att.com

이 이메일 도메인이 관측된 논문 3건

arXiv:2608.15436v1cs.AI

OTel: 지능형 네트워크를 위한 도메인 특화 통신 LLM 기반 구축

OTel: Building Domain-Specialized Telecom LLM Foundations for Intelligent Networks

프론티어 AI 모델은 빠르게 발전했지만, 통신 특화 과제에서는 여전히 한계가 있습니다. 본 논문은 검색, 재랭킹, 지시 미세조정(instruction tuning), 안전성·거부(abstention)용 파생 데이터셋과 임베딩·재랭킹·언어 모델 전반에 걸친 30개의 전체 매개변수 사후 학습 베이스라인을 포함하는 오픈 통신 AI 리소스인 Open Telco(OTel)를 제안합니다. 커뮤니티는 이미 이 리소스에 상당히 참여해 왔으며, 2026년 5월 3일 기준 공개된 모델의 다운로드는 1,600만 회를 넘었고, 프로젝트는 전 세계적으로 157건 이상의 미디어 보도를 받았습니다. 기존 오픈 통신 데이터셋과 벤치마크를 바탕으로 OTel은 문서화된 통신 데이터 소스, 홀드아웃 평가 분할, 학습된 임베딩 모델, 재랭커, 컨텍스트 그라운딩 LLM, 안전성·거부 데이터를 하나의 통합 리소스로 제공합니다. OTel 사후 학습은 세 모델 계열 모두에서 성능을 향상시키며, 임베딩 검색은 NDCG@10 93.5%, 재랭킹은 MRR@10 0.952, 언어 모델 정답률은 88.2%에 이릅니다. 우리는 OTel을 재현 가능한 출발점으로 공개하고, 커뮤니티가 데이터를 확장하고 임베딩·재랭킹 모델을 개선하며 더 강력한 컨텍스트 그라운딩 통신 LLM을 구축하기를 제안합니다.

arXiv:2607.00159v1cs.CL

Identifying and Resolving Pitfalls of Knowledge-Based VQA Benchmarks: Auditing, Repairing, and Augmenting

기존 KB-VQA 벤치마크(InfoSeek, E-VQA)가 답변 도출 불가, 불명확한 질문, 단일 개체 중심의 시각적 단순화 등 체계적 결함을 내포하고 있음을 감사(audit)를 통해 밝히고, 이를 해결하기 위한 정제 프로토콜과 다중 개체 증강 파이프라인을 제안하여 재평가 시 기존과 상이한 모델 성능 순위 및 추론 능력 측정치를 도출했다.

arXiv:2606.23881v1cs.CL

Ground Then Rank: Revisiting Knowledge-Based VQA with Training-Free Entity Identification

지식 기반 시각 질의응답(KB-VQA)에서 기존 다중모달 검색-증강 생성(MM-RAG)이 엔티티 판별과 구간 재순위화를 한 단계에 묶어 비용과 일반화가 제한된다는 문제를, 학습 없이 후보 엔티티 이름만으로 MLLM이 고신뢰 엔티티를 고른 뒤 텍스트 재순위화기로 근거를 고르는 IBA(Identify Before Answer) 프레임워크로 분리해 해결한다. Encyclopedic-VQA와 InfoSeek에서 파인튜닝된 다중모달 재순위화 기준선을 일관되게 능가하면서 학습·추론 복잡도를 줄였다.