Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
© 2026 Molayo
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.
LoRA 미세 조정 시 발생하는 '침입자 차원'과 치명적 망각 현상을 분석하고, 스펙트럼 법칙을 통해 이를 예측하는 이론을 제시합니다. 레이어별 임계값을 계산하여 망각이 발생하는 지점을 정확히 예측하고 성능 저하를 방지할 수 있습니다.
LLM이 생성한 인증 코드의 보안 취약성을 분석한 연구입니다. 정적·동적 분석을 통해 AI 코딩 어시스턴트가 보안 표준을 준수하지 못함을 증명하고, 이를 해결하기 위한 반복적 재프롬프팅 전략을 제안합니다.
랜덤 포레스트의 분할 기준을 평균 기반에서 분포 기반으로 확장하는 다양한 방법론을 연구하고 비교합니다. 실험 결과, 다변량 반응 예측에서는 분포 기반 방식이 효과적이지만, 일반적인 스칼라 회귀에서는 기존 CART 방식이 여전히 강력함을 확인했습니다.
VAE의 잠재 공간에서 인코딩 용량과 얽힘 해제(Disentanglement) 사이의 트레이드오프를 해결하기 위한 소프트 제약 최적화 방법을 제안합니다. 엔트로피 기반 제약(EC)과 가중치 필터링을 통해 잠재 변수의 효율성을 높이고 재구성 오차를 개선했습니다.
배포 후 변화하는 데이터 분포에 대응하기 위해 소스 데이터 없이도 모델을 지속적으로 적응시키는 CTTA 기술을 제안합니다. 데이터 품질에 따라 모멘텀을 동적으로 조절하고 클래스 프로토타입을 활용하여 모델 드리프트 문제를 해결합니다.
온폴리시 증류(OPD) 과정에서 교사와 학생 모델 간의 로컬 발산이 최종 결과와 혼동될 수 있음을 분석한 연구입니다. 실패한 궤적에서도 높은 일치율이 나타나는 '실패 시의 일치' 현상을 발견하고, 로컬 정보만으로는 오류 지점을 식별하기 어렵다는 국소화의 한계를 지적합니다.
데이터로부터 물리 법칙을 식별하는 PDE 발견 분야에서 발견된 방정식의 사후 평가가 갖는 다각적 어려움을 다룹니다. 예측 정확도, 물리적 일관성, 해석 가능성 등을 고려한 최초의 평가 지표 분류 체계를 제안합니다.
지능을 단순한 연산이나 추론이 아닌, 불확실한 환경에 적응하여 생존을 유지하는 임베디드 시스템의 정확도 척도로 정의합니다. 생물학적 지능은 데이터 학습이 아닌 생존과 소멸이라는 실질적 과정을 통해 형성된 결과물임을 강조합니다.
의미론적 정규 표현식(SemREs)의 오라클 호출 비용과 적응성(adaptivity)에 관한 이론적 연구입니다. 2라운드 적응성 및 라운드 계층 구조를 분석하여 최적의 비용과 비적응형-적응형 비율을 수학적으로 증명합니다.
언어 모델 생성을 목적으로 설계된 HDL인 ARCH를 통해 IEEE-754 부동 소수점 연산의 설계 및 엔드 투 엔드 검증 결과를 발표합니다. SystemVerilog, SMT-LIB, Lean 4를 활용하여 연산의 정확성을 기계적으로 증명하고 합성 가능한 데이터 타입을 구현했습니다.
Lean 프로그래밍 언어를 사용하여 극단 그래프 이론의 핵심 도구인 Flag Algebra를 기계 검증 가능한 방식으로 정식화했습니다. 외부의 준정부호 계획법(SDP) 출력을 Lean 증명으로 변환하는 컴파일러를 통해 Mantel의 정리 등 다양한 Turán 유형 상한을 형식적으로 증명했습니다.
LLM 기반의 Triton 커널 최적화를 위해 컴파일러 피드백과 IR 구조를 연결하는 계층적 진단 프레임워크를 제안합니다. Ascend NPU 환경에서 실험한 결과, 벤치마크 커널들에 대해 평균 4.35배의 속도 향상을 달성했습니다.
OCaml 5의 대수적 효과(Algebraic Effects)를 활용하여 동기식 반응형 프로그래밍을 구현하는 라이브러리 Tempo를 제안합니다. ReactiveML과 같은 기존 모델과 비교하여 라이브러리 수준의 재구성이 갖는 성능 오버헤드와 런타임 메커니즘을 분석합니다.
3D Gaussian Splatting(3DGS)의 파라미터를 직접 조작하여 메쉬 없이도 도메인 랜덤화(DR)를 수행하는 새로운 프레임워크를 제안합니다. 광도와 기하학적 형상을 조절하는 두 가지 섭동 파이프라인을 통해 복잡한 유기적 대상에 대한 강건한 합성 데이터를 생성합니다.
T2I 모델의 급격한 발전으로 인한 합성 이미지 출처 식별(SIA) 문제를 해결하기 위해 의미론적 딥러닝과 수학적 포렌식 특징을 결합한 앙상블 프레임워크를 제안합니다. 이 방식은 후처리 연산이 가해진 이미지에서도 높은 정확도를 보이며, CPU 환경에서도 실행 가능한 높은 효율성을 자랑합니다.
3D Gaussian Splatting을 활용하여 대규모 입자 시뮬레이션 데이터를 효율적으로 압축하고 렌더링하는 ParticleGS 프레임워크를 제안합니다. 기존 압축 방식보다 높은 시각적 충실도를 유지하면서도 매우 빠른 렌더링 속도를 제공합니다.
GNM Head는 머리, 얼굴, 안구, 구강 내부를 포함하는 새로운 생성적 인체 측정 파라메트릭 모델입니다. 고해상도 3D 스캔과 아티스트 제작 샘플을 결합하여 기존 모델의 해부학적 한계를 극복하고 정밀한 공간 제어를 가능하게 합니다.
디지털 연속성(Digital Continuity)을 위한 새로운 프로토콜 CPS-0001을 조기에 발표하며 과학적 연구 접근 방식을 제안합니다. AI 에이전트, 엔터프라이즈 세션, XR 공간 세션 등 세 가지 실험을 통해 해당 프로토콜의 실질적 필요성을 검증하고자 합니다.
Moonshot AI의 Kimi-K3 기술 보고서를 분석하며, 지식 그래프 기반의 자기 진화형 에이전트 구조와 새로운 활성화 함수 설계를 다룹니다. 또한 대규모 인프라 구축을 통한 비용 절감 효과와 상업적 라이선스 조건에 대해 논의합니다.
Hugging Face에 공개된 3조 매개변수 규모의 Kimi-K3 모델에 대한 기술적 분석입니다. MXFP4 네이티브 지원을 통한 하드웨어 요구사항, 양자화 전략, 그리고 로컬 실행을 위한 하드웨어 구성 및 미세조정 가능성을 다룹니다.