Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXiv논문
NOVA: 산업용 추천 시스템의 아키텍처 진화를 위한 검증 인식형 에이전트 하네스
산업용 추천 시스템의 아키텍처 진화를 자동화하는 검증 인식형 에이전트 하네스인 NOVA를 소개합니다. NOVA는 아키텍처 그래디언트와 검증 캐스케이드를 통해 구조적 유효성을 점검하며, 기존 코딩 에이전트 대비 침묵의 실패를 줄이고 개발 사이클을 획기적으로 단축합니다.
6월 29일0
arXiv논문
코딩 LLM 내의 암시적 소프트웨어 월드 모델(Software World Models) 평가를 향하여
코딩 LLM이 소프트웨어의 동작 원리를 이해하는 '소프트웨어 월드 모델' 능력을 평가하는 새로운 방법론을 제안합니다. 기존의 제어 흐름 중심 평가를 넘어 실행 리소스, 메모리, 실행 시간 등을 예측하는 능력을 측정하며, 현재 모델들이 실행 메커니즘 이해에 취약함을 밝힙니다.
6월 29일0
arXiv논문
Glite ARF: 검증기 기반의 병렬 LLM 코딩 에이전트를 활용한 연구
Glite ARF는 재현성과 감사 가능성을 보장하기 위해 검증기(verifier) 기반의 병렬 LLM 코딩 에이전트 프레임워크를 제안합니다. 에이전트의 지시 오류를 방지하기 위해 코드 기반의 규칙을 강제하며, 실제 언어 난이도 예측 태스크에서 우수한 성과를 입증했습니다.
6월 29일0
arXiv논문
발달적 접근법을 통해 밝혀진 신경 언어 모델(NLM)의 통계적 학습: Transformer는 가장 추상적인 통계적 패턴으로부터 일반화한다
Transformer 모델이 합성 문법을 학습하는 과정을 발달적 관점에서 분석한 연구입니다. 모델이 초기에는 추상적인 전역적 통계 지식을 먼저 습득하고, 이후 국소적 의존성을 학습한다는 사실을 밝혀냈습니다.
6월 29일0
arXiv논문
Supersede: LLM 에이전트의 메모리 업데이트 격차 진단 및 학습
LLM 에이전트가 변화하는 사실을 반영하여 메모리를 업데이트하는 능력이 부족함을 진단하고, 이를 해결하기 위한 새로운 강화학습 환경인 Supersede를 제안합니다. 실험 결과, GRPO 미세 조정을 통해 소형 모델의 메모리 업데이트 정확도를 크게 향상시킬 수 있음을 입증했습니다.
6월 29일0
arXiv논문
DMV-Bench: 부수적 단서 주입을 통한 장기 시계열 멀티모달 에이전트의 시각적 메모리 진단
멀티모달 에이전트의 시각적 메모리 능력을 진단하기 위한 최초의 상호작용형 벤치마크인 DMV-Bench를 소개합니다. 이 벤치마크는 텍스트가 아닌 픽셀 기반의 단서를 통해 시각적 회상 능력을 측정하며, 제안된 DualMem 아키텍처는 기존 모델보다 뛰어난 성능을 입증했습니다.
6월 29일0
arXiv논문
Aloe-Vision: 의료 분야를 위한 강건한 시각-언어 모델 (Vision-Language Models)
의료 분야에 특화된 강건한 시각-언어 모델(LVLM)인 Aloe-Vision을 소개합니다. 고품질 데이터셋인 Aloe-Vision-Data와 새로운 시각 벤치마크인 CareQA-Vision을 통해 의료 AI의 신뢰성과 성능을 입증했습니다.
6월 29일0
arXiv논문
다중 매개변수의 저주: 활성화 패칭(Activation Patching)에서의 숨겨진 상호작용 효과
활성화 패칭(Activation Patching) 과정에서 발생하는 상호작용 효과(Interaction Effects)의 존재를 규명합니다. NIE가 구성 요소 간의 의존성을 포함하고 있음을 증명하며, 이를 통해 기존 해석 가능성 연구의 불안정성을 설명합니다.
6월 29일0
arXiv논문
컨텍스트 준비형 트랜스포머 (The Context-Ready Transformer)
토큰이 블록에 진입하기 전 사전 컨텍스트화를 수행하는 새로운 순환 신경망 아키텍처인 'Context-Ready Transformer'를 제안합니다. 수정 네트워크를 통해 이전 컨텍스트 요약을 현재 임베딩과 결합하여 추론 효율성과 성능을 동시에 높였습니다.
6월 29일0
arXiv논문
EntMTP: 엔트로피 가이드 기반 다중 토큰 예측을 통한 LLM 추론 가속화
EntMTP는 로컬 생성 엔트로피에 따라 트리 기반 어텐션 토폴로지를 동적으로 전환하는 새로운 다중 토큰 예측(MTP) 스케줄러를 제안합니다. 컨텍스트의 예측 가능성에 맞춰 투기 깊이를 조절함으로써 생성 품질을 유지하면서도 추론 속도를 극대화합니다.
6월 29일0
arXiv논문
Ko-WideSearch: 웹 에이전트의 철저한 집합 열거를 위한 한국어 너비 탐색 (Breadth-Search) 벤치마크
웹 에이전트의 집합 열거 능력을 평가하기 위한 한국어 너비 탐색 벤치마크인 Ko-WideSearch를 제안합니다. 기존의 깊이 중심 평가에서 벗어나, 특정 엔티티의 전체 구성원과 속성을 정확히 채우는 능력을 측정합니다.
6월 29일0
arXiv논문
Narrative-UFET: 초미세 개체 유형 분류 (Ultra-Fine Entity Typing)를 위한 서사 생성
초미세 개체 유형 분류(UFET)의 롱테일 문제 해결을 위해 서사 문맥을 활용하는 Narrative-UFET를 제안합니다. 문장 수준을 넘어 여러 문장에 걸친 서사를 통해 개체 유형의 중의성을 해소하고 성능을 향상시킵니다.
6월 29일0
arXiv논문
마스크 언어 흐름 모델 (Masked Language Flow Models)
마스크 언어 흐름 모델(MLFM)은 기존 흐름 언어 모델(FLM)의 다단계 추론 한계를 극복하기 위해 마스킹 메커니즘을 통합한 새로운 연구입니다. 연속적 확률 보간법을 통해 조건부 생성을 가능하게 하며, 사전 학습된 MDM을 효율적으로 변환할 수 있습니다.
6월 29일0
arXiv논문
DysLexLens: 온라인 포럼의 통찰을 통해 난독증 학습자의 경험을 분석하는 저자원 LLM 프레임워크
DysLexLens는 온라인 포럼의 데이터를 활용해 난독증 학습자의 AI 사용 경험을 분석하는 저자원 LLM 프레임워크입니다. 지식 그래프 기반의 질문 추론과 검증 가능한 질의응답 아키텍처를 통해 노이즈가 많은 소셜 미디어 데이터에서 유의미한 통찰을 추출합니다.
6월 29일0
arXiv논문
이중 임계값 하드 예제 마이닝을 통한 교차 플랫폼 중국어 공격적 댓글 탐지
중국 소셜 미디어의 교차 플랫폼 공격적 댓글 탐지 시 발생하는 성능 저하 문제를 해결하기 위한 연구입니다. 이중 임계값 하드 예제 마이닝 전략을 통해 도메인 변화에 대응하며, 적은 라벨링 데이터로도 높은 성능의 도메인 적응을 실현합니다.
6월 29일0
arXiv논문
Yuvion LLM: 콘텐츠 및 AI 안전을 위한 적대적 인지 대규모 언어 모델
Yuvion LLM은 적대적 공격에 대비한 콘텐츠 및 AI 안전성을 강화하기 위해 설계된 모델입니다. 계획, 도구 사용, 다단계 추론 등 복잡한 시나리오에서도 견고한 성능을 유지하며, 새로운 평가 벤치마크인 YLRE를 함께 제안합니다.
6월 29일0
arXiv논문
Speculative Refinement: 하이브리드 자기회귀 확산 디코딩 전략 및 벤치마크 전반의 동작 분석
자기회귀(AR)와 확산(Diffusion) 디코딩을 결합한 Speculative Refinement(SpecRef) 전략을 제안하고, 다양한 벤치마크를 통해 그 성능과 평가 프로토콜을 분석한 연구입니다. 코드 벤치마크의 구조적 한계와 정제 과정에서의 성능 저하 현상 등 생성 모델 평가의 새로운 시사점을 제시합니다.
6월 29일0
arXiv논문
웹 접근성을 위한 웹페이지 요소 간의 문맥적 연관성: 실증 연구
스크린 리더 사용자를 위해 웹페이지 요소 간의 문맥적 연관성을 링크 예측 기술로 복구하는 연구를 제안합니다. 인간이 주석을 단 데이터셋을 구축하고, GCN 및 GAT 등 머신러닝 모델을 통해 접근성 트리의 의미적 연결성을 일반화할 수 있는지 검증합니다.
6월 29일0
arXiv논문
검색 에이전트가 질문을 던져야 하는 시점: 명확성 인지형 딥 서치(Deep Search)를 위한 DiscoBench
검색 에이전트가 모호한 사용자 쿼리를 만났을 때 능동적으로 질문을 던져 명확성을 확보할 수 있는지 평가하는 새로운 벤치마크 DiscoBench를 소개합니다. 11개 도메인의 실제 사례를 통해 에이전트의 모호성 탐지 및 상호작용 능력을 다각도로 분석합니다.
6월 29일0
arXiv논문
신호에서 전이로: 대규모 언어 모델(LLM)의 프로브 기반 불확실성 추정(Uncertainty Estimation)에 관한 요인별 연구
LLM의 환각 탐지를 위한 프로브 기반 불확실성 추정(UE)의 성능 결정 요인을 분석한 연구입니다. 특징 설계, 데이터 구축, 평가 설정이 성능에 미치는 영향을 비교하며, 분포 변화 상황에서의 견고한 특징 활용과 최적의 프롬프팅 방식을 제안합니다.
6월 29일0