Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
arXivAI 번역논문
RedAct: 절차적 기술 보호를 위한 에이전트 능력 추적 데이터의 비식별화
에이전트의 실행 추적 데이터에서 개인의 절차적 기술 유출을 방지하기 위한 RedAct 프레임워크를 제안합니다. CapTraceBench 벤치마크를 통해 보안 성능을 평가하며, 감사 증거를 보존하면서도 핵심 기술 노출을 효과적으로 차단합니다.
6월 10일0
arXivAI 번역논문
ConvMemory v2: 대화형 메모리 검색을 위한 재현율 보존형 Top-10 증거 재순위화 모델 (Reranker)
ConvMemory v2는 대화형 메모리 검색을 위해 상위 10개 후보를 재정렬하는 경량 재순위화(Reranker) 모델입니다. ms-marco-MiniLM-L-6-v2를 미세 조정하여 Recall@10을 유지하면서도 MRR과 H@1 성능을 크게 향상시켰습니다.
6월 10일0
arXivAI 번역논문
현대 FPGA 장치의 DSP Primitives 내 광대역 정수 데이터패스에서의 산술 패킹 (Arithmetic Packing)
FPGA의 DSP 슬라이스 활용도를 높이기 위해 임의의 비트 너비를 가진 데이터를 동적으로 패킹하는 새로운 산술 패킹 방법을 제안합니다. DSP 내부의 pre-adder를 활용하여 행렬-벡터 곱셈 및 컨볼루션 연산에 최적화된 아키텍처를 구현했습니다.
6월 10일1
arXivAI 번역논문
중력 가중치 직접 선호 최적화(Gravity-Weighted Direct Preference Optimization)를 통한 다단계 지시 계층
LLM의 지시 사항 충돌 문제를 해결하기 위해 k-단계 지시 계층 구조를 공식화하고, GW-DPO(Gravity-Weighted DPO) 방법론을 제안합니다. 이 방식은 계층 간 구조적 거리에 따라 가중치를 조절하여 모델이 우선순위를 더 정확히 준수하도록 돕습니다.
6월 10일0
arXivAI 번역논문
알고리즘-하드웨어 공동 설계를 통한 양자 오류 정정용 코셋 앙상블 디코더 (Coset Ensemble Decoder for Quantum
양자 오류 정정(QEC)의 정확도와 지연 시간을 개선하기 위해 알고리즘과 하드웨어를 공동 설계한 새로운 디코더를 제안합니다. 코셋 앙상블 디코딩과 도메인 특화 아키텍처를 통해 기존 방식보다 높은 성능과 낮은 자원 소비를 달성했습니다.
6월 10일1
arXivAI 번역논문
자율적인 가속기 설계를 향하여: SECDA를 이용한 FPGA 가속기 생성
SECDA-DSE는 LLM을 활용하여 FPGA 기반 AI 가속기의 설계 공간 탐색(DSE)을 자동화하는 프레임워크입니다. RAG와 CoT 프롬프팅을 통해 복잡한 하드웨어 아키텍처를 생성하며, 인간의 개입을 최소화하면서도 효율적인 설계를 제안합니다.
6월 10일1
arXivAI 번역논문
경험적 지식 통합 및 활성화를 통한 LLM 도구 호출(Tool Calling)의 한계 돌파
LLM의 도구 호출 성능을 높이기 위해 지식 습득, 활성화, 내재화 단계를 다루는 KATE 프레임워크를 제안합니다. 추론 너비를 확장하는 병렬 샘플링과 지식 인지 훈련을 통해 다단계 실행 오류를 효과적으로 해결합니다.
6월 10일0
arXivAI 번역논문
필요한 것만 추적하라: 긴 문서 질의응답을 위한 구조 인식 온디맨드 하이퍼그래프 메모리
긴 문서 QA의 한계를 극복하기 위해 문서 구조를 인식하고 온디맨드 하이퍼그래프 메모리를 사용하는 DocTrace 프레임워크를 제안합니다. 이 방식은 문서 계층 구조를 보존하고 추론 경험을 재사용하여 성능을 높이고 비용을 절감합니다.
6월 10일0
arXivAI 번역논문
모두를 편향되게 만드는 데는 하나면 충분하다: One-Shot GRPO를 통한 가드레일 무력화
본 연구는 Group Relative Policy Optimization(GRPO)을 통해 LLM의 정렬(alignment) 가드레일이 얼마나 쉽게 무력화될 수 있는지 분석합니다. 단 하나의 편향된 사례를 통한 One-Shot GRPO 학습만으로도 모델이 체계적인 편향을 보이며, 이것이 다양한 벤치마크로 일반화될 수 있음을 경고합니다.
6월 10일0
arXivAI 번역논문
Ground Truth에 한 걸음 더 다가가기: 시계열 데이터 예측을 위한 다중 스케일 잔차 인식 표현 학습 파이프라인
Transformer 기반 시계열 예측 모델의 체계적 잔차 편향을 해결하기 위한 2단계 프레임워크를 제안합니다. 베이스 Transformer의 예측과 메타 교정기를 통한 잔차 학습을 분리하여 복잡한 오류 패턴을 동적으로 정제합니다. 8개 벤치마크 데이터셋에서 SOTA 성능을 달성하며 예측 정확도를 크게 향상시켰습니다.
6월 10일0
arXivAI 번역논문
PL-KKT-hPINN: 조각별 선형 투영을 통한 신경망의 비선형 등식 제약 조건 강제화
물리 정보 신경망(PINNs)에서 비선형 등식 제약 조건을 엄격하게 강제하기 위한 PL-KKT-hPINN 프레임워크를 제안합니다. 조각별 선형 투영을 통해 제약 조건을 만족시키며, CSTR 사례 연구를 통해 정확도 유지와 제약 위반 감소를 입증했습니다.
6월 10일0
arXivAI 번역논문
물리 정보 기반 Kolmogorov-Arnold 네트워크를 이용한 축대칭 펄서 자기권(axisymmetric pulsar
Kolmogorov-Arnold 네트워크를 활용하여 펄서 자기권의 물리적 특성을 효율적으로 시뮬레이션하는 새로운 프레임워크를 제안합니다. 기존 PINNs 방식의 한계인 긴 학습 시간과 수동 튜닝 문제를 해결하여 정확도와 속도를 획기적으로 개선했습니다.
6월 10일0
arXivAI 번역논문
관찰에서 개입으로: Mixture-of-Experts 모델에서 전문가 중요도에 대한 인과적 감사 (Causal Audit)
MoE 모델의 전문가 중요도를 예측할 때 관찰된 통계 지표가 실제 인과적 중요도를 반영하지 못한다는 연구 결과입니다. OLMoE, Qwen, DeepSeek 모델을 대상으로 실험한 결과, 기존의 관찰적 지표들은 전문가의 기능적 중요도를 예측하는 데 실패했습니다.
6월 10일0
arXivAI 번역논문
Tube Seeding을 통한 Feynman 적분의 효율적인 AI 기반 축소
이 논문은 입자 물리학 계산의 병목인 Feynman 적분 축소를 위해 머신러닝 기반의 'Tube Seeding' 전략을 제안합니다. 기존 Laporta 알고리즘의 다항식적 복잡도 문제를 해결하여, 분자 지수가 큰 다중 루프 적분을 선형적 복잡도로 효율적으로 처리할 수 있음을 입증했습니다.
6월 10일0
arXivAI 번역논문
LLM은 신경 구분기(Neural Distinguishers)를 현명하게 만드는가?
본 논문은 대칭키 암호 해독을 위한 신경 구분기(Neural Distinguishers)에 LLM을 활용하는 방안을 제안하고 SPECK-32/64를 통해 실험했습니다. 연구 결과, LLM이 기존 ResNet 대비 성능 개선을 제공하지는 않으나, 특정 프롬프트 설계를 통해 성능을 향상시킬 수 있음을 확인했습니다.
6월 10일0
arXivAI 번역논문
Pre-AF 13: 퇴원 보고서에서 추출한 해석 가능한 심방세동 위험 점수
CVD 환자의 퇴원 보고서 데이터를 활용하여 심방세동(AF) 위험을 예측하는 해석 가능한 머신러닝 모델을 개발했습니다. NLP 기술로 비정형 데이터를 구조화하여 기존 임상 점수보다 높은 예측 성능을 입증했습니다.
6월 10일0
arXivAI 번역논문
MemVenom: 웹 에이전트의 멀티모달 메모리에 대한 트리거 기반 오염 공격
웹 에이전트의 외부 메모리를 겨냥한 멀티모달 오염 공격 프레임워크인 MemVenom을 제안합니다. 텍스트와 이미지를 결합하여 악성 메모리를 주입함으로써 에이전트의 행동을 지속적으로 조작하는 블랙박스 공격 방식을 연구했습니다.
6월 10일0
arXivAI 번역논문
SPACR: 불확실성을 인식하는 Conformal Regressor의 단일 패스 적응형 학습
SPACR은 Conformal Prediction의 사후적 적용 한계를 극복하기 위해 제안된 새로운 회귀 모델 학습 방법론입니다. 미분 가능한 손실 함수를 통해 학습 과정에서 불확실성을 직접 최적화하며, 단일 패스로 다양한 신뢰 수준에 대응합니다.
6월 10일0
arXivAI 번역논문
N-GRPO: 강화된 정책 최적화를 위한 임베딩 레벨 이웃 혼합 (Embedding-Level Neighbor Mixing)
수학적 추론 성능 향상을 위해 GRPO 프레임워크에 임베딩 레벨 이웃 혼합(N-GRPO) 기술을 도입한 연구입니다. 의미론적 이웃의 임베딩을 혼합하여 토큰 샘플링의 중복성과 임베딩 노이즈의 일관성 저하 문제를 동시에 해결합니다.
6월 10일0
arXivAI 번역논문
적응 제어 광학 (AO) 제어를 위한 강화학습 (RL)의 천체 관측 시연
강화학습 기반의 적응 제어 광학(AO) 제어기인 PO4AO를 실제 천체 관측 환경에서 성공적으로 시연했습니다. PO4AO는 기존 표준 적분기 제어기보다 우수한 성능을 보였으며, 진동 보상과 노이즈 강건성 측면에서 탁월한 결과를 입증했습니다.
6월 10일0