Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
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
arXiv논문
훈련이 필요 없는 슬라이딩 윈도우 적응을 위한 NLL 가이드 기반 전체 주의력(Full-Attention) 레이어 선택
긴 문맥 추론 효율성을 높이기 위해 어떤 레이어에 전체 주의력(Full-attention)을 유지할지 결정하는 NLL 가이드 레이어 선택 방법을 제안합니다. 훈련 없이 NLL 저하를 측정하여 레이어 중요도를 판단하며, Qwen3-4B 실험에서 적은 계산 자원으로도 높은 정확도를 달성했습니다.
6월 29일0
arXiv논문
양자 도구 모나드 (The quantum instrument monad)
본 논문은 양자 시스템과 상호 작용하는 계산 효과를 모델링하기 위한 '양자 도구 모나드'를 소개합니다. 이는 상태 모나드의 비가환 일반화로, 집합 범주와 가측 공간 범주에서의 두 가지 버전을 제안합니다.
6월 29일0
arXiv논문
위치 편향 교정은 단일 패스 어텐션 정렬(One-Pass Attention Sorting)에 불충분하다
긴 문맥 언어 모델의 위치 편향 문제를 해결하기 위해 제안된 '디바이어싱 단일 패스 어텐션 정렬' 방식의 한계를 연구했습니다. 실험 결과, 위치 편향 교정만으로는 반복적인 어텐션 정렬 방식의 성능을 완전히 대체하기 어렵다는 것을 확인했습니다.
6월 29일0
arXiv논문
역사적 텍스트의 개체명 인식 (NER)을 위한 시간적 융합 전략 연구
역사적 텍스트의 개체명 인식(NER) 성능을 높이기 위해 시간적 메타데이터를 모델에 임베딩하는 다양한 융합 전략을 연구했습니다. 실험 결과, 후기 융합(late fusion) 방식이 초기 및 노이즈가 많은 시기의 데이터에서도 가장 견고한 성능을 보였습니다.
6월 29일0
arXiv논문
유연 소자(Flexible Electronics)에서의 저전력 함수 근사를 위한 아날로그 Kolmogorov-Arnold Networks의
유연 소자(Flexible Electronics) 환경에서 저전력 함수 근사를 위해 개발된 아날로그 Kolmogorov-Arnold Networks(AKANs)를 소개합니다. 하드웨어-소프트웨어 공동 최적화와 가지치기 기법을 통해 회로 결함 속에서도 정확한 연산을 수행하며 전력과 면적을 획기적으로 절감합니다.
6월 29일0
arXiv논문
SEADA: 멀티 프리시전 공간 아키텍처 상에서 혼합 정밀도 DNN을 최적화하기 위한 효율적인 방법론
멀티 프리시전 공간 아키텍처에서 혼합 정밀도 DNN을 최적화하기 위한 새로운 방법론 SEADA를 제안합니다. SEADA는 시스템 수준의 비용 모델과 비트 수준 엔트로피 기반의 정밀도 선택을 통해 효율적인 매핑을 지원합니다.
6월 29일0
arXiv논문
단계가 중요하다: 모바일 SoC에서의 이기종 시각-언어(Vision-Language) 추론 특성 분석
Snapdragon 8 Elite SoC 환경에서 모바일 VLM 추론의 단계별 하드웨어 특성을 분석한 연구입니다. NPU 활용 시 프리필과 디코드 단계의 성능 차이, 열 안정성 및 에너지 효율성을 검증하고 최적화된 포팅 방법을 제시합니다.
6월 29일0
arXiv논문
Triadic Werewolf: LLM의 멀티홉 마음 이론 (Multi-Hop Theory of Mind)을 위한 광대 역할
LLM의 마음 이론(ToM) 평가를 위해 기존 이자 관계 게임에 '광대' 역할을 추가한 Triadic Werewolf 게임을 제안합니다. GPT-4.1, DeepSeek-V3.1, Llama-3.3-70B를 대상으로 실험한 결과, 삼자 관계의 인센티브 구조가 멀티 에이전트 추론 능력을 측정하는 데 효과적임을 입증했습니다.
6월 29일0
arXiv논문
모든 단계마다: 비디오 기반 파킨슨병 환자의 회전 시 걸음 수 측정
파킨슨병 환자의 회전 시 걸음 수를 정확하게 측정하기 위한 비디오 기반의 coarse-to-fine 프레임워크를 제안합니다. 3D 인간 메쉬 복원과 광학 흐름을 결합하여 미세한 보행 역학을 포착하며, 기존 웨어러블 방식의 불편함을 개선합니다.
6월 29일0
arXiv논문
Reflect-R1: 긴 영상 이해를 위한 증거 기반 성찰 및 자기 수정 (Self-Correction)
긴 영상 이해를 위해 외부 시각적 증거를 활용하는 Reflect-R1 프레임워크를 제안합니다. 직관, 검증, 중재의 3단계 파이프라인과 단계 분리형 강화학습(SD-GRPO)을 통해 모델의 환각 현상을 줄이고 자기 수정 능력을 극대화했습니다.
6월 29일0
arXiv논문
Home3D 1.0: 인테리어 디자인을 위한 고충실도 이미지-to-3D 에셋 생성 시스템
Home3D 1.0은 단일 참조 이미지를 기반으로 고품질 3D 에셋을 생성하는 모듈형 시스템입니다. Geometry, Texture, Material, Parts의 네 가지 모듈을 통해 PBR 재질이 포함된 정교한 메쉬를 생성합니다.
6월 29일0
arXiv논문
에이전트형 AI 기반 재식별: 이동성 마이크로데이터 프라이버시에 대한 새롭게 등장하는 확장 가능한 위협
에이전트형 AI를 활용하여 이동성 마이크로데이터를 통해 개인을 재식별할 수 있는 새로운 위협 모델을 제시합니다. LLM 에이전트가 자율적으로 웹 정보를 교차 참조하여 높은 성공률로 개인을 식별할 수 있음을 입증하며, 기존 익명성 보호 체계의 한계를 경고합니다.
6월 29일0