Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
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
arXiv논문
월드 모델을 위한 텍스트 기반 신념 상태: 엄격한 중재 하에서의 식별 가능한 표현 학습
부분적으로 관찰되는 환경에서 월드 모델의 잠재 상태 식별 문제를 해결하기 위한 새로운 연구를 소개합니다. 텍스트 기반의 이산적 잠재 상태를 활용하며, 엄격한 중재를 강제하는 fGRPO 알고리즘을 통해 예측 및 작업 수행 성능을 크게 향상시켰습니다.
6월 29일0
arXiv논문
다음 LLM을 위한 사전 등록을 통한 LLM 기반 p-해킹 (p-Hacking) 완화
LLM을 활용한 연구 과정에서 발생할 수 있는 p-해킹(p-hacking) 문제를 완화하기 위한 새로운 프로토콜을 제안합니다. 실험 계획과 모델을 사전에 등록한 뒤, 출시되지 않은 미래의 모델로 검증을 수행함으로써 연구의 신뢰성을 높이는 방법론입니다.
6월 29일0
arXiv논문
심층 신경망(DNN)을 위한 테스트 케이스 선택: LLM for Code에 대한 재현 연구
본 논문은 기존 DNN용 테스트 케이스 선택(TCS) 기술이 LLM for Code 모델에도 유효한지 검증하는 대규모 재현 연구를 다룹니다. 클론 탐지, 취약점 탐지 등 다양한 코드 작업에서 TCS 전략의 효과를 분석하여 모델별, 작업별 성능 차이를 입증했습니다.
6월 29일0
arXiv논문
계층별 위치 임베딩 스케일링(LPES)을 통한 Transformer의 위치 편향 완화
LLM의 'lost-in-the-middle' 문제를 해결하기 위해 각 계층에 최적의 스케일링 인자를 할당하는 LPES 방법을 제안합니다. 유전 알고리즘과 베지에 곡선을 활용하여 추가적인 미세 조정이나 지연 시간 없이 위치 어텐션 편향을 효과적으로 완화합니다.
6월 29일0
arXiv논문
암호화된 필사 문서 이미지의 전사 및 복호화 결합: 전통적인 파이프라인과의 비교
암호화된 필사본 이미지를 전사 과정 없이 평문으로 직접 매핑하는 엔드투엔드(end-to-end) 복호화 방식을 제안합니다. 기존의 전사 후 복호화 방식이 가진 전사 오류 전파 문제를 해결하고자 하며, 코피알레 암호를 사례로 성능을 검증했습니다.
6월 29일0
arXiv논문
Vue.js 웹 애플리케이션을 위한 LLM 지원 모델 기반 GUI 테스트
Vue.js 애플리케이션의 GUI 테스트를 자동화하기 위해 LLM을 활용하여 페이지 전환 그래프(PTG)를 생성하는 LLMVue 프레임워크를 제안합니다. GPT-4o를 백본으로 사용하여 소스 코드로부터 컴포넌트 계층과 경로를 추론하며, 기존 무작위 탐색 방식보다 높은 테스트 커버리지와 효율성을 입증했습니다.
6월 29일0
arXiv논문
안전한 LLM 미세 조정(Fine-Tuning)을 위한 낮은 친화성 페르소나 조건화
LLM을 사회적 따뜻함에 맞춰 미세 조정할 때 발생하는 탈옥 취약성과 유해 출력 문제를 조사합니다. 낮은 친화성 페르소나를 조건화하는 데이터 재작성 파이프라인을 통해, 모델의 따뜻함을 유지하면서도 안전성을 강화하는 방법을 제안합니다.
6월 29일0
arXiv논문
음성 강조 모델은 언어와 감정에 걸쳐 일반화될 수 있는가?
다양한 언어와 감정 조건에서 음성 강조를 탐지할 수 있는 MMEE 코퍼스를 소개합니다. 연구 결과, 다국어 학습이 모델의 견고성을 향상시키며 감정 간 전이 성능이 우수함을 확인했습니다.
6월 29일0
arXiv논문
BashCoder-R1: 강건성 인지 그룹 상대 정책 최적화(Robustness-Aware Group Relative Policy
BashCoder-R1은 Bash 스크립트 생성의 블랙박스 추론과 강건성 문제를 해결하기 위한 새로운 프레임워크입니다. CPT, L-CoT SFT, 그리고 R-GRPO 강화 학습 기법을 결합하여 설명 가능하고 안전한 코드 생성을 목표로 합니다.
6월 29일0
arXiv논문
Smooth MMD 정렬을 통한 LLM의 수치 예측 능력 향상
LLM의 수치 예측 정확도를 높이기 위해 Smooth Maximum Mean Discrepancy(SMMD)라는 새로운 손실 함수를 제안합니다. 기존 교차 엔트로피가 숫자의 메트릭 구조를 무시하는 문제를 해결하기 위해 값-거리 커널과 그래프 기반 매끄러움을 결합했습니다.
6월 29일0
arXiv논문
KG2Cypher: 기업용 Text-to-Cypher 시스템 구축을 위한 데이터 중심 파이프라인
기업용 지식 그래프를 위한 데이터 중심 Text-to-Cypher 파이프라인인 KG2Cypher를 제안합니다. 그래프 사실로부터 쿼리와 자연어 질문 쌍을 생성하고, SFT를 통해 학습된 생성기가 높은 정확도와 실행률을 달성함을 입증했습니다.
6월 29일0
arXiv논문
MultModLM: LLM 기반 하드웨어 회로도 생성을 위한 멀티모달 벤치마크
RTL 기술을 기반으로 하드웨어 회로도를 생성하는 멀티모달 LLM의 성능을 평가하기 위한 벤치마크 MultModLM을 제안합니다. 실험 결과, 모델들이 시각적 회로도는 생성할 수 있으나 기능적 정확성은 낮으며, LLM 기반 평가 방식의 신뢰성 문제도 확인되었습니다.
6월 29일0
arXiv논문
UNICS: 통합 의사코드 및 대조 학습 전이를 통한 다국어 코드 검색
UNICS는 의사코드와 대조 학습 전이를 활용한 새로운 다국어 코드 검색 프레임워크입니다. 데이터 불균형과 의미 손실 문제를 해결하기 위해 2단계 학습 전략을 사용하여 저자원 언어에서도 뛰어난 성능을 보입니다.
6월 29일0
arXiv논문
보정 가이드 기반 LLM 압축을 위한 출력 공간 할당 비용: 실증적 연구
LLM 압축 시 할당 비용을 가중치 공간이 아닌 출력 공간 목적 함수와 일치시키는 ROCKET-ActCost 방법론을 제안합니다. 실험 결과, Qwen3-8B 모델에서 정확도는 향상되었으나 퍼플렉서티는 증가하는 트레이드오프가 관찰되었습니다.
6월 29일0
arXiv논문
SHIFT: 검색 증강 생성 (RAG)에서의 지식 충돌 완화를 위한 게이트 변조 활성화 스티어링 (Gate-Modulated
RAG 시스템에서 검색된 문맥과 모델의 기존 지식이 충돌하는 문제를 해결하기 위한 새로운 프레임워크 SHIFT를 제안합니다. 뉴런을 직접 수정하는 대신 경량 게이트 모듈을 통해 내부 활성화를 적응적으로 조절하여 모델의 일반 능력을 유지하며 지식 충돌을 완화합니다.
6월 29일0