다중 작업 베이지안 인컨텍스트 학습 (Multi-Task Bayesian In-Context Learning)

베이지안 예측 추론을 인컨텍스트 학습에 결합하여 분포 변화에 강건한 다중 작업 학습 프레임워크를 제안합니다. 사전 정보를 접두사로 활용하여 새로운 사전 분포에 빠르게 적응하며, 오라클 예측기에 근접한 성능과 높은 효율성을 동시에 달성했습니다.

다중 에이전트 및 일반 다체 시스템의 최적 질서

다중 에이전트 및 일반 다체 시스템에서 에이전트의 권력과 반응 함수가 집단적 질서에 미치는 영향을 분석하는 프레임워크를 제안합니다. 시스템의 생산성, 안정성, 적응성 사이의 최적 균형점을 도출하며, 동기화가 시스템 취약성에 미치는 영향을 연구합니다.

전염 네트워크: 멀티 에이전트 LLM 시스템에서의 평가자 편향 전파

멀티 에이전트 LLM 시스템 내에서 평가자 편향이 네트워크를 통해 전파되는 현상을 분석한 연구입니다. Contagion Networks 프레임워크를 통해 편향 확산 메커니즘을 측정하고, 평가 위원회 규모 확대를 통한 완화 전략을 제시합니다.

FreeStyle: 커뮤니티 LoRA 마이닝을 통한 스타일-콘텐츠 이중 참조 생성의 자유로운 제어

FreeStyle은 커뮤니티 LoRA 마이닝을 활용하여 스타일과 콘텐츠를 분리하여 제어하는 이중 참조 생성 프레임워크입니다. 어텐션 제약과 RoPE 변조 기술을 통해 스타일 참조의 의미론적 누출을 방지하고 높은 콘텐츠 충실도를 유지합니다.

안전 정렬된 LLM은 혼합된 준수 데모(Compliance Demonstrations)로부터 무엇을 배우는가?

본 연구는 인컨텍스트 데모의 구성이 LLM의 유해한 준수(harmful compliance)에 미치는 영향을 분석합니다. 양호한 데모와 유해한 데모가 서로 교체 불가능하며, 데모의 내용, 순서, 모델의 학습 방법론에 따라 탈옥 메커니즘이 다르게 작동함을 규명합니다.

AI 에이전트를 위한 효율적이고 건전한 확률적 검증 (Efficient and Sound Probabilistic Verification

AI 에이전트의 보안을 위해 확률적 술어와 상태 전이를 고려한 새로운 검증 프레임워크를 제안합니다. 분포 강건 최적화를 활용하여 술어 간 상관관계가 있더라도 정책 위반 확률의 건전한 상한선을 계산할 수 있습니다.

FlowEdit: Flow-Matching TTS의 평생 발음 적응을 위한 연상 메모리

FlowEdit은 동결된 Flow-matching TTS 모델의 발음 오류를 해결하기 위한 평생 적응 프레임워크입니다. 가중치 업데이트 없이 Modern Hopfield Network를 활용한 에피소드 메모리에 교정 정보를 저장하여 고유 명사 발음을 개선합니다.

SARLO-80: 전 세계 경사 거리(Slant Range) SAR 언어 광학 데이터셋 80cm

SARLO-80은 초고해상도 SAR 데이터, 정렬된 광학 이미지, 자연어 설명을 결합한 대규모 멀티모달 데이터셋입니다. 기존 저해상도 데이터셋의 한계를 넘어 복소수 값과 고유 기하 구조를 보존하여 물리적 근거를 둔 멀티모달 학습을 지원합니다.

DeepSWIP: 신경 확률 논리 프로그램을 위한 Quotient-WMC 반사실적 추론

DeepSWIP는 신경 기호 시스템인 DeepProbLog을 위한 새로운 반사실적 추론 프레임워크를 제안합니다. 신경 술어를 ProbLog 선택으로 축소하고 WMC를 적용하여 인과적 추론을 수행하며, 기존 방식 대비 2.14배 빠른 추론 속도를 보여줍니다.

지시문이 음성을 어떻게 형성하는가? 스타일 캡션 기반 텍1-음성 합성(Text-to-Speech)을 위한 교차 주의 집중 기여도 분석

스타일 캡션 기반 TTS 시스템에서 자연어 지시문이 음성 생성에 미치는 영향을 분석한 연구입니다. DAAM 프레임워크를 음성 확산 모델에 적용하여 토큰별 기여도를 시각화하고 스타일 조건화의 메커니즘을 규명했습니다.

Midnight AI Groove - GLM-5.2 등장, 오픈 모델 최전선, 그리고 2026년 AI 개발 지도

분포 변화(Distribution Shift) 상황에서의 보정된 전문가 혼합(Mixture-of-Experts) 모델을 향하여

분포 변화(Distribution Shift) 상황에서 Mixture-of-Experts(MoE) 모델의 보정 성능을 개선하는 연구를 다룹니다. 하드 라우팅과 소프트 라우팅 모델의 차이를 분석하고, 적대적 재가중치 방식을 통해 정확도와 보정 성능의 트레이드오프를 개선하는 방법을 제안합니다.

생성형 추천을 위한 분산된 사용자 관심사 컨텍스트의 구조화 및 토큰화

G2Rec은 생성형 추천을 위해 그래프 기반 사용자 공동 참여 모델링과 의미론적 토큰화를 통합한 확장 가능한 프레임워크입니다. 기존 방식의 확장성 문제와 부정확한 의미론적 표현을 해결하여 더욱 포괄적이고 정확한 사용자 관심사 모델링을 제공합니다.

DiffusionGemma의 투명성은 어느 정도인가?

DiffusionGemma의 추론 투명성을 변수 및 알고리즘 투명성 관점에서 분석한 연구입니다. 확산 모델 특유의 불투명한 직렬 깊이 문제를 해결하기 위해 해석 가능한 토큰 병목을 제안하며, 모델의 모니터링 가능성을 검증합니다.

ExSpike: 이벤트 압축을 통해 불규칙한 희소성을 활용하는 범용 풀-이벤트 뉴로모픽 아키텍처

SNN의 불규칙한 희소성을 활용하여 에너지 효율을 극대화한 범용 풀-이벤트 뉴로모픽 아키텍처 ExSpike를 제안합니다. 데이터플로우 최적화와 이벤트 압축 기술을 통해 FPGA 상에서 높은 에너지 효율과 성능을 입증했습니다.

NRITYAM: 언어 모델과 무용 예술 및 유산의 만남

NRITYAM은 언어 모델의 문화적 이해 역량을 평가하기 위해 개발된 무용 예술 및 유산 중심의 벤치마크입니다. 12개 언어와 9,260개의 질문-답변 쌍을 통해 LLM부터 SMLM까지 다양한 모델의 다문화적 추론 능력을 검증합니다.

Chain-of-Thought Transformer을 이용한 알고리즘의 효율적 표현

Chain-of-Thought(CoT) Transformer가 Word RAM 모델의 알고리즘을 효율적으로 시뮬레이션할 수 있음을 이론적으로 입증했습니다. 기존 Turing machine 시뮬레이션보다 훨씬 낮은 다항 로그 오버헤드로 알고리즘을 수행할 수 있음을 보여줍니다.

TerraMARS: 화성 테라포밍 문헌을 위한 도메인 적응형 소형 언어 모델(SLM) 파이프라인

화성 테라포밍 관련 과학 문헌에서 정보를 추출하기 위한 도메인 적응형 소형 언어 모델(SLM) 파이프라인인 TerraMARS를 제안합니다. Google Gemma 3 1B 모델을 QLoRA로 미세 조정하여 비정형 텍스트를 구조화된 JSON 형식으로 변환합니다.

NEST: 긴 영상 이해를 위한 시간적 서사 이벤트 구조

긴 영상의 서사 구조를 이해하기 위한 새로운 데이터셋인 NEST를 소개합니다. 기존의 단순 검색 방식에서 벗어나, 영화와 같은 긴 영상 속 멀티모달 이벤트 간의 시간적 순서와 계층적 관계를 평가하는 데 중점을 둡니다.

FineREX: 인신매매 지식 그래프(Knowledge Graphs)를 위한 미세 조정된 NER-RE

인신매매 네트워크 분석을 위해 법률 문서에서 개체 및 관계를 추출하는 FineREX 파이프라인을 제안합니다. 미세 조정된 LLM을 활용하여 범용 모델 대비 높은 정확도와 효율성을 달성했습니다.