PyTorchKR Papers

최신 논문

총 24,492편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 카테고리 구독

arXiv:2611.23282v1cs.SE

Ephyra: LLM 시대를 위한 속성 기반 테스팅 프레임워크

Ephyra: A Property-Based Testing Framework for the LLM Era

코딩 에이전트가 이제 소프트웨어 테스트의 점점 더 많은 부분을 작성하고 있으나, 속성 기반 테스팅(PBT) 라이브러리는 과거의 고려 사항에 따라 설계되어 있다. 우리는 맞춤화 가능성, 관측 가능성, 생성기 합성이라는 세 가지 개념을 기반으로 Rust로 구현한 PBT 라이브러리 Ephyra를 제시한다. Ephyra를 통해 사용자는 생성, 변이, 축소로 구성된 자신만의 테스트 루프를 조합할 수 있으며, 기능적 술어를 만족하도록 이러한 구성 요소를 합성할 수 있다. Ephyra를 14개의 오픈 소스 시스템에 적용하여 349개의 버그를 발견하고 그중 300개를 보고하였다. 대상은 데이터베이스 관리 시스템(SQLite, Turso, PostgreSQL, DuckDB, DataFusion), 검증된 정책 엔진(Cedar), SQL 동치성 증명기(QED), Node.js에서 사용되는 URL 파서(ada-url), 기존 오픈 소스 시스템을 Rust로 재구현한 프로젝트(coreutils, brush, gitoxide), 그리고 컴파일러(binaryen, OCaml, OxCaml)이다.

arXiv:2611.23258v1cs.SE

EnvAgent: 클라우드에서 과학 환경을 구축하기 위한 멀티 에이전트 접근법

EnvAgent: Multi-Agent Approach to Building Science Environments in the Clouds

AI 에이전트는 과학 컴퓨팅과 소프트웨어 워크플로를 변화시키고 있으나, 코드를 생성하고 실행하려면 올바르게 구성된 실행 환경이 필요하다. 저장소가 운영체제, 툴체인, 의존성, 빌드 절차에 대해 이질적이고 불완전한 요구사항을 담고 있기 때문에 환경 구축의 자동화는 여전히 어렵다. 따라서 기존 워크플로는 개발자가 관리하는 Dockerfile과 설정 스크립트에 의존하며, 이로 인해 준비 작업이 노동 집약적이고 확장하기 어려우며 평가에 편향을 일으킬 수 있다. 우리는 저장소 수준의 Docker 환경을 합성, 빌드, 검증하는 에이전트 프레임워크 ENVAGENT를 제시한다. ENVAGENT는 Docker 실행과 상태 관리를 위한 결정적 유틸리티를, 저장소 분석, 계획 수립, Dockerfile 합성, 반복적인 실패 진단 및 수리를 위한 협조하는 에이전트들과 결합한다. 또한 Chameleon Trovi와 Multi-SWE-bench에서 가져온, 일곱 가지 언어에 걸친 54개의 과학 산출물 및 오픈 소스 저장소로 구성된 벤치마크 ENVBENCH를 소개한다. 각 저장소에 대해 필요한 구조, 구성, 기능에 대한 선언적 루브릭을 구축하고, 공용 평가기가 생성된 환경 전반에 걸쳐 가중치가 부여된 2,108개의 검사를 적용한다. 네 가지 대응되는 언어 모델 설정에서 ENVAGENT는 평균적으로 54개 중 43.5개의 실행 가능한 환경을 구축하였으며, 이는 Codex와 Claude Code의 23.5개와 비교된다. 실행 가능성과 루브릭 충족도를 합친 종합 점수는 62.02로, 24.19와 비교된다. 이러한 결과는 환경에 특화된 에이전트 오케스트레이션이 자동화된 환경 구축을 크게 개선함을 보여준다.

arXiv:2611.23257v1cs.SE

StatePortal: 대화형 소프트웨어의 깊은 상태를 테스트하기 위한 에이전트 기반 체크포인트 합성

StatePortal: Agentic Checkpoint Synthesis for Testing Deep States in Interactive Software

대규모 언어 모델은 그래픽 사용자 인터페이스(GUI)를 갖춘 대화형 소프트웨어의 코드를 생성하는 데 드는 노력을 줄였다. 이러한 소프트웨어에서 테스트의 핵심 병목은 긴 상호작용 이력을 요구하는 깊은 상태에 도달하는 것이다. 이에 도달하는 비용은 커밋마다 반복되며, 이를 분산시킬 수 있는 GUI 자동화는 자체 렌더링 엔진이 제공하지 않는 DOM이나 접근성 트리를 전제로 한다. 우리는 자연어 기능 테스트 케이스와 대상 소스 코드에 대한 읽기 전용 접근으로부터, 해당 상태를 복원하며 버전 관리와 재생이 가능한 산출물인 체크포인트를 합성하는 에이전트 StatePortal을 소개한다. 체크포인트는 온보딩 에이전트가 직접 작성한 훅 코드 없이 한 번 바인딩하거나 합성하는 애플리케이션별 훅을 통해 복원된다. 체크포인트는 상태 검사를 만족하면서도 잘못 렌더링될 수 있으므로, 프로그램적 상태와 시각 평가를 결합한 하이브리드 방식으로 점수를 매기며, 수락을 위해서는 프로그램적 상태 오라클과 시각 오라클이 모두 통과해야 한다. 시각 오라클은 블라인드 방식의 교차 VLM 기준에 대해 보정한다. 우리는 다섯 개 언어 계열과 여섯 개 렌더링 스택에 걸쳐 소스 규모가 874줄에서 720만 줄에 이르는 10개의 대화형 애플리케이션에서 가져온 61개의 깊은 상태 과제 DeepStateBench를 공개한다. 등록된 세 모델 전반에서, 합성된 체크포인트로 시드된 GUI 에이전트는 시행의 10.4%를 완료한 반면 동일한 픽셀 행동 공간에서 시드 없이는 0%였으며, 대상 행동도 훅을 통해 전달하는 StatePortal은 27.5%를 완료한다. 112개 체크포인트에 대한 1,361회의 재생에서 98.90%가 모델 호출 없이 원래의 판정을 재현하였고, 하이브리드 오라클은 프로그램적 상태 검사만으로는 보이지 않는 통제된 시각 결함의 96.25%(77/80)를 탐지한다. 코드는 https://github.com/pzy2000/State_Portal 에, 웹사이트는 https://stateportal.mineyosemite.chatgpt.site 에 오픈 소스로 공개한다.

arXiv:2611.23256v1cs.SE

소프트웨어 테스팅에서의 생성형 AI: 실무자들이 바라본 이점, 과제, 기회 및 위험

Generative AI in Software Testing: Practitioners' Perspectives on the Benefits, Challenges, Opportunities, and Risks

생성형 인공지능(GenAI)이 소프트웨어 테스팅을 점점 더 많이 지원하고 있으나, 실무자의 인식에 관한 실증적 근거는 여전히 제한적이다. 본 연구는 64명의 실무자를 대상으로 한 설문 조사를 통해 소프트웨어 테스팅에서 GenAI가 갖는 이점, 과제, 기회 및 위험에 대한 인식을 조사한다. 폐쇄형 응답은 기술통계로 분석하였고, 개방형 응답은 연구 결과의 맥락을 파악하기 위해 질적으로 코딩하였다. 응답자 중 34명은 사용자(테스팅에서 GenAI를 정기적으로 또는 시험적으로 사용하는 사람)였고 30명은 비사용자(테스팅에서 GenAI를 사용한 경험이 없는 사람)였다. 결과는 노력 절감, 테스트 생성, 디버깅 측면에서 GenAI에 대해 대체로 긍정적인 인식이 있음을 보여주며, 동시에 프롬프트 의존성, 신뢰, 잘못된 출력에 대한 우려도 나타난다. 사용자는 몇 가지 구체적인 이점에 대해 더 긍정적이었고 신뢰성 관련 위험을 더 자주 우선순위에 두었으며, 비사용자는 기술적으로 구체적인 일부 과제에 대해 더 큰 불확실성을 보였다. 종합하면, 본 연구 결과는 GenAI를 인간의 검증이 필요한 보조 기술로 규정하며, GenAI 지원 테스팅에 대한 인식을 해석할 때 실무자의 GenAI 사용 경험을 고려하는 것이 중요함을 강조한다.

arXiv:2611.23253v1cs.SE

AI 시대에 중요한 것을 측정하기: 연구 소프트웨어 지표의 현황

Measuring What Matters in the Age of AI: The Research Software Metrics Landscape

연구 소프트웨어는 이제 과학의 핵심 도구로 자리 잡았지만, 그 품질, 지속가능성, 재사용 및 영향력을 판단하기 위해 커뮤니티가 사용하는 방법들은 소프트웨어 공학, 오픈 사이언스, FAIR 소프트웨어, 인용, 연구 평가 문헌 전반에 흩어져 있다. AI 지원 개발은 이 문제를 더욱 첨예하게 만든다. 코드가 인간의 검토 역량을 넘어서는 속도로 생산될 수 있고, 출처와 기여 표기를 추적하기가 더 어려우며, 학술적 공로 인정 체계가 이를 따라가지 못하고, 기존 지표는 더 이상 적용되지 않을 수 있는 연구 소프트웨어 개발 방식에 대한 가정을 내포하고 있다. 이러한 과제를 헤쳐 나가는 데 도움을 주기 위해, 본 논문은 49개의 핵심 문헌에 기반한 연구 소프트웨어 지표의 집중적 현황 종합을 제시하고, 반복적으로 나타나는 지표를 데이터 출처, 주장하는 구성개념, 타당성 근거, 자동화 가능성, 오용 가능성에 따라 기술되는 여덟 개의 계열로 정리한다. 널리 인용되는 많은 연구 소프트웨어 지표는 부분적인 신호로 기능하지만, 과학적 영향력에 대한 단독 척도로는 취약하다. AI 시대에는 출처, 생성된 코드의 유지보수성, 검토자의 노력, 모델 및 데이터 의존성, 재사용 및 커뮤니티 건전성 신호의 부풀림, 그리고 AI가 수행하지 않는 인간 노동에 대한 공로 인정과 관련된 격차가 새로 생기거나 확대된다. 본 논문은 연구 소프트웨어 지표를 책임감 있게, 맥락에 맞게, 혼합 방법으로 사용할 것을 주장하며, 더 나은 소프트웨어, 더 공정한 공로 인정, 더 신뢰할 수 있는 과학을 뒷받침하는 지표를 선택하는 연구 소프트웨어 엔지니어(RSE), 연구책임자, 기관 및 연구비 지원기관을 위한 의사결정 지침을 제시한다. 모든 연구 결과는 49개 문헌에 대한 집중 검토에 근거하며, 재현 가능한 검색 및 선별 프로토콜과 727개 레코드의 선별된 코퍼스가 향후 전체 체계적 매핑 연구를 위한 투명성 산출물로서 논문과 함께 제공된다.

arXiv:2611.23252v1cs.SE

AI 기반 소프트웨어 집약적 임베디드 시스템에서 데이터 품질에서 데이터 신뢰성으로: 체계적 문헌 고찰

From Data Quality to Data Trustworthiness in AI-Driven Software-Intensive Embedded Systems: A Systematic Review

AI 기반 소프트웨어 집약적 임베디드 시스템(SIES)은 개발과 운영 과정에서 데이터에 의존한다. 데이터 품질(DQ)이 낮으면 데이터 신뢰성이 약화될 수 있으나, 그 영향과 생애주기 관리에 관한 근거는 여전히 단편적이다. 본 체계적 문헌 고찰은 2020년 1월부터 2026년 2월까지 발표된 27편의 1차 연구를 종합한다. 이는 DQ 관련 문제와 이들이 데이터 신뢰성 저하로 이어진다는 근거, 그리고 평가 및 관리 방법을 검토한다. 본 고찰은 소스 품질과 콘텐츠 품질로 구성된 16개의 문제를 식별한다. 연구들은 DQ 기반 점수와 모델 또는 의사결정 성능에 대한 영향의 근거를 제시한다. 종합 결과는 상류의 소스 또는 처리 문제가 학습 기준선에 내재될 수 있으며 런타임에서 탐지하기 어려울 수 있음을 시사한다. 여덟 개의 방법 범주가 식별되었다. 런타임 모니터링이 가장 큰 범주이며, 상류 및 학습 시점의 통제는 런타임 보증과 제대로 통합되지 못하고 있다. 전체 생애주기를 다루는 연구는 없다. 데이터 신뢰성은 신뢰할 수 있는 SIES 의사결정을 뒷받침하지만 AI 시스템 신뢰성의 한 구성요소일 뿐이다.

arXiv:2611.23250v1cs.SE

자동 감사의 한계를 좌우하는 요인: 일반 코드에서 과학 코드, 결과 및 데이터까지

What Moves the Ceiling on Automated Audit: from General Code to Scientific Code, Results and Data

모델이 다른 모델이 작성한 것을 점검하는 일이 점점 늘고 있다. 본 연구는 실제 배포된 하나의 구성, 즉 다른 벤더의 감사자가 작업물을 읽고 결정론적 검사가 코드로 검증 가능한 것을 확인하는 구성을 연구하며, 어떤 모델도 제공하지 않는 정답 기준에 대해 그 한계를 측정한다. 숨겨진 테스트가 있는 범용 코드에서 감사자의 여덟 번의 판독은 재현율 30.0% [20.0, 40.7]에 도달하며 올바른 코드에 대한 오탐 플래그 비율은 16.0% [10.1, 22.3]이고, 수확 체감이 나타나며 정체 구간은 없다. 판독 모델(샘플링과 교란됨), 규칙집 한 문장, 그리고 결정 규칙은 각각 이 수치를 변화시키며, 놓친 것의 상당 부분은 사후 평가에서 명세가 결정하지 않은 동작으로 나타난다. 사전 등록된 세 가지 과학 연구에서, 보고된 수치가 출처로 추적되는지를 점검한 결과 불일치하는 보고 49건 전부를 플래그했고 일관된 조작 25건에는 하나도 플래그하지 않았으며, 이 중 모델 감사자는 23건을 플래그했다(사후 분석에서 21건은 타당한 지적이었다). 데이터에서는 문서에서 도출한 검증기와 감사자가 서로 겹치지만 다른 결함 항목을 플래그하여, 깨끗한 데이터에 대한 플래그 비율 2.9% [0.7, 5.7]에서 합쳐서 140건 중 112건을 찾아냈다. 과학 코드에서는 작업을 한 단계 중심으로 재구성하자 올바른 코드에 대한 플래그가 68.7%에서 36.0%로 줄었다. 두 계층이 모두 실행된 경우, 결정론적 계층은 깨끗한 항목을 하나도 플래그하지 않았으나 일관된 오류는 볼 수 없었고, 모델은 일부를 보았으나 스스로도 오류를 범했다. 모델 호출을 수반한 연구는 사전 등록되었고, 등록되지 않은 두 분석은 명시하였으며, 인용된 모든 보고는 독립적인 벤더 간 교차 검토를 통과하였다.

arXiv:2611.23249v1cs.SE

고수준 코드의 퇴장: 의미 산출물로부터의 에이전트 기반 생성

The Obsolescence of High-Level Code: Agentic Generation from Semantic Artifacts

본 논문은 AI 에이전트가 의미적 의도로부터 실행 가능한 구현을 생성, 검증, 재생성할 수 있을 때 고수준 소스 코드가 소프트웨어 개발의 주된 영속적 산출물로 남아 있을 필요가 없다고 주장한다. 우리는 이 주장을 역사적 맥락에 놓기 위해, 개발자들이 이미 코드와 기타 산출물이 파생되는 상위 수준 표현을 유지했던 애플리케이션 생성기, CASE 도구, 모델 주도 개발, 그리고 GeneXus와 같은 플랫폼을 다시 살펴본다. 우리는 생성을 근본 연산으로 보는 통합적 관점을 제안한다. 의미적 권위로서 유지되는 의미 명세 S = (R, C, I, T, O)가 주어지면, 에이전트는 생성된 실행 가능 산출물 A를 만든다. 기능 요구사항, 계약, 인터페이스는 의미적 의무로서 평가되고, 테스트와 운영 목표는 명시적인 외부 오라클 V(A, S)로 평가된다. 우리는 독립 생성 실험을 통해 이 프레임워크를 구체화한다. 하나의 고정된 의미적 권위로부터 여러 LLVM 산출물을 직접 생성하고 동일한 외부 오라클로 평가한다. 이 실험은 평가된 도메인에서의 재생성 일관성을 보고하는 것이지 절대적 정확성의 증명이 아니다. 이는 독립적으로 생성된 실행 가능 산출물이 공통의 의미적 권위와 외부 오라클 아래에서 동일한 관찰 가능한 결과를 낼 수 있다는 초기 근거를 제공한다. 마지막으로 재현성, 명세 중심의 진화, 그리고 구현 표현을 주된 유지 대상 산출물이 아니라 배포상의 선택으로 취급하는 것의 함의를 논의한다.

arXiv:2611.23245v1cs.LG

응답 관련 정보는 신경망 학습 상태 동등성에 충분하지 않다

Response-Relevant Information Is Not Sufficient for Neural Training-State Equivalence

응답 관련 정보는 두 신경망이 동일한 학습 상태에 있다는 충분한 증거가 아니다. 우리는 학습 상태 동등성을 조작적으로 정의한다. 두 체크포인트가 개입 계열과 지평에 상대적으로 동등하다는 것은, 학습이 교란되고 계속될 때 서로 비슷하게 반응한다는 뜻이다. 모듈러 덧셈을 학습하는 1층 트랜스포머의 새로운 실행들에서, 가중치 감쇠 펄스에 대한 반응은 체크포인트 간 차이에 비해 매우 재현 가능하며(500 스텝에서 rho_state = 0.934), 이는 이 대상이 측정 가능함을 보여준다. 가중치 스펙트럼, 표현 기하, 최적화기 기하에 관한 열다섯 개의 기술자는 개발 데이터셋에서 가중치 노름과 손실을 넘어선 실행 내 응답 관련 정보를 담고 있으며, 시드 블록에 걸쳐 보류된 응답 편차를 예측한다. 그러나 미래 응답으로 체크포인트를 짝짓는 데서 나타나는 겉보기 16.1%의 이점은, 각 기술자가 기존 관측량에 대해 적합된 의존성을 보존하는 조건부 플라시보와 구분되지 않으며, 보정된 양성 대조는 단순한 비민감성을 가능성이 낮은 설명으로 만든다. 디코더가 추출할 수 있는 정보가 유사성 판단에 필요한 쌍별 기하 구조로 조직되어 있어야 하는 것은 아니다.

arXiv:2611.23244v1cs.LG

고망스의 분할 불가능 흐름 추측: AI 지원 반례 발견의 해부

Goemans's Unsplittable-Flow Conjecture: The Anatomy of AI-Assisted Counterexample Discovery

고망스(Goemans)는 임의의 분수 단일 소스 흐름이 총비용을 증가시키지 않으면서, 어떤 호의 부하도 최대 수요량 이상으로 증가시키지 않고 분할 불가능 흐름으로 변환될 수 있다고 추측하였다. 최근 드미트리 리빈(Dmitry Rybin)은 ChatGPT와의 상호작용을 통해 찾은 7개 정점의 반례를 발표하여 이 오랜 추측을 반증하였다. 그러나 그 상호작용은 왜 이 특정한 위상과 그 수요, 분수 흐름, 비용의 선택이 함께 작동하는지, 이 예가 더 넓은 계열에 속하는지, 어떤 구조적 특징이 반례가 나타날 수 있는 위치를 결정하는지를 밝히지 못했다. 또한 이전의 인간의 노력이 실패한 곳에서 AI 지원 탐색이 왜 성공했는지도 불분명하게 남겼다. 본 논문에서는 순방향 반례 구성 파이프라인을 개발한다. 이는 실패가 불가능한 수지상 구조(arborescence)에서 출발하여 종단으로 들어가는 지름길 호를 추가한다. 그 결과로 나오는 부하 제약은 허용 가능한 경로 선택의 유한 집합을 정의하며, 그 볼록 껍질인 충돌 다면체는 수요, 분수 흐름, 비용에 대한 정확한 조건을 제공한다. 단순한 수지상 구조에서 시작하여 이 파이프라인은 리빈의 위상을 선택하고 그것이 뒷받침하는 모든 반례를 규명한다. 실험은 이 파이프라인의 이전 가능성도 보여준다. 초기 수지상 구조와 지름길 배치를 바꾸면서 이를 따르도록 지시했을 때, ChatGPT는 리빈의 것과 실제로 다른 위상에서 반례를 생성했고 93개의 다른 뿌리 있는 수지상 구조 형태에서 출발하여 유효한 구성을 찾았다. 이 이론은 또한 원래의 예가 무작위 열거로 발견하기 어려웠던 이유를 설명하고, 리빈의 상호작용이 무작위 열거와 이론 주도의 완전한 구성 사이에 놓여 있음을 시사한다.

arXiv:2611.23030v2cs.CV

사각지대 확인하기: 가상의 객체로 계획기를 시험하는 의사결정 기반 인식

Check Your Blind Spots: Decision-Guided Perception by Probing the Planner with Hypothetical Objects

인식 오류가 모두 계획기의 행동을 바꾸는 것은 아니다. 그러나 적응형 해상도 인식은 이미지 단서로 고해상도 연산을 어디에 쓸지 결정한다. 이러한 단서만으로는 저해상도에서 놓친 객체를 신뢰성 있게 찾거나 어떤 객체가 계획기의 결정에 영향을 주는지 알기 어렵다. 실제 객체를 보기 전에도 가상의 객체를 특정 위치에 넣어 행동이 바뀌는지 확인하면, 계획기가 객체에 반응할 위치를 알아낼 수 있다. 의사결정 기반 추측 인식(DGSP)은 저해상도 장면과 그에 따른 행동을 초안으로 삼고, 이런 방식으로 계획기를 시험해 의사결정 민감도 영역을 얻는다. 이 영역은 아직 감지하지 못한 객체가 나타났을 때 행동이 바뀔 위치를 뜻한다. 이 영역과 현재 행동의 근거가 된 탐지 결과만 고해상도에서 검증하며, 행동이 안정될 때까지 반복한다. 계획기 두 계열에 대해, 잘라낸 영역에서의 탐지가 전체 프레임에서의 탐지와 일치하고 해당 영역들이 민감도 영역을 모두 덮으면 DGSP가 전체 프레임 고해상도 인식과 동일한 행동을 반환함을 증명한다. 실제 이미지는 이 조건을 근사적으로 충족한다. 주행 데이터셋 세 개에서 DGSP는 약 4분의 1의 픽셀만 사용해 약 98%의 프레임에서 이 행동을 재현했다. 균일하게 해상도를 낮춘 방식과 같은 픽셀 수를 사용할 때, 고해상도 행동과 다른 초안의 결정을 더 많이 교정했고, 잘못 제동한 경우가 줄었으며, 초안이 놓친 의사결정 관련 객체를 훨씬 더 많이 복원했다.

arXiv:2611.22897v2cs.AI

과제에 맞춰 만든 프로그램: 실행 전 성능을 예측하는 에이전트형 컴퓨팅으로 양자화학 다시 보기

Born for the Task: Rethinking Quantum Chemistry with Foresighted Agentic Computing

양자화학은 범용 소프트웨어에 의존하는데, 그 범용성 때문에 많은 대규모 계산이 실용적인 자원 예산을 넘어선다. 코딩 에이전트는 과제 특화 프로그램을 저렴하게 작성할 수 있게 하지만, 효율적인 프로그램을 쉽게 찾게 해주지는 않는다. 계산 전략이 충분히 정확하고 빠른지는 목표 규모에서 실제로 실행한 후에야 분명해지기 때문이다. 본 연구는 고성능 양자화학 프로그램을 필요에 따라 합성하는 선견적 에이전트 컴퓨팅 프레임워크인 MakoBORN을 소개한다. MakoBORN은 실행 전에 각 전략의 거동을 예측하는데, 대표적인 소규모 시스템으로부터 오차를 외삽하고 목표 규모의 작업량과 측정된 하드웨어 처리량으로부터 실행 시간을 예측한다. 이러한 예측을 바탕으로 MakoBORN은 기존 패키지의 사전 설정 방식을 독립적으로 구성 가능한 알고리즘 구성 요소로 풀어내고, 예측된 정확도-실행 시간 파레토 경계에서 오차 허용 범위 내 가장 빠른 전략을 선택하며, 구성 요소 수준의 성능 예측으로 코딩 에이전트가 이를 컴파일하도록 안내한다. 기저 함수 50,024개의 Hartree-Fock 계산에서 MakoBORN은 단일 CPU 노드에서 1.41시간에 완료되며, 이는 범용 기준 프로그램의 추정 실행 시간보다 77$\times$ 빠르고 개발 시간을 포함하더라도 9.8$\times$ 빠르다. 단일 GPU에서 MakoBORN은 유비퀴틴 계산을 2.1시간에 완료하여 GPU 가속 패키지 Mako가 64개 GPU에서 소요하는 시간과 같은 자릿수의 실행 시간을 보였으며, B-DNA 이중나선 계산을 추정 두 달에서 8.1시간으로 단축한다(173$\times$).

arXiv:2611.22639v2q-bio.NC

이동 운동 제어를 위한 생체 모사 스파이킹 신경 아키텍처에서 역위상 동기화의 계층적 제어

Hierarchical Control of Antiphase Synchronization in Biomorphic Spiking Neural Architectures for Locomotor Control

중앙 패턴 생성기(CPG)는 생물학을 모방한 적응형 이동 운동 제어의 토대다. 그러나 스파이킹 신경망에서 CPG의 동역학 체제를 체계적으로 규명하기는 어렵다. 폐루프 신경근 모델에 포함된 생체 모사 스파이킹 CPG에서 역위상 동기화를 식별하고 안정화하는 프레임워크를 제시한다. 위상 결맞음, 진폭 균형, 시간 안정성을 통합한 복합 동기화 평가지표를 개발했다. 자극 파형과 시냅스 구성을 체계적으로 바꿔 이 지표의 성능을 평가했다. 통계 분석에 따르면 자극 유형이 동역학 체제를 결정하는 주된 요인이며, 지속 자극에서 가장 강건한 역위상 동기화가 나타났다. 주기적 입력은 비선형 포화와 자극 조건에 따른 신경망 라우팅을 일으켰다. 시냅스 가중치만으로 동역학 체제를 구별하기는 어려웠으나 같은 자극 조건에서는 가중치가 강건성에 유의하게 영향을 미쳤다. 특히 Ia 사이뉴런 사이의 상호 연결이 안정화에 중요했다. 복합 지표는 전통적인 위상 전용 지표보다 역위상을 더 안정적으로 검출했고 생물물리학적 해석 가능성도 유지했다. 이 결과는 외부 입력이 작동 체제를 정하고 시냅스 구성으로 동적 안정성을 세밀하게 조정하는 계층적 모델링 방식을 통계적으로 검증한다. 폐루프 신경역학 제어기와 적응형 신경보철 인터페이스의 설계에도 적용할 수 있다.

arXiv:2611.22565v2cs.AI

MillBill: 기하학적 피드백을 활용하는 기계 가공 에이전트

MillBill: A Machining Agent with Geometric Feedback

CAD 모델을 가공 프로그램으로 바꾸려면 공정 지식과 기하학적 정밀도가 모두 필요하다. 언어 모델은 부품마다 기하 구조와 공구 경로를 정의하는 코드를 작성해 가공 절차를 만들 수 있다. 그러나 이 경우 수치 연산의 실행까지 모델의 과제가 된다. 가공 결정을 기하학적 실행 및 검증과 분리하는 에이전트 MillBill을 소개한다. 경계 표현으로 나타낸 부품, 가공 소재의 형상, 재질을 입력받아 로컬에서 실행되는 중간 규모의 공개 모델이 인덱싱 3축 가공용 작업과 절삭 매개변수를 제안한다. 기하학적 실행 환경은 공구 경로를 생성하고 소재 제거를 시뮬레이션한 뒤 계획을 개선할 피드백을 반환한다. 가공 셋업을 계획할 때는 부위가 보이는지에 더해 사용 가능한 절삭 공구가 실제로 닿을 수 있는지 고려한다. 모의 가공 뒤 지정한 공차에 들어오는 목표 표면적의 비율로 프로그램을 평가했다. 시험한 가공 과제에서 Qwen3.8-27B를 사용한 MillBill은 기하 구조와 공구 경로 처리 절차를 직접 만드는 최첨단 모델 기반 접근법보다 우수했다. 코드는 https://github.com/kulibinai/millbill 에 공개되어 있다.

arXiv:2611.22563v2cs.AI

CADMAGEDDON: 로컬 추론으로 충실도 높은 CAD 재구성

CADMAGEDDON: High-Fidelity CAD Reconstruction with Local Inference

CAD 실무자는 외부 서비스와 공유하기 어려운 독점 부품을 자주 다룬다. 개인이나 소기업이 내부에서 이 작업을 수행하려면 감당할 수 있는 연산 자원도 필요하다. 메시에서 편집 가능한 CAD를 재구성하는 공개 소스 에이전트 CADMAGEDDON을 소개한다. GPU 한 장을 장착한 시스템이나 최신 노트북에서 로컬로 실행할 수 있다. 복잡한 과제를 무엇을 만들고 무엇을 고칠지 판단하는 단순한 시각 결정의 연쇄로 나눈다. 정밀한 구성은 기하 도구가 지원하므로 에이전트는 시각 추론에 집중한다. 중간 규모의 Qwen3.8-27B를 사용한 CADMAGEDDON은 주요 벤치마크 전체에서 최첨단 모델 기반 시스템을 포함한 기존 방법보다 재구성 품질이 높았다. FreeCAD와 통합돼 실무자의 기존 CAD 워크플로에서 재구성 결과를 사용할 수 있다. 코드는 https://github.com/kulibinai/cadmageddon 에 공개되어 있다.

arXiv:2611.22464v2cs.CV

MAVE: 영화 샷에서 편집 가능한 3D 블록아웃 재구성

MAVE: Reconstructing Editable 3D Blockouts from Film Shots

애니메이션 3D 블록아웃은 사전 시각화에 쓰이며 비디오 생성에 구조 조건을 제공한다. 그러나 참조 영상에서 수작업으로 재구성하는 데 비용이 많이 들어 창작자가 활용하기 어렵고, 영상과 블록아웃을 짝지은 학습 데이터도 만들기 어렵다. 카메라 움직임, 공간 배치, 캐릭터의 위치와 동선을 평가할 수 있도록 영화 샷 50개와 키프레임 416개로 이루어진 MAVEBench를 소개한다. 실제 단위의 관측, 에이전트형 모델링, 근거 기반 검증을 결합해 비디오를 블록아웃으로 바꾸는 MAVE를 제안한다. 먼저 카메라, 사람의 움직임, 기하학적 근거를 실제 단위의 공통 좌표계에서 복원한다. 에이전트는 관측에서 얻은 제약에 따라 편집 가능한 환경을 만들고, 프로그램으로 불일치를 검사해 수정할 부분을 알려 준다. 결과물은 편집 가능한 Blender 장면과 원본 영상의 프레임에 정렬된 블록아웃 비디오다. MAVEBench에서 세 에이전트에 MAVE를 적용했을 때, 각 기본 기준선보다 종합 점수가 27.5~41.1점 높았다. DeepSeek-1017을 사용하면 샷당 평균 API 비용 0.054달러로 73.2점을 얻었다. 가장 우수한 기본 기준선보다 점수가 높았고 총 재구성 시간은 53% 줄었다. 모델 학습을 위한 블록아웃–비디오 쌍 3,000개로 구성된 MAVEData-3K도 만들었으며 공개할 예정이다. 창작자는 시점과 캐릭터 동선을 바꾼 뒤 편집한 장면을 렌더링해 비디오 생성의 조건으로 사용할 수 있다. 코드는 https://github.com/yfChang-cv/MAVE 에 공개되어 있다.

arXiv:2611.22432v2cs.AI

한 번 추론하고 빠르게 행동하기: 의사결정 모델 실행 환경의 비용 효율적 재귀 자기 개선

Think Once, Act Fast: Cost-Effective Recursive Self-Improvement for Decision Model Harness

빠른 시스템 1 모델은 즉각적인 행동을 지원하지만 복잡하거나 낯선 과제를 어려워한다. 대규모 언어 모델(LLM) 기반 시스템 2는 추론 능력이 높으나 반복해서 호출하면 지연 시간과 연산 비용이 커진다. 이를 해결하기 위해 실행 환경을 재귀적으로 개선해 LLM의 추론을 다른 과제에서도 활용할 수 있는 의사결정 지원으로 바꾸는 시스템 1·2 협력 프레임워크 JevRSI를 제안한다. Jev 방식의 시스템 1 모델은 지연 시간을 낮춰 행동을 선택하고, 시스템 2의 LLM은 비동기로 모듈식 실행 환경을 개발한다. 이 환경은 절차, 상태 메모리, 월드 모델을 통합해 과거, 현재, 미래에 걸친 의사결정 문맥을 제공한다. 효용 기반 검색은 문맥 관련성과 이전 과제에서의 효용을 함께 고려해 모듈을 선택한다. 환경의 피드백으로 수정할 곳을 정하고 재귀적으로 개선한다. 데이터셋 세 개의 실험에서 JevRSI는 의사결정 품질을 일관되게 높였고, 여러 설정에서 LLM 에이전트에 견줄 만하거나 더 우수했다. 낮은 실행 지연을 유지하면서 성능과 비용 사이의 균형도 좋았다. 실행 환경이 개선될수록 시스템 2의 개발 개입이 줄어, 지속적 개선을 통해 시스템 2의 비용을 여러 과제에 분산할 수 있었다. 프로젝트는 https://github.com/usail-hkust/JevRSI 에 공개되어 있다.

arXiv:2611.22362v2cs.AI

HealthCLBench: 통제된 증례 묶음으로 건강 상담의 문맥 학습 평가하기

HealthCLBench:Evaluating Context Learning in Health Conversations through Controlled Case Clusters

복잡한 건강 대화에는 개인 정보와 현재 유효한 근거에 기반한 답변이 필요하다. 본 연구는 건강 맥락 학습, 즉 모델 파라미터를 고정한 채 추론 중에 관련 맥락을 획득·통합·적용하여 건강 질문에 답하고 사실, 근거 또는 과제 목표의 변화에 적절히 대응하는 능력을 평가한다. 우리가 아는 한, 중국어 의료 벤치마크는 명시적인 맥락적 난점, 통제된 사례 변형, 개방형 답변에 대한 구성원별 의료 기준을 아직 체계적으로 결합하지 못했다. 본 연구는 의료 상담과 일상 건강 관리에 걸쳐 328개의 통제된 클러스터, 1,103개의 사례, 4,931개의 루브릭 기준으로 구성된 HealthCLBench를 소개한다. 구성원들은 배경을 공유하되 근거, 환자 상태 또는 과제 목표가 달라지며, 각각 고유한 의료 채점 요건을 가진다. 70명 규모의 의료 팀이 모의 사례와 그 루브릭을 주석하고 검토한다. 원래 평가에서 얻은 전체 맥락 응답 700건에 대한 인간 검토는 루브릭 항목 수준에서 원래의 자동 판정과 90.5%의 통합 일치도를 보인다. 일곱 가지 범용 모델과 Ant Afu에 대해 전체 맥락 결과와 질문만 제시한 결과를 보고한다. 여덟 시스템 전반에서 전체 맥락을 사용한 점수는 현재 질문만 사용한 점수보다 사례 점수가 11.83~31.76점, 기하 클러스터 점수가 10.87~38.97점 높다. GPT-6 Astra가 두 전체 맥락 지표에서 각각 75.03과 60.42로 선두이며, Claude Opus 5.5와 Ant Afu가 그 뒤를 잇는다. 조건 간 차이는 보고된 평가 설정에서의 점수 변화를 기술한다. 응답 비교는 과거 정보 확인, 필요한 경우의 불확실성 표현, 권고가 요구 조건을 준수하도록 보장하는 데서의 실패를 드러낸다. 이 자원은 모델 비교와 표적 후속 평가를 지원한다.

arXiv:2611.22268v2cs.CY

대비를 위한 예측인가, 근거 없는 추측인가? AI 윤리에서 미래를 유용하게 논하는 법

Anticipating or Speculating? Making Futures Pay in AI Ethics

최근 철학자들은 의사의 판단과 의료 인공지능(AI) 시스템의 권고가 엇갈릴 때 적용할 통일된 의사결정 규칙을 개발하려 했다. 이 시도에는 근본적 결함이 있다고 주장한다. 알고리즘 권고 시스템의 성능과 의사의 적절한 사용 방식은 상황에 크게 좌우되는 실증적 의학 문제이기 때문이다. 이를 인식론적 문제로 다룰 수는 없다. 이 경우 일반적인 의사결정 규칙을 정하려면 관련성이 있을 뿐 아니라 결과를 결정하는 구체적 상황까지 추상화해야 한다. 의사와 AI의 이견이라는 문제와 비슷한 논점들은 가능한 미래를 그려 보는 일이 가능한지, 유용한지에 관한 기술 윤리의 오랜 논쟁과 연결된다. 이러한 사고는 현재에 도움이 되는 ‘대비적 예측’인가, 낭비적인 ‘추측’인가? 둘을 구분할 수 있다고 본다. 대비적 예측은 없앨 수 없는 불확실성 속에서도 현재의 행동에 도움이 되도록 그럴듯한 미래를 탐색한다. 추측은 불확실성을 추상화하고 가정한 상황에 형식적 해법을 만들지만, 그 상황이 실제 현재와 어떤 관계인지 불분명한 경우가 많다. 의사와 AI의 이견 등의 문제에 명쾌한 철학적 해법을 제시하려는 시도는 후자에 해당한다. 생산적인 미래 사고는 복잡하고 불확실한 현재에서 출발해 다시 현재로 돌아와야 한다는 점을 기술 윤리에서 기억할 필요가 있다.

arXiv:2611.22245v2cs.AI

다중 에이전트 메모리의 불일치: LLM 에이전트에서 사실 간 충돌이 사라지는 지점

Multi-Agent Memory Inconsistency: Where Factual Conflicts Disappear in LLM Agents

다중 에이전트 위임으로 대규모 언어 모델(LLM) 시스템은 서로 다른 문맥을 가진 작업자에게 근거 수집을 나눠 맡길 수 있다. 이로 인해 일관성 문제가 생긴다. 작업자가 찾은 사실이 공동 결론을 내리는 책임 에이전트에게 전달된 근거에는 빠져 있을 수 있다. Harvey LAB의 문서 검토 과제에 통제된 사실 충돌을 넣고, 다중 에이전트 메모리 불일치를 살피는 벤치마크와 근거 흐름 분석기를 소개한다. 생성 비용이 비슷한 모델 세 개의 결과를 합치면, 위임을 요구한 경우 단일 에이전트보다 충돌하는 주장 둘을 모두 검색한 비율이 50.2%에서 68.7%로 올랐다. 그러나 충돌 탐지율은 16.2%에서 13.2%로 낮아졌다. 이 설정에서 작업자는 검색된 주장 쌍 가운데 35.2%에서만 두 주장을 모두 보고했다. 조건을 맞춰 비교한 결과, 작업자 한 명이 두 주장을 모두 읽으면 단일 에이전트보다 탐지율이 높았다. 두 주장을 서로 다른 작업자가 읽으면 탐지율이 낮았다. 다중 에이전트 LLM에서 충돌 탐지를 개선하려면 작업자가 책임 에이전트에게 근거를 전달하는 과정에 주목해야 한다.