arXiv 2603.20562
초록 정보가 없습니다.
이 이메일 도메인이 관측된 논문 5건
초록 정보가 없습니다.
초록 정보가 없습니다.
초록 정보가 없습니다.
One-Slide Calibration of Pathology Foundation Models
스캐너 편차는 병리 파운데이션 모델(foundation model)이 동일한 조직을 표현하는 방식을 변화시킵니다. 본 논문에서는 슬라이드 내 특정 영역을 내부 대조군으로 활용하여 다른 영역에서 획득 과정으로 인해 발생하는 변화를 추정하고 보정하는 SlideRuler를 소개합니다. 쌍을 이룬 재스캔(paired rescan) 데이터로부터 학습된 전이 맵(transfer map)은 파운데이션 모델을 고정한 상태로 유지하면서 추론(inference) 시 단일 스캔만으로 캘리브레이션을 가능하게 합니다. 2개의 인코더와 5개의 SCORPION 스캐너에 걸친 실험에서, 학습된 전이는 원시 임베딩(embedding) 대비 평균 타깃-소스 임베딩 거리를 16.3-38.5% 감소시킵니다. 관련 없는 동일 스캐너 대조군과의 비교를 통해, 스캐너 홀드아웃(scanner holdout)을 포함한 4가지 모든 평가 설정에서 동일 슬라이드 활용이 긍정적으로 기여함을 확인했습니다. 소스 고정(source-anchored) 변형 방식은 정렬 성능 향상을 대부분 유지하면서도 학습된 전이 대비 소스 특징(feature)의 왜곡을 47.7-83.6% 줄입니다. SlideRuler는 슬라이드 자체에서 캘리브레이션 정보를 추출함으로써, 여러 이미징 시스템 전반에서 동결된(frozen) 병리 모델을 더욱 일관되게 활용할 수 있는 길을 제시합니다.
TwinCheck: Evidence-Grounded Negative-Twin Verification for Stateful Tool Agents
국소적으로 그럴듯한 단일 도구 호출 하나만으로도, 그 외에는 성공적이었을 에이전트 궤적을 엉망으로 만들 수 있다. 대체 행위 자체가 검증이 막으려는 바로 그 실패를 유발할 수 있기 때문에, 의심만으로는 개입을 정당화하기 어렵다. 우리는 TwinCheck를 제안한다. 이는 추론 시점 검증 정책으로, 궤적이 궤적-국소 실패 가설에 묶인 증거 조건을 만족할 때에만 대체를 고려한다. 궤적에 근거한 반사실적 대안인 네거티브 트윈을 구성하고, 에이전트의 제안을 트윈이 구조적 검사를 통과하고 쌍wise 검증기가 두 후보 순서 모두에서 트윈을 선호할 때에만 대체한다. 쌍 평가를 위해 exact replay는 첫 번째 수용된 대체까지 에이전트의 파싱된 응답과 행동을 고정하여, 개입 효과를 재샘플링과 분리한다. 완전한 exact-replay 쌍을 갖춘 159개 다중 턴 BFCL V4 태스크에 대한 1차 분석에서, 완전 정책은 GPT-5.6 Sol의 태스크 성공률을 45.3%에서 58.5%로 높였다(95% 태스크 부트스트랩 CI [8.2, 18.8]), 성공에서 실패로의 퇴보는 관측되지 않았다. 이 결과들은 실행 경계 수리를 제약된 비교로 재구성하며, 반사실적 행동 자체를 검증의 대상으로 삼는다.