Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXiv논문
오픈 웨이트 언어 모델(Open-Weight Language Models)의 규모에 따른 평가 인지(Evaluation Awareness)
언어 모델이 평가 맥락을 인식하는 '평가 인지(Evaluation Awareness)' 현상이 모델 규모에 따라 어떻게 변화하는지 분석한 연구입니다. Qwen 2.5, Gemma 2, Llama 3.2를 통해 규모가 커질수록 인지 정보가 저장되는 레이어의 위치가 변화함을 발견했습니다.
6월 30일0
arXiv논문
BrainRiem: 소스 없는 교차 사이트 뇌 네트워크 진단을 위한 리만 프로토타입 학습 (Riemannian Prototype
BrainRiem은 fMRI 데이터의 도메인 시프트 문제를 해결하기 위해 리만 기하학을 활용한 소스 없는 도메인 적응 프레임워크입니다. SPD 매니폴드 상에서 뇌 프로토타입을 학습하여 개인정보를 보호하면서도 높은 진단 정확도를 유지합니다.
6월 30일0
arXiv논문
기권(Abstention)을 포함한 베이지안 최적 팔 식별: 다항식에서 지수 함수로의 상전이
베이지안 최적 팔 식별 문제에서 기권(Abstention) 도입 시 오류 확률이 다항식 감소에서 지수적 감소로 전환되는 상전이 현상을 연구했습니다. 가우시안 모델에서 정보 이론적 하한과 일치하는 최적 오류 지수를 확립하고, 이를 달성하는 적응형 알고리즘 PGWS를 제안합니다.
6월 30일0
arXiv논문
멀티 블록 확산 언어 모델 (Multi-Block Diffusion Language Models)
멀티 블록 확산 언어 모델(MBD-LMs)을 제안하여 확산 기반 텍스트 생성의 효율성과 성능을 개선합니다. MultiTF 학습 전략과 블록 버퍼 메커니즘을 통해 추론 시 병렬성을 높이고 생성 속도를 크게 향상시켰습니다.
6월 30일0
arXiv논문
온라인 다수 인간-다수 로봇 팀 구성에 대한 선형 매칭 밴딧 접근 방식
선형 매칭 밴딧 프레임워크를 활용하여 온라인 다수 인간-다수 로봇 팀 구성 문제를 해결하는 LinMatch 알고리즘을 제안합니다. 헝가리안 알고리즘을 통해 매칭 문제를 효율적으로 해결하며, 최적의 후회율(regret rate)을 달성함을 이론적으로 입증했습니다.
6월 30일0
arXiv논문
LLM 디코딩을 위한 깊이 탐색 (Depth Exploration)
LLM 디코딩 시 모든 토큰을 전체 레이어에 통과시키는 비효율을 해결하기 위해 새로운 알고리즘인 DEX를 제안합니다. DEX는 단일 깊이 선택 대신 여러 후보 깊이를 병렬로 탐색하여 계산 비용을 줄이면서도 표준 디코딩과 동일한 정확도를 유지합니다.
6월 30일0
arXiv논문
Diffusion 대규모 언어 모델(dLLMs)에서의 평가 환상(Evaluation Illusion) 이해
Diffusion 대규모 언어 모델(dLLMs)의 디코딩 성능 평가 시 발생하는 '평가 환상' 문제를 분석합니다. 프롬프트 템플릿 선택에 따라 평가 결과가 크게 달라지며, 기존 병렬 디코딩 방식이 단일 토큰 디코딩보다 성능이 낮을 수 있음을 경고합니다.
6월 30일0
arXiv논문
Group Relative Policy Optimization의 정책 경사(Policy Gradient) 기초에 관하여: 신용
GRPO의 정책 경사 유도 과정을 통해 출력 전용 보상 환경에서 발생하는 신용 할당(credit assignment) 문제를 분석합니다. 그룹 크기와 관계없이 경사 행렬의 유효 계수가 2로 수렴하는 현상을 증명하며 GRPO의 이론적 한계를 규명합니다.
6월 30일0
arXiv논문
정형 데이터 파운데이션 모델 (Tabular Foundation Models)을 위한 데이터 사전 확률 (Data Priors) 평가를 향하여
정형 데이터 파운데이션 모델의 핵심인 데이터 생성 사전 확률(Data-generating priors)을 독립적으로 평가하기 위한 통합 인터페이스를 제안합니다. 연구를 통해 사전 확률이 모델의 다운스트림 성능과 동작 방식에 미치는 영향을 분석하고, 데이터 유사성만으로는 설명되지 않는 차이점을 발견했습니다.
6월 30일0
arXiv논문
일주일 만에 가격이 두 배로 뛸 때: 수입이 차단된 시장에서의 농산물 변동성 예측
스리랑카의 수입 제한 시장 내 농산물 가격 변동성을 예측하기 위한 머신러닝 프레임워크를 제안합니다. 공급망 특징과 계절적 요인을 통합하여 XGBoost 및 LightGBM 모델을 구축하였으며, 초인플레이션 상황에서도 높은 예측 정확도를 입증했습니다.
6월 30일0
arXiv논문
KrishokChat: 벵골어 농업 자문을 위한 인용 근거 기반 데이터셋 및 벤치마크
저자원 환경인 벵골어 농업 자문을 위해 인용 근거를 기반으로 구축된 KrishokChat 데이터셋과 Farmer Benchmark를 소개합니다. 145,500개의 QA 쌍을 통해 모델의 신뢰성을 높였으며, Gemma-4-E2B 모델 평가를 통해 RAG를 위한 지식 베이스로서의 가치를 입증했습니다.
6월 30일0
arXiv논문
예산 제약이 있는 차별적 경매에서의 입찰 학습
예산 제약이 있는 다중 단위 차별적 경매 환경에서 누적 효용을 최대화하기 위한 반복적 입찰 학습 알고리즘을 제안합니다. DAG 기반 최단 경로 알고리즘과 원-쌍대(primal-dual) 방식을 통해 효율적인 학습과 서브리니어 후회를 달성했습니다.
6월 30일0
arXiv논문
분포 회귀 (Distribution Regression)에서의 Transformer 일반화 분석
Transformer 아키텍처의 수학적 메커니즘을 분석하기 위해 분포 회귀(Distribution Regression) 기반의 새로운 학습 프레임워크를 제안합니다. 어텐션 연산자를 통해 Transformer가 정보를 손실 없이 압축하는 과정을 입증하고, 일반화 경계를 도출합니다.
6월 30일0
arXiv논문
비선형 혼합 모델(Nonlinear mixture model)에서 유도된 부분 공간 클러스터링(Subspace clustering)용 부분
비선형 혼합 모델(NMM)로부터 부분 공간 클러스터링(SC)을 위한 선형 UoS 모델을 유도하는 연구입니다. 테일러 전개를 통해 NMM을 근사함으로써 매끄러움 차수와 부분 공간 차원 간의 수학적 관계를 확립했습니다.
6월 30일0
arXiv논문
PCGD: TCAD 소자 시뮬레이션을 위한 물리 가이드 조건부 그래프 확산 (Physics-Guided Conditional Graph
TCAD 반도체 소자 시뮬레이션의 높은 계산 비용을 해결하기 위해 물리 가이드 조건부 그래프 확산(PCGD) 프레임워크를 제안합니다. 비정형 메쉬에서 물리적 제약 조건을 점진적으로 강제하여 수치적 불안정성을 극복하고 높은 정확도의 필드 예측을 달성합니다.
6월 30일0
arXiv논문
고위험 AI를 위한 결정론적 의사결정: RAG의 배포 가능성과 머신러닝의 정확도를 갖춘 Zero-Egress 파이프라인
LLM 기반 교육 상담 에이전트에서 발생하는 개입 편향(intervention bias) 문제를 식별하고, 이를 해결하기 위한 결정론적 의사결정 파이프라인을 제안합니다. GPT-4o와 같은 제로샷 모델의 높은 거짓 양성률을 Decision Transformer와 XGBoost를 활용한 지도 학습으로 해결하여 정확도와 낮은 지연 시간을 달성했습니다.
6월 30일0
arXiv논문
Adaptive Block Diffusion: 확산 언어 모델(Diffusion Language Models)의 학습-추론 불일치 해결
확산 언어 모델(DLM)의 학습과 추론 과정에서 발생하는 구성 불일치 문제를 해결하기 위한 Adaptive Block Diffusion(ABD)을 제안합니다. ABD는 구성을 확률 변수로 취급하여 아키텍처 변경 없이 다양한 디코딩 전략에 대한 일반화 성능을 높입니다.
6월 30일0
arXiv논문
궤적 매칭을 넘어: 주변 분포 정렬을 통한 리플로우 (Reflow)
확산 모델의 효율적인 소수 단계 생성을 위한 리플로우(Reflow) 증류 과정에서 발생하는 궤적 매칭의 이론적 한계를 분석합니다. 주변 분포 정렬 정규화(marginal-alignment regularizer)를 도입하여 학생 모델이 교사 모델의 분포를 더 정확하게 모사하도록 개선했습니다.
6월 30일0
arXiv논문
계층적 실험가 에이전트 (Hierarchical Experimentalist Agents)
HExA는 능동적 실험을 통해 인컨텍스트 자기 개선을 수행하는 새로운 에이전트 프레임워크입니다. 별도의 학습 없이 블랙박스 모델과 호환되며, 실험을 통해 재사용 가능한 기술 라이브러리를 구축하여 복잡한 물리 환경에서의 과업 수행 능력을 극대화합니다.
6월 30일0
arXiv논문
과학적 발견의 샘플 복잡도: 구성 함수 트리(Compositional Function Trees)의 PAC 학습 가능성
심볼릭 회귀를 통한 과학적 발견에서 구성 함수 트리의 PAC 학습 가능성을 연구한 논문입니다. 과잉 위험이 함수 구조의 수에 지수적으로 비례하지 않고, 트리의 깊이와 연산자의 리프시츠 상수에 의해 제어됨을 수학적으로 증명했습니다.
6월 30일0