peacetech.vc

이 이메일 도메인이 관측된 논문 2건

arXiv:2609.04024v1cs.AI

추론 시간 제어 원시 요소로서의 지시 복제

Instruction Duplication as an Inference-Time Control Primitive

절차적 지시 따르기(instruction following)는 생성된 궤적(trajectory)이 하류에서 검사되거나 수정되는 경우 특히, 제어 가능한 언어 모델 시스템의 기본 요건이다. 우리는 재학습이나 디코딩 변경 없이 절차적 지시만 반복하는 최소한의 블랙박스 추론(inference) 시간 제어인 지시 복제(instruction duplication)를 제안한다. 일곱 개의 인스트럭션 튜닝(instruction-tuned) 모델, 300개의 의료 객관식 문항, 여덟 가지 배치 조건, 16,800회 예약 생성에 걸쳐, 한 번에서 두 번 복사로 옮기면 결정론적 All-8 진단—여덴 가지 관측 가능한 검사를 모두 통과하는 응답—가 90.22%에서 93.17%(+2.95퍼센트포인트)로 상승하여, 한 번 복사 후 남은 실패의 30.2%를 제거한다. 사전 잠정(provisional) TF-IDF 재현율(recall)은 73.44%에서 74.81%(+1.38포인트; Holm 보정 p < .001)로 오르는 반면, 최종 답 정확도는 정확히 60.21%로 유지된다. 조기 확정(premature commitment)은 1.52%에서 2.30%로 증가한다(p_Holm = .00536). 맹검(blinded) 챌린지 감사(audit)는 30건 중 10건의 방향성 확인, 20건의 지각적 동률(perceptual tie), 역전(reversal) 없음을 보고하며, 사전 지정된 28/30 확인 기준은 충족되지 않는다. 그러나 하류 시스템이 생성된 궤적에 따라 행동할 때 이 구분은 운영상 중요할 수 있다. 명시적 궤적 상태가 국소 수정(local repair)을 결정하는 Answer Engineering(AE)에서, 공개된 reason-first 무편집(no-editing) SSNHL 엔드포인트는 25.1%였고, 시스템만 AE는 이후 84.2%로 재현되었으며, 동일한 후행(trailing) 중복이 이를 97.1%로 끌어올렸다. 전도성(conductive) 진단 분기 보존(branch preservation)의 경우, 해당 값은 무편집 공개 58.9%, 재현 AE 78.6%, AE+복제 73.8%—AE 내 감소이지만 여전히 무편집 기준선(baseline)보다 14.9포인트 높다. 따라서 지시 복제는 복잡도가 낮고 배치에 민감한 제어이며, 노출된 궤적을 소비하는 하류 시스템을 통해 실용적 가치가 드러날 수 있다.

arXiv:2606.21121v1cs.AI

답변 엔지니어링: 대규모 언어 모델에서 프로토콜 제약 의사결정을 위한 국소 궤적 편집

Answer Engineering: Local Trajectory Editing for Protocol-Constrained Decision Making in Large Language Models

대규모 언어 모델(LLM)은 절차적 준수가 중요한 영역에서 자신 있지만 프로토콜에 부합하지 않는 답변을 생성할 수 있다. 본 논문은 Answer Engineering을 제시한다. 이는 재학습, 모델 가중치 수정, 또는 전역 탐색 없이 표준 자기회귀(autoregressive) 생성 과정에서 관찰 가능한 추론 궤적에 국소적 규칙 기반 개입을 적용하는 결정론적 런타임 및 저작 층이다. 이 방법은 돌발성 감각신경성 난청(SSNHL)에 대한 통제된 임상 벤치마크에서 평가되며, 여기서 올바른 처치는 증상 발생 시점, Weber/Rinne tuning fork 소견, 이경(otoscopic) 소견의 프로토콜 일관적 해석에 달려 있다. 벤치마크에서 단계별 추론은 오류를 제거하기보다 오히려 전환시켰다. SSNHL에 대한 준수 결과는 비유도 생성에서 54.5%에서 25.1%로 감소했고, 전음성(conductive) 대조 조건에서의 수용률은 1.6%에서 58.9%로 증가했다. 국소 궤적 편집은 SSNHL 준수율을 83.5%로, 전음성 사례 준수율을 77.9%로 높여, 추론 전용 생성에서 42.0%였던 균형 정확도(balanced accuracy)를 80.7%로 끌어올렸다. 이 결과는 추론 궤적에 대한 감사 가능한 런타임 제어를 통해 프로토콜 준수를 개선할 수 있다는 시스템 수준의 관점을 뒷받침하면서, 규칙 커버리지, 트리거 신뢰성, 지속적인 진단 우선 생성 역학으로 인한 한계도 함께 밝힌다.