Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ZennAI 번역헤드라인
추론을 길게 할수록 정확도가 떨어진다: 19~31스텝의 '결정론적 지평'과 에이전트 설계의 재구성
Chain-of-Thought(CoT) 추론이 길어질수록 상태 추적(state-tracking) 성능이 급격히 저하되는 '결정론적 지평' 현상을 분석합니다. 모델의 추론 트레이스가 제어 신호로서 신뢰하기 어렵다는 점을 수학적 한계와 실험을 통해 증명합니다.
6월 2일1
ZennAI 번역헤드라인
「AI의 제안에 얼마나 사람을 따르게 할 것인가」는 잘못된 질문이다 ── 논문 소개 #1
AI 보조 의사결정 시스템 설계 시 '수용률 최대화'가 아닌 '적절한 의존(Appropriate Reliance)'을 목표로 해야 한다는 연구를 소개합니다. AI의 제안을 무조건 따르는 것이 아니라, AI가 옳을 때만 따르고 오류는 거부할 수 있는 설계의 중요성을 강조합니다.
6월 2일0
ZennAI 번역헤드라인
최첨단 로봇 학습 데이터(VITRA)를 열어보았더니, 물체가 추적되지 않았던 이야기
Microsoft가 공개한 최첨단 로봇 학습 데이터셋인 VITRA를 직접 분석한 결과, 손의 관절 데이터는 정밀하지만 정작 잡고 있는 물체의 위치나 ID 정보가 누락되어 있음을 발견했습니다. 이는 VLA 모델 학습 시 물체 가려짐(Occlusion) 문제를 해결하는 데 한계가 있을 수 있음을 시사합니다.
6월 2일0
ZennAI 번역헤드라인
GRPO는 왜 장시간 학습에서 붕괴하는가 —— Qwen이 제시한 '시퀀스 단위'의 해답, GSPO
Qwen 팀이 GRPO의 장시간 학습 시 발생하는 모델 붕괴 문제를 해결하기 위해 제안한 GSPO 알고리즘을 소개합니다. 기존 GRPO가 토큰 단위로 중요도 샘플링을 적용해 노이즈가 발생하는 문제를 시퀀스 단위 계산으로 전환하여 해결했습니다.
6월 1일0
ZennAI 번역헤드라인
수식이 서툴러도 이해할 수 있는 Word2Vec｜2개의 행렬·Skip-gram·부정 예시 샘플링을 구체적인 예시만으로
Word2Vec의 핵심 원리를 수식 없이 직관적인 예시로 설명합니다. Skip-gram, CBOW, Negative Sampling 등 주요 개념을 4개의 단어 코퍼스를 통해 쉽게 풀어냅니다.
6월 1일0
ZennAI 번역헤드라인
Stanford RNA 3D Folding Part 2: 상위 3개 해법으로 분석하는 RNA 입체 구조 예측의 현주소
Kaggle의 RNA 3D 구조 예측 컴피티션 상위 3개 팀의 해법을 분석합니다. 서열 길이에 따른 모델 할당 전략, 앙상블 다양성 확보, TBM 및 Protenix 활용법 등 RNA 구조 예측의 최신 기술 트렌드를 다룹니다.
5월 31일0
ZennAI 번역헤드라인
ML 엔지니어를 위한 본질부터 이해하는 LLM 추론: LLM Inference Benchmarking
LLM 추론 성능을 정확하게 벤치마킹하기 위해 필요한 기초 지식과 핵심 용어를 해설합니다. Prefill과 Generation 단계의 차이, ISL 및 OSL과 같은 주요 지표를 통해 추론 과정을 심도 있게 이해하도록 돕습니다.
5월 30일0
ZennAI 번역헤드라인
정형 데이터 증강 part12: MWMOTE
MWMOTE는 SMOTE의 단점인 다수 클래스 영역 침해 문제를 해결하기 위해 클러스터링과 가중치를 결합한 정형 데이터 증강 기법입니다. k-nn을 활용해 결정 경계 근처의 데이터를 식별하고, 안전한 영역 내에서 소수 클래스 데이터를 효과적으로 생성합니다.
5월 29일0
ZennAI 번역헤드라인
LLM의 할루시네이션(Hallucination)은 줄었는가? 【후편: Reasoning Model로 인해 늘어난 것 · 평가 설계의 근본 문제】
Reasoning Model의 성능 향상이 오히려 특정 벤치마크에서 할루시네이션을 증가시키는 역설적 현상을 분석합니다. 추론 체인이 길어짐에 따라 오류가 더 길고 설득력 있게 생성되는 질적 변화와 그 원인을 다룹니다.
5월 29일5
ZennAI 번역헤드라인
「50% 패스율」이 최강의 학습 지점——Prefix Sampling으로 RL 학습을 2배 가속화
바이너리 보상 RL 학습 시 패스율이 0% 또는 100%로 치우치면 학습 효율이 급감하는 문제를 해결하기 위한 연구입니다. Prefix Sampling 기법을 통해 패스율을 최적점인 0.5로 유도하여 학습 수렴 속도를 2배 가속화하고 성능을 개선했습니다.
5월 29일0
ZennAI 번역헤드라인
AI가 80년간의 난제를 풀다
OpenAI 모델이 80년간 미해결 상태였던 이산 기하학의 '단위 거리 문제'에 대한 기존 예상을 반증하는 반례를 찾아냈습니다. 이는 AI가 단순 도구를 넘어 새로운 수학적 구조를 스스로 생성할 수 있음을 보여주는 기념비적 사건입니다.
5월 28일0
ZennAI 번역헤드라인
Percent of Over-Predictions (POP)란 무엇인가: 예측 편향의 '방향적 치우침'을 보는 간단한 지표
예측 모델의 오차 크기뿐만 아니라 예측 방향의 편향을 측정하는 지표인 POP(Percent of Over-Predictions)를 소개합니다. POP는 전체 예측 중 실측값을 상회한 비율을 계산하여 모델의 계통적 편향을 직관적으로 파악하게 해줍니다.
5월 27일0
ZennAI 번역헤드라인
정형 데이터 증강 기법 part10: ROSE
ROSE는 정형 데이터의 클래스 불균형을 해결하기 위해 이론적 근거를 바탕으로 섭동을 가하는 데이터 증강 기법입니다. KDE의 Silverman 규칙을 활용하여 적절한 표준편차를 결정하며, 특정 클래스 증강을 넘어 데이터셋 전체를 치환하여 유연성을 높입니다.
5월 27일0
ZennAI 번역헤드라인
【전 5회】 Graph Neural Networks 입문과 최전선——GCN의 기초부터 신약 개발·부정 탐지 산업 응용까지
GNN(Graph Neural Networks)의 수학적 기초부터 최신 연구 동향까지 다루는 5회 분량의 입문 시리즈를 소개합니다. GCN, GraphSAGE, GAT 등 주요 아키텍처의 유도 과정과 PyTorch 구현, 그리고 신약 개발 및 부정 탐지 등 산업 응용 사례를 포괄합니다.
5월 27일0
ZennAI 번역헤드라인
정리 증명 AI의 '최소 구성' 에이전트: 복잡화에 대한 안티테제
복잡한 멀티 에이전트 아키텍처 대신 반복적 프롬프트 개선, 심플한 기억 관리, 외부 도구 검색만으로 SOTA 수준의 성능을 내는 '최소 구성 정리 증명 에이전트' 논문을 리뷰합니다. Lean 언어를 활용한 자동 정리 증명(ATP) 분야에서 뺄셈 설계의 중요성을 강조합니다.
5월 27일0
ZennAI 번역헤드라인
MADL / GMADL loss란 무엇인가: 금융 시계열 예측에서 '매매에 사용할 수 있는 손실 함수'를 생각하다
금융 시계열 예측에서 MSE, MAE와 같은 전통적인 손실 함수의 한계를 지적하며, 매매 방향성을 중시하는 MADL 및 GMADL 손실 함수를 소개합니다. 수치적 근접성보다 실제 수익 창출을 위한 부호(Sign) 일치 여부에 초점을 맞춘 새로운 접근법을 다룹니다.
5월 27일2
ZennAI 번역헤드라인
AI가 80년 된 난제를 해결한 날
OpenAI의 추론 모델이 80년 동안 해결되지 않았던 수학적 난제인 '단위 거리 문제'의 중심 추측을 반증하는 데 성공했습니다. AI는 방대한 공간에 대한 체계적인 반례 탐색을 통해 인간의 직관을 넘어선 수학적 돌파구를 마련했습니다.
5월 27일0
ZennAI 번역헤드라인
수요 예측에서의 절단 문제 ③ 이론편·후편 ─ Tobit 모델의 수리적 구조와 최우추정
수요 예측 시 발생하는 절단 문제(Censoring problem)를 해결하기 위한 Tobit 모델의 수리적 구조를 다룹니다. 잠재 변수(Latent variable) 개념과 최우추정법(MLE)을 통해 모델이 어떻게 진값을 추정하는지 이론적으로 분석합니다.
5월 26일0
ZennAI 번역헤드라인
MaxPooling과 AveragePooling 비교: CIFAR-10에서 MNIST와 반대 결과가 나온 이유 [Keras 실험]
CIFAR-10 데이터셋을 활용해 CNN의 중간층 Pooling 방식(Max vs Avg)에 따른 성능 차이를 실험했습니다. 데이터의 특성에 따라 MaxPooling이 자연 이미지의 질감과 윤곽 유지에 더 유리함을 입증했습니다.
5월 26일0
ZennAI 번역헤드라인
AI가 80년간 풀리지 않았던 난제를 해결하다
OpenAI의 모델이 1940년대부터 해결되지 않았던 수학적 난제인 '단위 거리 문제'를 해결했습니다. 이는 AI가 실용적 작업을 넘어 순수 수학 영역에서도 강력한 추론 능력을 갖추었음을 시사합니다.
5월 26일0