mtri.co.jp

이 이메일 도메인이 관측된 논문 3건

arXiv:2608.30204v1cs.CL

모델이 기대하는 것을 들을 때: 멀티모달 풍자 탐지에서 운율 휴리스틱 진단

When Models Hear What They Expect: Diagnosing Prosodic Heuristics in Multimodal Sarcasm Detection

멀티모달 대규모 언어 모델(MLLM)은 음성과 텍스트를 함께 처리하지만, 화용론적 추론(pragmatic inference)을 위해 운율 단서를 활용하는지, 아니면 표면적인 음향 패턴에 의존하는지는 체계적으로 연구된 바가 거의 없다. 본 연구는 풍자 탐지를 통해 이 문제를 다룬다. Qwen2.5-Omni와 Qwen3-Omni를 대상으로 중국어(만다린)와 영어에서, 어휘적 내용, 음성 의미론(vocal semantics), 운율 구조의 기여를 분해하는 다섯 가지 모달리티 조건 하에서 평가한다. 오디오를 추가하면 참양성(true positive) 탐지는 개선되지 않으면서 거짓양성(false positive)만 체계적으로 증가한다. 음향 오류 진단 결과, 모델의 오류는 높은 음높이와 불규칙한 휴지(pausing)라는, 표현적 운율에 대한 공통된 고정관념에 집중되며, 이는 두 언어에서 풍자를 실제로 나타내는 단서와 다르다. 이 두 차원만을 표적으로 조작하면 이 휴리스틱이 인과적으로 확인되어, 최대 60%의 거짓양성률이 유발된다. 동일한 조작 템플릿을 수정 없이 Gemini 3 Flash Preview에 적용해도 같은 효과가 재현되며, 이는 이러한 고정관념이 단일 모델 아키텍처에서 비롯된 것이 아니라 Qwen Omni 계열을 넘어 확장됨을 시사한다.

arXiv:2608.25375v1cs.CY

GGSS: 생성형 비전-언어 모델의 추론 시점 디바이어싱을 위한 측지 게이트 구면 스티어링

GGSS: Geodesic-Gated Spherical Steering for Inference-Time Debiasing of Generative Vision-Language Models

생성형 비전-언어 모델(VLM)은 인간 중심 환경에서 점점 더 많이 쓰이지만, 이미지가 인지된 인종이나 성별 같은 통제된 속성에서만 다를 때에도 인구통계학적으로 바이어스가 있는 출력을 낼 수 있다. 그러나 기존 추론 시점 디바이어서는 생성형 VLM보다는 정적 임베딩이나 CLIP류 모델을 위해 설계된 경우가 많다. 우리는 GGSS(Geodesic-Gated Spherical Steering)를 제안한다. 이는 노름을 보존하는 개입으로, 단위 초구면 위에서 반사실적 바이어스 부분공간을 찾고, 측지선 호를 따라 시각 토큰을 스티어링하며, 적응형 게이트로 인구통계학적 신호가 더 강한 토큰에 교정을 집중한다. 범주형, 쌍별, 직업-성별 바이어스 테스트 전반에 걸쳐 단일 operating-point 프로토콜 아래, 네 가지 생성형 VLM을 열 가지 적응된 추론 시점 디바이어싱 기준선 및 프롬프트 기반 완화와 비교 평가하고, 일반적인 비전-언어 능력도 측정한다. GGSS는 네 모델 모두에서 평균 바이어스가 가장 낮으며, 쌍대 순열 검정에서 네 백본 중 세 곳에서 유의하다. 동시에 MMStar 정확도는 스티어링하지 않은 기준선 대비 ±0.6%p 이내로 유지한다. 코드는 https://github.com/dukesun99/GGSS 에서 이용할 수 있다.

arXiv:2604.14572v4cs.IR

Corpus2Skill: 질의응답 및 RAG를 위해 엔터프라이즈 지식을 탐색 가능한 에이전트 스킬로 증류하기

Corpus2Skill: Distilling Enterprise Knowledge into Navigable Agent Skills for QA and RAG

검색-증강 생성(RAG)은 대규모 언어 모델(LLM)의 응답을 외부 근거에 그라운딩(grounding)하지만, 코퍼스가 어떻게 구성되어 있는지 또는 모델이 아직 보지 못한 내용이 무엇인지에 대한 조망 없이 모델을 검색 결과의 수동적인 소비자로 취급합니다. 본 논문에서는 엔터프라이즈 지식 베이스와 같이 범위가 한정되고 구조적 일관성을 갖춘 코퍼스를 위한 시스템 수준의 검색 아키텍처인 Corpus2Skill을 제안합니다. 오프라인 컴파일러가 코퍼스를 계층적 스킬 디렉터리로 증류하고, 서빙 시점에는 LLM 에이전트가 이를 탐색하여 조감도(bird's-eye view) 수준에서 점진적으로 더 세부적인 요약을 거쳐 문서에 이르기까지 드릴다운하며 특정 브랜치에서 성과가 없을 경우 백트래킹을 수행합니다. 엔터프라이즈 고객 지원 벤치마크에서 Corpus2Skill은 적당한 비용 트레이드오프 하에 싱글샷 밀집(dense), 하이브리드, 계층적 검색 및 에이전틱(agentic) RAG 베이스라인 대비 답변 품질과 그라운딩을 모두 향상시키며, 인코더를 일치시킨 통제 조건과 대응 표본 유의성 검정에서도 우위가 유지됩니다. 11개 데이터셋에 대한 연구는 코퍼스 탐색이 기존 검색을 완전히 대체하는 만능 해결책은 아님을 보여줍니다. 즉, 5개 데이터셋에서는 유의미하게 우세하고 3개에서는 동등하며 3개에서는 뒤처집니다. 이는 복원 가능한 주제별 분류 체계를 가진 단일 도메인 코퍼스에는 도움이 되지만, 상위 수준 클러스터링을 무력화하는 오픈 도메인 단문형 사실(factoid) 풀이나 동질적 표 형태의 코퍼스에서는 여전히 평탄형(flat) 검색이 선호됩니다. 우리는 이러한 적용 범위의 구분을 지식 기반 그라운딩 시스템을 위한 설계 가이드라인으로 규정합니다. 코드는 https://github.com/dukesun99/Corpus2Skill 에서 이용할 수 있습니다.