Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXivAI 번역논문
강건한 이중 신호 융합: 소셜 미디어 텍스트의 반어법 탐지를 위한 압축된 사고 사슬 (CoT) 정교화를 결합한 하이브리드 신경-기호 게이팅
LLM의 제로샷 반어법 탐지 성능을 높이기 위해 신경-기호 게이팅과 압축된 CoT를 결합한 RDS 프레임워크를 제안합니다. 이 방식은 미세 조정 없이도 기존 지도 학습 모델에 필적하는 높은 정확도와 환각 억제 능력을 보여줍니다.
6월 16일0
arXivAI 번역논문
잠재적 로드맵을 따라가라: Anchor Tokens를 이용한 Diffusion LLM의 취소 가능한 디코딩(Revocable Decoding)
Diffusion LLM의 디코딩 과정에서 발생하는 오류 전파와 국소적 오류 강화 문제를 해결하기 위한 ASRD 프레임워크를 제안합니다. 앵커 토큰을 활용해 신뢰할 수 있는 컨텍스트를 식별함으로써 디코딩 정확도와 추론 속도를 동시에 개선합니다.
6월 16일2
arXivAI 번역논문
인컨텍스트 러닝 (In-Context Learning) 시대의 부정 표현에 대한 체계성 재고
LLM의 인컨텍스트 러닝(ICL) 환경에서 부정 표현에 대한 행동적 및 표현적 체계성을 분석한 연구입니다. 모델이 부정문의 범위(scope)를 인식하는 데 있어 출력 형식의 영향을 받으며, 특정 작업에 대한 함수 벡터 구축의 한계를 밝힙니다.
6월 16일1
arXivAI 번역논문
Reddit 자기 공개 서사(Self-Disclosure Narratives)를 통한 사기 트렌드 및 경로 분석 이해
Reddit의 자기 공개 서사를 활용하여 2023~2025년 사이의 사기 트렌드와 경로를 분석한 연구입니다. LLM 지원 방식을 통해 사기 체인을 라벨링하고, 사기 프로세스가 다중 경로 형태를 띠며 연도별로 변화함을 밝혀냈습니다.
6월 16일1
arXivAI 번역논문
구성적 추론 깊이가 임상 AI의 실패를 예측한다: 전자 건강 기록(EHR) 질의응답에서 Transformer의 구성성 한계와 일치하는 실증적
LLM이 전자 건강 기록(EHR) 질의응답 시 추론 단계(hop count)가 늘어날수록 정확도가 급격히 하락하는 현상을 분석한 연구입니다. Transformer의 구성성 한계로 인해 복잡한 추론이 요구될수록 모델의 실패 가능성이 높아짐을 입증했습니다.
6월 16일1
arXivAI 번역논문
증명이 하드웨어를 만날 때: 영지식 시스템에서의 NTT와 SumCheck 비교
영지식 증명(ZKP)의 핵심 구성 요소인 NTT와 SumCheck 프로토콜을 하드웨어-시스템 수준에서 비교 분석한 연구입니다. 두 방식의 연산 효율성과 하드웨어 가속기 설계 시의 트레이드오프를 통합 아키텍처 프레임워크를 통해 규명했습니다.
6월 16일1
arXivAI 번역논문
기호적 비형식화 (Symbolic Informalization): 유창하고 생산적이며 다국어적인 방식
기호적 비형식화(Symbolic Informalization)는 형식 수학을 정밀도 손실 없이 자연어로 변환하는 기술입니다. Informath 프로젝트는 Dedukti와 GF를 활용해 다양한 증명 시스템과 자연어 간의 상호 운용성을 제공합니다.
6월 16일1
arXivAI 번역논문
Contrastive-Difference CKA를 통한 언어 모델 아키텍처 간 개념 특이적 구조적 정렬(Structural Alignment)
Contrastive-Difference CKA(CKA_Delta)를 통해 서로 다른 LLM 아키텍처 간의 개념적 구조 정렬을 분석한 연구입니다. 기하학적 수렴과 기능적 전이 사이의 해리 현상을 규명하며, 훈련이 필요 없는 새로운 진단 도구를 제안합니다.
6월 16일2
arXivAI 번역논문
과학의 언어를 말하다: 자연과학을 위한 범용 생성 파운데이션 모델을 향하여
자연과학 전반의 이질적인 작업을 통합하는 범용 생성 파운데이션 모델인 LOGOS를 제안합니다. 과학적 객체와 상호작용을 공통 어휘로 인코딩하여, 별도의 기하학적 신경망 없이도 복잡한 구조를 순차적으로 예측할 수 있습니다.
6월 16일1
arXivAI 번역논문
적을수록 더 많다: 확산 언어 모델(Diffusion Language Models)을 위한 상호 안정성 샘플링 (Mutual-Stability
확산 언어 모델(dLLM)의 디코딩 효율성을 높이기 위해, 토큰 확정 시점을 동적으로 결정하는 적응형 샘플러 LESS를 제안합니다. LESS는 상호 안정성 샘플링을 통해 불필요한 계산을 줄이면서도 정확도를 향상시킵니다.
6월 16일0
arXivAI 번역논문
IMPACTeen: 청소년 의사소통에서의 의도, 조작, 설득, 주석 및 결과 데이터셋
IMPACTeen은 청소년의 디지털 및 사회적 상호작용 내 의도, 조작, 설득 기법을 다루는 텍스트 데이터셋입니다. LLM 생성과 인간의 검증을 거쳐 구축되었으며, 다양한 전문가 관점의 다차원적 주석을 포함합니다.
6월 16일0
arXivAI 번역논문
효과적인 추론을 위한 코드 인터프리터(Code Interpreter)의 외재적 및 내재적 특성 탐구
본 연구는 코드 인터프리터(CI)를 활용한 LLM의 추론 능력을 외재적 특성(핵심 토큰)과 내재적 특성(인지 행동) 관점에서 분석합니다. 연구 결과, 강력한 모델일수록 검증 및 백트래킹과 같은 행동이 빈번하며, 이를 추론과 학습 과정에 활용할 때 성능 향상이 가능함을 입증했습니다.
6월 16일0
arXivAI 번역논문
NeuronFabric: 로컬 Adam을 이용한 온칩(On-Chip) Transformer 학습을 위한 소프트웨어 참조 아키텍처
NeuronFabric은 온칩(On-Chip) Transformer 학습을 위해 로컬 Adam 업데이트를 지원하는 소프트웨어 참조 아키텍처입니다. BF16W 구성을 통해 메모리 요구 사항을 줄여 FPGA 및 ASIC 구현에 최적화된 구조를 제안합니다.
6월 16일1
arXivAI 번역논문
NYU Ultracomputer에서 현대적 엑사스케일(Exascale)까지: 인네트워크 컴퓨팅(In-Network Computing) 및 확장
NYU Ultracomputer부터 현대 엑사스케일 시스템까지, 병렬 컴퓨팅 아키텍처와 네트워크 기술의 진화를 다룹니다. 인네트워크 컴퓨팅, 메시지 패싱, 하드웨어 동기화 메커니즘의 역사적 변천과 현대 딥러닝 하드웨어 매핑을 심도 있게 분석합니다.
6월 16일1
arXivAI 번역논문
유한 Kripke 의미론에서의 유계 불식별성(Bounded Indistinguishability)에 대한 GPU 가속 검색 및 인증
유한 Kripke 의미론에서 양상 논리식의 검색 및 인증 문제를 GPU 가속을 통해 해결하는 연구입니다. CUDA 커널을 활용하여 H100 GPU에서 대규모 논리식 평가를 수행하며, 의미론적 신기루 현상을 분석하고 시각적 탐색을 위한 의미론적 아틀라스를 구축합니다.
6월 16일0
arXivAI 번역논문
AQ4SViT: Spiking Vision Transformer 압축을 위한 탐색 게이팅 정책 기반 자동 양자화 프레임워크
AQ4SViT는 저전력 Spiking Vision Transformer(SViT) 모델을 효율적으로 압축하기 위한 자동 양자화 프레임워크입니다. 탐색 게이팅 정책을 통해 정확도와 메모리 사이의 최적의 트레이드오프를 빠르게 찾아내며, 임베디드 AI 시스템 배포를 용이하게 합니다.
6월 16일0
arXivAI 번역논문
Greedy Coordinate Diffusion: 확산 가이던스(Diffusion Guidance)를 통한 효과적이고 의미론적으로 일관된
미세 조정 과정에서 언어 모델의 안전 가드레일이 파괴되는 '정렬 붕괴' 현상을 기하학적 관점에서 분석한 연구입니다. 파라미터 공간의 곡률과 2차 드리프트가 정렬 저하를 유발함을 증명하고, 이를 예측할 수 있는 정렬 불안정성 조건(AIC)을 제안합니다.
6월 16일0
arXivAI 번역논문
EIBench: 시뮬레이터 기반 벤치마크 및 감정 관리를 위한 Turn-Credit RL
상호작용적 감정 관리를 평가하기 위한 시뮬레이터 기반 벤치마크인 EIBench를 소개합니다. 2,222개의 시나리오를 통해 LLM의 정서 지능을 다회차 대화 관점에서 평가하며, 강화학습 알고리즘인 CTC-GRPO를 통해 모델의 성능을 크게 향상시켰습니다.
6월 16일0
arXivAI 번역논문
안정성의 경계(Edge of Stability)에서의 경사 하강법을 위한 분기 이론(Bifurcation Theory) 프레임워크
경사 하강법이 수렴 임계값을 초과하면서도 손실이 감소하는 '안정성의 경계(EoS)' 현상을 분기 이론으로 분석한 연구입니다. 과매개변수화된 신경망에 적용 가능한 프레임워크를 통해 훈련 역학을 수직 및 접하는 성분으로 분해하여 증명했습니다.
6월 16일0
arXivAI 번역논문
표현 오토인코더(Representation Autoencoders)를 이용한 드리프팅 트랜스포머(Drifting Transformers) 증류
표현 오토인코더(RAE)의 잠재 공간에서 발생하는 이방성과 곡률 문제를 해결하기 위해 Drift-RAE를 제안합니다. 드리프팅 패러다임을 RAE에 직접 적용하여 훈련 안정성을 높였으며, ImageNet 데이터셋에서 기존 SOTA를 능가하는 성능을 입증했습니다.
6월 16일0