htw-berlin.de

이 이메일 도메인이 관측된 논문 6건

arXiv:2605.02003v3cs.LG

RamanBench: 라만 분광법 머신러닝을 위한 대규모 벤치마크

RamanBench: A Large-Scale Benchmark for Machine Learning on Raman Spectroscopy

머신러닝(ML)은 여러 과학 분야를 변화시켰으나, 핵심 응용 분야에는 여전히 표준화된 벤치마크가 부족합니다. 비침습적 분자 분석에 널리 사용되는 기술인 라만 분광법(Raman spectroscopy)은 파편화된 데이터셋, 일관되지 않은 평가, 그리고 분광 데이터의 구조를 포착하지 못하는 모델들로 인해 발전이 제한되어 온 대표적인 분야입니다. 본 연구에서는 간소화된 데이터 접근, 평가 프로토콜 및 코드, 그리고 실시간 리더보드로 구성된, 라만 분광법 ML을 위한 최초의 재현 가능한 대규모 벤치마크인 RamanBench를 소개합니다. RamanBench는 4개 도메인에 걸친 74개 데이터셋(본 벤치마크와 함께 최초 공개된 16개 포함)을 통합하며, 325,668개의 스펙트럼으로 구성되고 다양한 실험 조건에서의 분류(classification) 및 회귀 태스크를 포괄합니다. 저자들은 표준화된 프로토콜에 따라 고전적 방법(예: PLS), 라만 특화 모델(예: RamanNet), 정형 파운데이션 모델(TFM)(예: TabPFN), 시계열 접근법(예: ROCKET)을 포함한 28개 모델을 벤치마킹했습니다. TFM은 도메인 특화 모델 및 그래디언트 부스팅(gradient boosting) 베이스라인보다 지속적으로 우수한 성능을 보였으며, 시계열 모델 또한 경쟁력 있는 성능을 유지했습니다. 그러나 모든 데이터셋에 걸쳐 일반화되는 방법은 없어 근본적인 격차가 드러났습니다. 따라서 본 연구에서는 의료 진단, 생물학 연구, 재료 과학과 같은 중요 응용 분야의 발전을 가속화할 잠재력을 지닌 이 살아있는 벤치마크에 커뮤니티가 새로운 접근 방식을 기여하도록 제안합니다.

arXiv:2607.04962v2cs.CL

배후는 누구인가? 독일어 텔레그램 게시물에서 음모론적 행위자 어노테이션 및 추출

Who's Behind It? Annotating and Extracting Conspiratorial Actors from German Telegram Posts

음모론은 흔히 중요한 사건을 강력하고 비밀스러운 행위자의 행동 탓으로 돌립니다. 계산적 연구는 주로 음모론에 대한 문서 수준의 분석에 집중해 온 반면, 이러한 서사를 이끄는 행위자를 식별하는 데는 상대적으로 덜 주목해 왔습니다. 본 연구에서는 음모론적 행위자에 대한 어노테이션 가이드라인을 개발하고, 스팬(span) 어노테이션이 적용된 독일어 텔레그램 게시물 코퍼스를 제시하며, 트랜스포머(transformer) 기반 모델을 사용한 자동 추출을 조사합니다. 나아가 도출된 모델을 독일어 음모론 관련 텔레그램 채널의 대규모 아카이브인 Schwurbelarchiv에 적용합니다. 실험 결과는 음모론 담화의 언어적 복잡성에도 불구하고 음모론적 행위자를 유의미한 일치도로 어노테이션할 수 있으며 합리적인 정확도로 추출할 수 있음을 보여주어, 음모론 서사에서 행위자 표현에 대한 대규모 분석을 가능하게 합니다.

arXiv:2607.04945v2cs.CL

You Frame It: 개념적 표현이 반유대주의에 대한 LLM 탐지 및 추론을 어떻게 형성하는가

You Frame It: How Conceptual Representations Shape LLM Detection and Reasoning about Antisemitism

대규모 언어 모델(LLM)은 추론 시점에 외부 개념 자원의 통합을 가능하게 하여, 반유대주의와 같이 이념적·역사적으로 복잡한 현상을 탐지하는 새로운 기회를 창출한다. 본 연구는 서로 다른 형태의 개념적 그라운딩이 4개의 최신 LLM에 걸쳐 반유대주의 탐지 및 설명 동작에 어떤 영향을 미치는지 조사한다. 전문가 주석 데이터셋 두 개를 활용하여 반유대주의에 대한 정의적 표현, 세분화된 분류체계적 표현, 예시 보강 표현, 대규모 맥락 표현을 비교한다. 세분화된 분류체계적 표현은 재현율을 크게 향상시키는 동시에 정밀도를 낮춘다는 사실을 발견하였다. 놀랍게도 훨씬 더 큰 개념 자원을 제공하더라도 추가적인 정량적 이점은 나타나지 않는다. 홀로코스트 이후 반유대주의는 모든 모델과 구성에 걸쳐 가장 지속적인 도전 과제로 남는다. 설명에 대한 분석은 개념적 참조의 과잉 생성, 어휘적 단서에 대한 의존, 과신, 그리고 미묘하거나 정당화 형태의 반유대주의에 대한 처리 어려움 등 체계적인 한계를 추가로 드러낸다. 본 연구의 결과는 반유대주의 탐지 및 추론을 위한 개념적으로 그라운딩된 LLM의 잠재력과 남아 있는 한계를 모두 부각시킨다.

arXiv:2609.00808v1cs.HC

Ctrl-F-Resist: 온라인 극우 세력을 모니터링하는 시민사회단체의 실무, 과제 및 기술적 요구

Ctrl-F-Resist. Practices, Challenges, and Technical Needs of Civil Society Organizations Monitoring the Far-Right Online

극우 세력이 이데올로기를 전파하고 지지자를 결집하기 위해 온라인 플랫폼을 점점 더 악용함에 따라, 시민사회단체(CSO)는 온라인상의 반민주적 역학을 모니터링하는 데 있어 중요하지만 과소평가된 역할을 수행하고 있습니다. 팩트체커나 콘텐츠 모더레이터와 달리 CSO는 자원이 제한되고 불안정한 환경 속에서 장기적이고 맥락화된 분석을 수행하는 경우가 많습니다. 이러한 중대한 사회적 역할에도 불구하고 CSO는 법적 불확실성, 제한된 플랫폼 접근성, 만성적인 자금 부족 등 기술 솔루션을 도입하거나 공동 개발하는 데 있어 상당한 장벽에 직면해 있습니다. 기존 연구와 도구 개발 노력은 제도적으로 더 확고히 자리 잡은 이해관계자들에 집중하느라 이들 행위자를 대체로 간과해 왔습니다. 본 논문은 온라인 모니터링에 참여하는 독일 기반 12개 CSO의 실무자 15명을 대상으로 한 정성적 연구를 통해 이러한 간극을 다루며, 이들을 디지털 공간 거버넌스에서 핵심적이지만 간과되어 온 이해관계자로 자리매김합니다. 우리는 기술적 지원에 대한 이들의 현재 실무, 과제 및 기대를 탐구합니다. 연구 결과에 따르면 맞춤형 도구의 부재로 인해 모니터링은 여전히 대부분 수작업으로 이루어지고 있으며, 향상된 검색 기능이 가장 시급한 기술적 요구로 부각되었습니다. 참여자들은 미디어 처리 및 콘텐츠 발견과 같은 AI 지원 기능에 개방적인 태도를 보이면서도, 신뢰, 법적 활용성, 전문적 신뢰성에 대한 우려를 이유로 자동화된 분류(classification)에는 여전히 회의적인 입장을 유지하고 있습니다. 이러한 연구 결과를 바탕으로, 우리는 개념적 모니터링 워크플로우를 제시하고 다양한 모니터링 목표를 유연하게 지원하도록 설계된 오픈소스 텔레그램(Telegram) 모니터링 프로토타입 구현을 설명합니다. 또한 구체적인 디자인, 정책 및 연구 제언을 제시하고, 모니터링 CSO가 노동 집약적이고 저용량 구조에 갇혀 있는 경향을 설명하는 실증적 기반 개념으로서 '수작업 함정(manual labor trap)'을 소개합니다.

arXiv:2607.13839v1cs.CY

AI 증강 인적 자원 관리? 독일 기업으로부터의 통찰

AI-Augmented Human Resource Management? Insights from German companies

본 연구는 독일 기업에서 인적 자원 관리(Human Resource Management)에 AI를 통합하는 과정을 조사한다. AI 기반 기술이 인적 자원 관리를 실제로 어떻게, 그리고 '증강(augmenting)'하고 있는지를 묻는다. 조직은 생성형 AI(generative AI) 또는 예측 분석(predictive analytics)을 활용해 전통적인 인적 자원 기능을 변화시키고, 일상 업무를 간소화하며, 자원을 전략적이고 사람 중심의 활동으로 재배치한다. 인터뷰, 집단 토론, 설문조사(N=410)를 통해 얻은 결과는 AI 도구가 HR 분석 역량을 강화하는 한편, 도입은 주로 효율성 및 합리화(rationalising) 목표를 위해 이루어진다는 점을 보여준다. AI 도구의 도입은 디지털 인프라, 공동결정(co-determination) 체계, 윤리적 함의와 같은 조직 변혁 요인에 의해 형성된다. 본 연구는 인재 개발 개선을 위한 전략적 잠재력과 데이터 거버넌스(data governance) 및 알고리즘 투명성(algorithmic transparency)이 제기하는 과제를 모두 조명한다. 전반적으로, 이 연구는 HR에서 기술 변화의 모호한 역할을 이해하는 데 기여하며, 예측 역량을 증강할 것을 약속하면서도 효율성과 합리화(rationalisation)의 목적에 기여한다는 점을 보여준다.