가능성의 한계를 정의하고, 그로킹 현상을 엔트로피 방출 관점에서 설명합니다.
6월 30일0
arXiv논문
SIMAX: 다중 충실도 및 주석이 달린 임상의-환자 대화 시뮬레이션을 위한 확장 가능하고 해석 가능한 프레임워크
SIMAX는 임상의와 환자 간의 대화를 시뮬레이션하여 대규모의 주석이 달린 데이터를 생성하는 프레임워크입니다. 사전 정의된 시나리오와 페르소나를 통해 통제된 대화 데이터를 생성함으로써, 커뮤니케이션 코딩 시스템의 개발과 검증을 위한 데이터 기반을 제공합니다.
6월 30일0
arXiv논문
McMg: Helmholtz 방정식을 위한 학습된 위상 공간 다채널 멀티그리드 프리컨디셔너 (Preconditioner)
이질적인 Helmholtz 방정식을 효율적으로 풀기 위한 학습된 위상 공간 멀티그리드 프리컨디셔너인 McMg를 제안합니다. 물리적 공간을 조립하면서도 채널 차원을 통해 국부적 파동 정보를 유지하여 수치적 정확도와 계산 효율성을 높였습니다.
6월 30일0
arXiv논문
사후 개념 병목 모델(Post-Hoc Concept Bottleneck Models)의 충실도에 관하여
사후 개념 병목 모델(Post-Hoc CBMs)에서 예측 정확도가 개념의 의미론적 유의미성을 보장하지 못하는 문제를 분석합니다. 공변량 변화와 라벨 노이즈로 인한 불충실한 개념 표현 사례를 식별하고, 이를 평가하기 위한 새로운 지표를 제안합니다.
6월 30일0
arXiv논문
도구 증강 에이전트에서의 엔티티 바인딩 실패 (Entity Binding Failures)
도구 증강 에이전트가 올바른 도구를 선택하더라도 잘못된 외부 엔티티를 대상으로 동작하는 '엔티티 바인딩 실패' 문제를 연구합니다. 본 논문은 이 문제를 신뢰성 및 안전성 측면에서 분석하고, 이를 해결하기 위한 엔티티 인식 실행 메커니즘을 제안합니다.
6월 30일0
arXiv논문
실수를 통한 학습: 자율 주행을 위한 Rollout-Retrieval 평생 정책 학습 (Rollout-Retrieval Lifelong
자율 주행 정책이 자신의 실수를 통해 지속적으로 학습할 수 있도록 돕는 R²LPL 프레임워크를 제안합니다. 이 방식은 폐쇄 루프 환경에서의 실수를 교정 가능한 지식으로 변환하여, 기존 지식을 유지하면서도 롱테일 시나리오에 대한 대응 능력을 강화합니다.
6월 30일0
arXiv논문
에이전트 모호성 하에서의 인수분해된 전이 효과를 통한 잠재 행동 (Latent Actions from Factorized Transition
에이전트의 움직임과 환경 변화가 혼재된 모호한 상황에서 잠재 행동을 효과적으로 학습하기 위한 OTF-LAM 모델을 제안합니다. 관측 전이를 희소한 프리미티브 세트로 분해하여 행동과 유사한 잠재 변수를 더욱 견고하게 추출합니다.
6월 30일0