PyTorchKR Papers

최신 논문

총 24,820편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 카테고리 구독

arXiv:2611.24187v1cs.RO

다시 볼 가치가 있다: 시각 검사를 위한 제약 기반 월드 모델 계획

Worth Another Look:Constrained World-Model Planning for Visual Inspection

현장 로보틱스와 환경 모니터링의 시각 검사는 엄격한 연산 및 센싱 한도 내에서 여러 대상을 위치 파악해야 한다. 전수 스윕은 존재하지 않는 클래스에 호출을 낭비하며, 근시안적이거나 탐색이 없는 정책은 이질적인 요금 절벽에 걸려 넘어지거나 재질의 후에야 가치가 드러나는 뷰포트 편집을 버린다. 우리는 고정된 검출기 위에서의 검사를 부분 관측성 하의 신경-기호 관측 계획으로 정식화하고, 간결한 순환 월드 모델(WM)을 정확한 기호적 실현 가능성 및 요금 규칙과 분리한다. 온라인 재계획을 갖춘 후퇴 지평 빔 서치는 클래스 질의, 크롭, 강화, 종료(stop)를 함께 스케줄링하며, 여유를 고려한 섀도 프라이싱과 더 큰 예산에서의 합법적 폴백을 함께 사용한다. 지상, 광학, 소나 벤치마크 여덟 개 전반에서 다단계 룩어헤드는 빠듯한 예산 하에서 정적 스케줄과 탐색 없는 오프라인 RL을 능가하며(RUOD에서 정적 우선순위 대비 최대 28.4 AP 퍼센트포인트, ARIS에서 15.1), 동적 가격 책정은 11 ms의 계획 비용으로 여덟 개 도메인 모두에서 큰 예산 성능을 높인다. 궁극적으로 경량의 학습된 동역학과 정확한 기호적 제약을 결합하면 고정된 검출기를 재학습 없이 적응적이고 예산을 인식하는 검사 에이전트로 전환할 수 있다.

arXiv:2611.24184v1cs.CV

VideoACE: 고프레임률 행동을 통한 에이전트형 비디오 이해 벤치마킹

VideoACE: Benchmarking Agentic Video Understanding through High-Frame-Rate Actions

에이전트형 비디오 이해는 모델이 비디오 환경과 능동적으로 상호작용하여 증거를 수집하고 판단을 형성할 것을 요구한다. 따라서 이 능력을 평가하려면 모델이 상호작용의 기회를 더 나은 이해로 전환할 수 있는지를 평가해야 한다. 우리는 지속적인 상호작용을 지원하는 조건에서 비디오 이해를 평가하는 벤치마크 VideoACE를 소개한다. 우리는 빠르고 미묘한 변화로 인해 표적 관찰이 특히 가치 있는 고프레임률 행동 비디오에 초점을 맞춘다. 이 벤치마크는 세밀한 행동 이해의 여섯 가지 범주에 걸친 1,000개의 객관식 문항으로 구성되며, 시간적 증거 주석과 정답 누출 여부를 검토한 사용자 힌트가 함께 제공된다. 평가 환경은 비디오 검사 도구와 사용자 시뮬레이터를 결합하여, 모델이 시간적 범위, 샘플링 밀도, 공간적 세부 수준을 조정하고 증거를 다시 확인하며 시뮬레이션된 사용자 피드백에 따라 판단을 수정할 수 있게 한다. 우리는 단일 패스 관찰, 자율적 도구 사용, 도구 사용과 사용자 피드백의 결합을 평가하여 모델이 이러한 기회를 얼마나 효과적으로 활용하는지 살펴본다. 다섯 개 모델에 대한 평가는 이들이 증거를 획득하는 방식과 추가 상호작용 기회에 반응하는 방식에서 뚜렷한 패턴이 있음을 드러낸다. 이러한 결과는 VideoACE가 고정된 관찰 설정에서의 성능을 넘어 에이전트형 비디오 이해를 검토하기 위한 테스트베드임을 확립한다.

arXiv:2611.24168v1cs.CL

CounselTraj: 대화 행위 궤적 계획을 통한 과정 인지 심리 상담 대화 합성

CounselTraj: Synthesizing Process-Aware Psychological Counseling Dialogues via Dialogue-Act Trajectory Planning

심리 상담에 대한 수요 증가는 인간 상담사를 지원하는 LLM 기반 시스템의 개발을 촉진했으나, 이러한 시스템을 학습시키려면 대규모의 고품질 대화 데이터가 필요하다. 실제 상담 녹취록은 개인정보 문제로 수집과 공유가 어려워 합성 대화가 중요한 대안이 된다. 그러나 기존 합성 데이터셋은 다양한 시나리오와 내담자 프로필을 포괄함에도 짧은 주고받기로 구성되는 경우가 많아 세션 수준의 상담 과정을 포착하지 못한다. 본 연구는 짧은 합성 대화를 과정 인지적이고 세션 수준인 심리 상담 대화로 확장하기 위한 대화 행위 궤적 계획 프레임워크인 CounselTraj를 제안한다. CounselTraj는 인간 상담사가 수행한 역할극 상담 대화에서 대화 행위 패턴을 학습하고, 내담자와 상담사를 위한 조율된 궤적을 계획하며, 이를 장문 대화 생성을 위한 유연한 지침으로 사용한다. 세 가지 중국어 합성 상담 데이터셋에 대한 실험에서 CounselTraj는 직접 확장 및 무작위로 샘플링한 궤적을 이용한 확장보다 더 완결적이고 일관된 세션과 더 높은 품질의 상담사 개입을 생성했다. CounselTraj를 기반으로 10K개가 넘는 과정 안내형 중국어 심리 상담 대화를 담은 데이터셋 CounselTrajD를 구축하고, 이를 상담 응답 생성을 위한 CounselTrajLM의 학습에 사용한다. 응답 수준과 세션 수준의 평가에서 CounselTrajLM은 공개된 중국어 상담 모델보다 응답 품질, 치료적 이해와 개입, 상담 과정의 일관성과 진전에서 우수했다. 코드와 모델은 https://github.com/UEC-InabaLab/CounselTraj 에 공개되어 있다.

arXiv:2611.24164v1cs.CV

임의 해상도 멀티모달 이미지를 위한 가우시안 프리미티브 융합

Gaussian Primitive Fusion for Any-Resolution Multimodal Images

멀티모달 이미지 융합은 서로 다른 모달리티의 상보적인 관측을 통합된 표현으로 결합한다. 기존 방법은 대체로 공통 이산 격자 위에서 모달리티별 기여도를 추정한다. 원천 모달리티의 고유 해상도가 서로 다를 때 이러한 격자를 구성하려면 일반적으로 리샘플링이 필요하며, 이는 아티팩트를 유발하고 이후의 융합 판단에 영향을 줄 수 있다. 이 문제를 해결하기 위해 본 연구는 이질적 해상도 융합을 공유된 연속 가우시안 공간에서 재정식화하는 가우시안 프리미티브 융합(GPF)을 제안한다. GPF는 원천 이미지를 먼저 공통 해상도로 변환하는 대신, 공유된 가우시안 기하와 모달리티별 콘텐츠 표현으로 고유 해상도 관측을 직접 피팅하고, 그 결과로 얻은 연속 표현 안에서 모달리티별 기여도를 학습한다. 최적화가 끝나면 원천을 리샘플링하지 않고 가장 높은 고유 해상도로 융합 표현을 렌더링한다. 이질적 해상도의 입력에서 GPF는 리샘플링 후 융합하는 파이프라인보다 흐림과 블록 아티팩트가 적고, 더 선명한 대상 윤곽과 더 세밀한 질감을 생성한다. 정량적으로, 보간 또는 초해상도 전단부를 갖춘 최신 융합 방법과 비교하여 여러 적외선-가시광선 벤치마크에서 최고의 결과를 달성한다.

arXiv:2611.24159v1cs.AI

희소 AI 평가에서 불확실성 정량화를 위한 고속 베이즈 방법

Fast Bayesian Methods for Uncertainty Quantification in Sparse AI Evaluation

AI 시스템이 새로운 벤치마크에서 어떤 성능을 낼지 추정하는 데 또 다른 대규모 모델이 반드시 필요한 것은 아니다. 본 연구는 공개된 평가 횟수를 이용해 약한 베타 사전분포를 선택하고, 공개된 최대 31개의 결과로부터 이를 정확하게 갱신한다. 이 예측기는 문항 의미, 사전 학습된 가중치, 추론 API를 사용하지 않는다. AIMS 대회에서의 단일 온라인 평가에서 팀이 보고한 Brier ALC는 0.188477로, 상수 0.5 기준 대비 24.6% 감소했다. 전체 제출물은 7,754바이트이며, 서버 마이크로벤치마크에서 일치하는 레이블 31개를 사용할 때 예측당 12.71마이크로초가 측정된다. 원천 평가가 301개의 사전 평균으로 압축되는 방식을 설명하고, 집중도 2가 새로운 증거로 하여금 예측을 신속하게 결정하게 하는 이유를 보인다. 그 결과 얻은 사후분포는 수치 적분이나 신경망 추론 없이 모델링된 성공률에 대한 정확한 불확실성을 제공한다. 공개 평가는 79개의 시스템-벤치마크 쌍과 8개의 시드를 포괄하며, 제출된 방법은 Brier ALC 0.200250에 도달한다. 함께 제공되는 코드와 충분통계량은 적합된 사전분포를 바이트 단위로 재구성하고 632개의 모든 평가 궤적을 재현한다. 이 결과는 간결한 베이즈 모델이 매우 낮은 온라인 비용으로 희소한 목표 피드백에서 얼마나 많은 예측 가치를 추출할 수 있는지를 보여 준다.

arXiv:2611.24156v1cs.CL

편향의 옛날 옛적에: LLM이 생성한 아동 이야기의 성별 고정관념

Once Upon a Bias: Gender Stereotyping in LLM-Generated Children's Stories

대규모 언어 모델이 아동용 이야기를 만드는 데 점점 더 많이 사용되고 있다. 잠자리 이야기는 아동의 사회적 역할 인식을 형성할 수 있으므로, LLM이 의도된 수신자의 성별에 따라 서사적 묘사를 달리하는지에 대한 우려가 제기된다. 본 연구는 LLM이 생성한 잠자리 이야기의 성별 고정관념을 조사하기 위해 대규모 연구를 수행했다. 짝지어진 딸/아들 프롬프트와 5세대 설계를 사용하여, 35개 국가 설정과 12개 화자 역할에 걸친 16개 LLM의 보존된 이야기 62,873편을 분석한다. 이러한 차이의 일관성과 해석 가능성을 모두 검토하기 위해, 맥락 보정 어휘 비율 대비, 상대적 고정관념 정렬, 화자-수신자 상호작용 분석, 인간 평가, 표현 수준 개입을 결합한 다단계 평가 프레임워크를 도입한다. 분석 결과, 서사적 구성에서 체계적인 차이가 나타났다. 아들 대상 이야기는 딸 대상 이야기에 비해 더 높은 주체성과 더 낮은 공동체성을 강조한다. 화자의 성별은 이러한 패턴에 대해 제한적인 조절 효과만 보이는 반면, 높은 사교성은 더 뚜렷한 상호작용을 나타낸다. 인간 평가는 일관된 일치도를 보이지만, 어휘 측정치와의 대응은 서사 차원에 따라 다르다. 또한 은닉 상태 분석은 해독 가능한 수신자 성별 정보를 보여 준다. 이러한 결과는 LLM이 생성한 아동 이야기에 지속적이면서도 맥락에 의존하는 표상적 격차가 존재함을 보여 주며, 짧은 형식의 벤치마크를 넘어선 서사 특화 편향 평가의 필요성을 시사한다.

arXiv:2611.24145v1cs.CV

재생 없는 도메인 점진 학습을 위한 상속 어댑터 전문가

Inherited Adapter Experts for Replay-Free Domain-Incremental Learning

재생이 없는 도메인 점진 학습은 이전 이미지를 보관하지 않은 채 연속적인 도메인에서 동일한 클래스들에 대해 모델을 학습시킨다. 도메인별 학습기는 사전 학습된 ViT를 고정하고 새 도메인마다 추가 전문가, 즉 해당 도메인에서 학습된 소규모 파라미터 집합과 분류 헤드를 학습한다. 테스트 이미지에는 도메인 레이블이 없으므로 라우터가 각 이미지에 대해 하나의 전문가를 선택한다. 최근 연구는 이 라우터를 학습한다. 그러나 학습이 필요 없는 Mahalanobis 라우터는 각 이미지의 자기 도메인 전문가를 항상 선택하는 경우에 비해, 분석 대상 학습기들의 최종 정확도를 2.7포인트 미만만큼만 낮춘다. 정확도를 제한하는 것은 이 라우터가 아니라 전문가이다. 따라서 본 논문의 학습기 Lamarck는 이 라우터를 사용하고 전문가를 강화한다. 깊은 ViT 블록마다 뒤에서 모든 이미지 토큰을 보정하는 소규모 학습 가능 계층인 어댑터는 딥페이크 벤치마크 CDDB-Hard에서 최종 정확도를 4.4포인트 높인다. 아울러 각 전문가는 추가 비용 없이 이전 전문가로부터 초기화되는데, 도메인들이 클래스를 공유하므로 이후 전문가로 잘못 라우팅된 이미지도 손실이 더 적다. 하나의 프로토콜 아래에서 12개의 고정 백본 기준선과 비교할 때, Lamarck는 CDDB-Hard에서 5.2포인트 차이로 1위, DomainNet과 OfficeHome에서 2위이며 평균 정확도는 가장 높다.

arXiv:2611.24122v1cs.CV

범용 CT 파운데이션 모델은 간 종양을 얼마나 잘 감별하는가?

How Well Do Generalist CT Foundation Models Differentiate Liver Tumors?

범용 CT 파운데이션 모델은 많은 소견을 높은 성능으로 검출하지만, 검출된 병변을 감별하는 능력은 대부분 평가되지 않았다. 이 후향적 연구는 공개된 단일 기관 다위상 CT 데이터셋(517례: 간세포암, 간내담관암, 유방암 및 대장암 간 전이, 혈관종)을 사용하여 간 종양 감별에 대해 두 범용 모델인 RADAR와 Merlin을 평가하였다. 모델은 기존 출력을 이용한 제로샷 설정과, 고정된 영상 특징 위에서 선형 분류기만 학습시키는 선형 프로빙(층화 5겹 교차 검증을 5회 반복)으로 평가하였다. 제로샷 설정에서 RADAR는 门맥 위상의 4개 클래스 감별에서 정확도 54.4%(95% CI: 49.9, 58.8), $\kappa$ 0.37을 달성하였고, 악성 종양의 31%(421개 중 129개)를 혈관종으로 예측하였다. 4개 위상 특징의 선형 프로빙으로 정확도는 79.9%(95% CI: 76.6, 83.4), $\kappa$ 0.72로 향상되었고, 악성 종양의 1%(421개 중 5개)가 혈관종으로 예측되었으며, Merlin은 정확도 60.9%(95% CI: 56.9, 65.0)를 달성하였다. 범용 CT 파운데이션 모델은 간 종양 감별에서 제한적인 제로샷 능력을 보였으며, 이는 선형 프로빙만으로 크게 향상되었다.

arXiv:2611.24115v1cs.AI

Embodied Graph: 장기 과제를 위한 관계형 세계 모델

Embodied Graph: A Relational World Model for Long-Horizon Tasks

임바디드 및 웹 환경의 장기 과제는 긴 의사결정 시퀀스와 지연된 피드백을 수반하므로, 정확한 계획이 성공에 결정적이다. 세계 모델은 상상 기반 계획을 위해 잠재 동역학을 학습함으로써 이 문제에 대응한다. 그러나 기존 접근법은 밀집된 픽셀 수준 관측에만 의존하여, 모델이 중복 정보를 받아들이게 하고 과제와 관련된 개체 간의 관계를 간과하게 한다. 그 결과 작은 오차가 긴 상상 롤아웃에 걸쳐 누적되어 예측을 점차 훼손할 수 있다. 본 논문에서는 희소한 상태 추상 위에서 상상하는 세계 모델을 탐구하며, 여기에는 두 가지 핵심 과제가 있다. 1) 중복 정보를 제거하고 간결한 상태 추상을 형성하는 방법, 2) 관계 구조를 반영하여 신뢰할 수 있는 장기 동역학을 학습하는 방법이다. 이를 해결하기 위해 구조화된 동역학 모델링과 장기 상상을 지원하는 관계형 상태 추상인 Embodied Graph와, 그래프 상태 위에서 직접 상상을 수행하는 Relational World Model(RWM)을 제안한다. RWM은 (i) 중복된 세부 정보를 걸러 내고 온라인 갱신을 통해 그래프 메모리를 유지하는 Task-Aware Embodied Graph Constructor와, (ii) 노드별 잠재 동역학을 학습하면서 노드 간 의존성을 포착하는 Embodied Graph Recurrent State Space Model로 구성된다. 상상된 그래프 상태는 행동 결과에 대한 예측을 제공하여 의사결정을 안내한다. Minecraft와 Crafter에서의 실험은 임바디드 환경에서 RWM의 효과를 입증한다. 특히 Minecraft에서 RWM은 주어진 예산 내에 다이아몬드를 획득한 유일한 방법이다. 웹 상호작용 실험은 관계형 상태 예측이 웹 에이전트의 의사결정 과정에도 적용 가능함을 추가로 보여 준다.

arXiv:2611.24114v1cs.LG

제7회 국제 신경망 검증 대회(VNN-COMP 2026): 요약 및 결과

The 7th International Verification of Neural Networks Competition (VNN-COMP 2026): Summary and Results

본 보고서는 포르투갈 리스본에서 열린 FLoC 2026의 국제 컴퓨터 지원 검증 학회(CAV)와 함께 개최된 AI 검증 심포지엄(SAIV)의 일부로 진행된 제7회 국제 신경망 검증 대회(VNN-COMP 2026)를 요약한다. 이 대회의 목표는 신경망 검증의 최신 방법들을 확장성과 속도 측면에서 객관적으로 비교하는 것이다. 이를 위해 표준 형식(신경망에는 ONNX, 명세에는 VNNLIB), 표준 하드웨어(모든 도구를 주최 측이 AWS에서 실행), 그리고 도구 저자가 제공한 도구 매개변수를 사용하였다. 본 보고서는 이 대회의 규칙, 벤치마크, 참가 도구, 결과 및 교훈을 요약한다.

arXiv:2611.24085v1cs.DC

LEDGE: 이기종 엣지 장치에서의 분산 LLM 서빙을 위한 효율적 시뮬레이터

LEDGE: An Efficient Simulator for Distributed LLM Serving on Heterogeneous Edge Devices

이기종 엣지 장치에서 분산 대규모 언어 모델(LLM) 서빙을 평가하려면 다양한 모델 분할, 장치 배치, 네트워크 조건을 탐색해야 하므로 물리적 실험을 반복하는 데 비용이 많이 든다. 엣지 LLM 서빙을 위한 효율적인 시뮬레이터는 다양하고 세밀한 배치 구성을 지원하고, 실행 시점의 동작을 포착하며, 시뮬레이션 오버헤드를 낮게 유지하면서 실행 시간을 정확히 예측해야 한다. 본 논문은 텐서 연산을 실행하지 않고 이기종 엣지 장치에서의 분산 LLM 서빙을 빠르고 세밀하게 평가하는 경량 시뮬레이터 LEDGE를 제시한다. LEDGE는 비균일 텐서 및 파이프라인 병렬화를 지원하는 이벤트 그래프를 구성하고, 종단 간 측정으로 보정한 재사용 가능한 성능 모델로 실행 비용을 추정하며, 공유 링크 경합을 시뮬레이션한다. Jetson 및 Raspberry Pi 장치 10대로 구성된 이기종 테스트베드에서 4개 LLM 계열에 걸친 17개 모델-정밀도 조합으로 LEDGE를 평가하였다. Qwen 배포에서 LEDGE는 요청 단위 평균 절대 백분율 오차 3.6% 미만을 달성했으며 물리적 추론 대비 전체적으로 135.3배의 속도 향상을 보였다. 하나의 LLM 계열에서 보정한 성능 모델은 나머지 세 계열에서 제로샷 종단 간 지연 시간 MAPE 7.44%를 보였다. 추가 시뮬레이션은 공유 링크 경합이 배치 결정에 미치는 영향과 네트워크 토폴로지가 확장성을 제약하는 양상을 보여준다. 네 가지 엣지 환경에서 LEDGE는 26,773회의 시뮬레이션을 83.8분 만에 완료하여, 다양한 자원 조건과 서빙 목표 하에서 배포 전략을 효율적으로 탐색할 수 있게 한다. 소스 코드는 https://github.com/gdfwj/LEDGE 에서 공개되어 있다.

arXiv:2611.24079v1cs.CV

APS: 장편 비디오 이해를 위한 적응형 분할 기반 프레임 선택

APS: Adaptive Partitioning-Based Frame Selection for Long Video Understanding

대규모 비전-언어 모델(LVLM)의 최근 발전으로 비디오 이해 능력이 크게 향상되었으나, 방대한 시각 입력으로 인한 막대한 계산 비용 때문에 장편 비디오 처리는 여전히 어렵다. 프레임 선택은 효율적인 대안이지만, 기존의 많은 영역 기반 방법은 고정되거나 사전 정의된 시간 분할에 의존하므로 최적이 아닌 시간 영역이 형성되어 이후의 예산 할당과 프레임 선택을 저해할 수 있다. 본 연구에서는 질의-프레임 관련도의 국소적 변화에 맞추어 시간 분할을 조정하는, 학습이 필요 없는 프레임워크인 적응형 분할 기반 프레임 선택(APS)을 제안한다. 구체적으로 APS는 시간 분할을 복잡도 정규화 적합 문제로 정식화하고, 동적 계획법을 통해 분할 경계와 국소 모델을 함께 최적화한다. 이렇게 얻은 적응형 시간 분할은 질의 관련도와 시간 범위에 따라 프레임 예산 할당을 안내하여, 제한된 시각 예산 하에서도 정보량이 많은 프레임을 선택할 수 있게 한다. Video-MME, MLVU, LongVideoBench에 대한 광범위한 실험에서 APS는 다양한 LVLM 백본 전반에서 일관되게 성능을 향상시켰으며, 비교 방법 중 균일 샘플링 대비 가장 높은 평균 향상을 달성하였다. 추가 분석을 통해 적응형 분할의 효과를 검증하고, 모델 규모, 유사도 인코더, 고급 LVLM에 걸친 일반화 가능성을 확인하였다.

arXiv:2611.24077v1cs.CV

AeroRSI: 항공 비전-언어 내비게이션을 위한 재귀적 자기 개선

AeroRSI: Recursive Self-Improvement for Aerial Vision-Language Navigation

비전-언어-행동(VLA) 모델은 무인 항공기(UAV)가 자연어 지시를 따르도록 하지만, 폐루프 비행에서는 여전히 자주 실패한다. 이러한 실패를 바로잡으려면 정책 자신이 도달하는 상태에서 실패를 피하는 행동, 즉 수정이 필요한데, 이는 인간 조종사가 대규모로 레이블링할 수 없고 규칙 기반 계획기도 안정적으로 제공할 수 없다. 본 논문은 항공 내비게이션 정책이 자신의 실패로부터 반복적으로 학습하는 재귀적 자기 개선 프레임워크인 AeroRSI를 제시한다. 핵심 통찰은 실패하는 정책이 수정 이후로 계속 비행해 봄으로써 자신의 수정을 스스로 판단해야 한다는 것이다. 이렇게 판단하면 정책이 샘플링한 행동은 물론, 직접 모방하면 오히려 성능을 해치는 규칙 기반 제안까지도 신뢰할 수 있는 지도 신호가 된다. 또한 에피소드는 첫 번째 실패에서 종료되므로, 앞선 실패가 수정되기 전까지는 이후의 실패가 가려진다. 따라서 AeroRSI는 매 라운드마다 지도 신호를 갱신하여 현재 정책의 실패를 고정하고, 그 이후의 비행으로 수정을 검증하며, 다른 상황에서의 행동은 유지한 채 이를 증류한다. TravelUAV에서 세 라운드를 거치면 지도 학습된 20억 매개변수 정책의 성공률이 46.4%에서 67.5%로 상승하고 충돌이 절반으로 감소하며, 추가적인 인간 레이블이나 추론 비용 없이 동일한 초기화에서 기존 최고 성능을 10.6%p 앞선다. 코드와 모델은 https://github.com/starsholic/AeroRSI 에서 공개되어 있다.

arXiv:2611.24075v1cs.AI

시계열 파운데이션 모델의 반복적 도메인 증분 적응

Recurrent Domain Incremental Adaptation of Time-Series Foundation Models

사전학습된 시계열 파운데이션 모델(TSFM)은 다운스트림 분류 과제에 강력한 표현을 제공한다. 그러나 변화하는 운영 조건에서 TSFM을 적응시키는 일은 여전히 어렵다. 모델은 새로 관측된 조건에서 성능을 높이면서도 이미 학습한 조건의 성능을 희생하지 않아야 하며, 흔히 소량의 레이블된 보정 집합만 주어지고 추론 시에는 운영 조건을 알지 못한다. 본 연구는 이러한 어려움에 중요한 기하학적 구조가 있음을 발견하였다. 운영 조건이 변화하면 TSFM의 임베딩 공간은 균일하게 이동하지 않으며, 일부 국소 영역은 크게 변하는 반면 다른 영역은 거의 변하지 않는다. 따라서 전역 적응은 이미 올바르게 분류된 임베딩까지 불필요하게 이동시킬 수 있다. 이를 해결하기 위해 새로운 방법인 PACT(Piecewise Adaptation via Chart Transport)를 제안한다. PACT는 고정된 소스 임베딩 공간을 국소 차트로 분할하고, 각 새로운 조건의 영향을 받는 영역에 대해 경량의 잔차 수송을 학습한다. 항등 경로는 항상 유지되며, 학습된 게이트가 각 입력에 대해 항등 경로와 누적된 수송 중에서 부드럽게 선택한다. 사전학습된 TSFM 인코더, 분류기 헤드, 이전에 학습된 수송은 고정된다. 도착하는 조건마다 레이블된 보정 데이터 5%만 사용하고 테스트 시 조건 식별 정보가 없는 상황에서, PACT는 네 가지 조건으로 구성된 베어링 결함 스트림 전반에서 평균 macro-F1을 0.95 이상으로 유지한다. 동질적인 과제와 레이블 공간에서는 공개 벤치마크 전반에서도 유사한 유지-적응 양상이 관찰된다. 코드는 https://github.com/Sachithx/PACT 에서 확인할 수 있다.

arXiv:2611.24073v1cs.AI

3D GameDev Arena: 극단적 장기 지평 브라우저 게임을 계획하고 구축하며 플레이테스트하는 코딩 에이전트의 벤치마킹

3D GameDev Arena: Benchmarking Coding Agents That Plan, Build, and Playtest extreme Long-Horizon Browser Games

코딩 에이전트는 이제 저장소 이슈를 해결하고 소규모의 플레이 가능한 게임을 생성하지만, 대규모 3D 게임을 처음부터 구축할 수 있는지는 아직 열려 있는 문제이다. 이러한 게임은 메커니즘, 장면, 에셋, 상호작용 로직이 긴밀하게 결합되어 있고, 그 품질은 기존 벤치마크가 거의 평가하지 않는 플레이어의 즐거움에 달려 있다. 이에 본 연구는 14개 장르에 걸친 108개의 처음부터 시작하는 게임 개발 과제로 구성된 최초의 극단적 장기 지평 벤치마크인 3D GameDev Arena를 소개한다. 텍스트 명세와 UI/UX 참조 이미지만 주어지면, 완전 자동화된 계획-구현-테스트-수정 파이프라인이 각 과제를 독립적으로 실행되는 브라우저 게임으로 구축한다. 실행당 평균 약 1,000회의 LLM 호출이 이루어지며, 가장 긴 실행은 14,407회의 호출, 21.3억 토큰, 608개의 에셋을 사용한다. 평가는 (1) 게임 명세에 대한 객관적인 코드 수준 기능 수락, (2) 3D 표현과 플레이 가능성에 대한 에이전트 기반 QA 및 플레이테스트, (3) 공개 아레나에서의 블라인드 쌍대 Bradley-Terry 인간 선호도로 구성된다. 예비 결과는 장기 지평 3D 게임 개발이 아직 해결과는 거리가 멀며, 코드 수준의 정확성만으로는 플레이어의 선호가 결정되지 않음을 보여 준다. 공개 아레나는 온라인으로 운영된다.

arXiv:2611.24059v1cs.LG

재샘플링하지 말고 재생하라: 장기 지평 RL 전문가의 오프폴리시 통합

Replay, Don't Resample: Off-Policy Consolidation of Long-Horizon RL Experts

최첨단 사후 학습은 일반적인 방식을 따른다. 즉 도메인별로 강화학습(RL)으로 전문가를 하나씩 학습한 뒤, 다중 교사 온폴리시 증류(MOPD)로 전문가들을 하나의 모델로 통합한다. 이러한 통합은 비용이 많이 든다. 학생이 모든 환경에서 다시 샘플링해야 하고, 전문가가 샘플링된 모든 토큰을 채점해야 하며, 학생이 최종 전문가의 드리프트를 물려받기 때문이다. 그러나 본 연구는 전문가들의 RL 실행이 통합에 필요한 것, 즉 샘플링 확률과 보상이 포함된 롤아웃을 전문가들이 학습한 순서대로 이미 만들어 두었다고 주장한다. 본 연구는 이 학습 로그를 전문가의 순서대로 학생에게 재생하는 다중 전문가 재생 정책 증류(MRPD)를 제안한다. 각 단계에서 이렇게 채점된 궤적에 대해 정책 경사를 다시 계산하고, 기록된 접두사에서 최종 전문가의 분포를 증류한다. 전문가 자신의 궤적을 따르면 학습-추론 불일치가 줄고 학생이 클립 범위 안에 머물므로, 재생은 기원상 오프폴리시이지만 통합 내내 준온폴리시이다. MRPD는 아무것도 샘플링하지 않고 환경이나 보상 모델도 호출하지 않는다. 트레이너가 유일한 프로세스이며, 전문가를 통합하는 데에는 전문가를 학습하는 데 쓴 연산의 약 7분의 1만 든다. 추론, 검색, SQL의 세 가지 장기 지평 에이전트 도메인에서 MRPD는 최고의 학생 모델을 만들어 온라인 RL 기준선을 크게 능가하고, 동일한 전문가로부터 MOPD보다 훨씬 적은 비용으로 MOPD를 넘어선다. 동일한 로그에 대한 분석은 재생된 궤적이 이득의 대부분을 담당하며 정책 경사와 증류 항 모두 이득에 기여함을 보여 준다. 가장 흥미롭게도 로그의 순서가 그 양이나 보상보다 더 중요하며, 이는 전문가 학습 로그가 데이터 혼합이 아니라 커리큘럼임을 시사한다.

arXiv:2611.24055v1cs.CL

독립적 기록에 대한 실행 가능 법률 규칙의 채점: 경과 규정과 한국 중소기업 지위

Grading Executable Legal Rules Against Independent Records: Transitional Provisions and Korean SME Status

법률은 특정 날짜에 어떤 기업이 중소기업(SME)이었는지와 같이 사건을 판단하는 프로그램으로 점점 더 변환되고 있으며, 이제 대규모 언어 모델(LLM)이 이를 작성한다. 이러한 프로그램은 대개 같은 법을 읽은 사람이 작성한 답에 대해 채점되므로, 프로그램은 법을 올바르게 구현해서가 아니라 채점자와 해석을 공유해서 높은 점수를 얻을 수 있다. LexTemporis는 대신 실제로 일어난 일의 기록, 즉 한국 상장기업이 공시한 10,901개 기업-연도의 중소기업 지위와 적용 대상 규칙의 모든 버전에 대해 프로그램을 채점한다. 부록에서는 미국 소득세와 독일 병원 최소 시술량의 비교 사례를 추가한다. 날짜는 주로 법 본문 밖의 규정을 통해 결과를 바꾸며, 한 경과 규정은 공시와의 일치율을 83-86%에서 89-90%로 높인다. 공시는 또한 논쟁적인 규정에 대한 저자의 해석을 검증하며, 해석이 갈리는 189개 기업-연도 중 130개에서 저자의 해석을 지지한다. 네 개의 LLM이 법의 서로 다른 발췌본을 받아 규칙을 작성하였다. 사전 등록된 비교에서는 네 모델 모두에서 더 나은 조건이 발견되지 않는다. 탐색적 분석에서는 올바른 규정을 제공하는 것이 기록보다 저자의 해석에 대해 채점할 때 더 좋아 보인다. 세 모델에서는 이점이 줄어들고(한 모델은 원래 크기의 4분의 1에서 5분의 3 사이로), 기업-연도 단위로는 저자의 해석이 틀린 경우에 이점이 몇 배 더 큰데, 이는 그 경우 해당 해석을 더 충실히 재현할수록 불리해지기 때문에 부분적으로 구조상 그러하다. 법률 프로그램을 채점자 자신의 해석에 대해 채점하면 그 작동 수준이 과대평가될 수 있다.

arXiv:2611.24052v1cs.LG

데이터에서 밸브까지: 지속가능한 HVAC 제어를 위한 자기학습형 프로덕션급 엣지 스택

From Data to Valves: A Self-Learning, Production-Grade Edge Stack for Sustainable HVAC Control

학습 기반 HVAC 제어기는 시뮬레이터를 벗어나는 경우가 드물며, 벗어난 경우에도 대개 오프라인으로 학습되어 배포 시점에 고정되고 클라우드에서 재학습된다. 본 논문은 건물마다 NVIDIA Jetson Orin 게이트웨이 한 대에서 세 가지 학습 구성요소가 실행되어, 해당 건물의 자체 데이터로 지속적으로 적응하고 자신의 효과를 직접 검증하는 프로덕션 스택을 제시한다. (a) 장비 그룹마다 하나씩 두고 유닛별 임베딩을 학습하는 소형 트랜스포머 인코더 예측기는 모든 공기측 유닛의 다음 주기 온도를 예측하며, 5분 주기마다 한 번의 경사 단계로 prequential 방식으로 학습한다. 이때 손상된 측정값의 영향을 제한하는 다섯 개의 독립적인 게이트를 둔다. (b) 유닛 유형 전반에 하나의 공유 정책을 사용하는 분포형 soft actor-critic 에이전트는 어떤 학습 구성요소도 완화할 수 없는 구조적 안전 범위 안에서 측정된 상태를 냉수 밸브 위치로 변환한다. 2세대 에이전트는 기록된 전이 데이터만으로 기기에서 매일 밤 학습하며, 행동 앵커와 크리틱 보정 항을 사용하고, 네 가지 모델 프리 지표로 평가되며, 원자적 핫스왑으로 승격된다. (c) ASHRAE Guideline 14를 준수하는 변화점 회귀 기준선은 절감 효과를 인증하는 데 쓰이는 반사실적 기준을 제공한다. 한 호텔의 18개월 데이터에서 예측기는 일주일 내에 무작위 가중치로부터 수렴하였고, 재학습 이벤트 없이 공조기, 외기 유닛, 팬코일 유닛에 대해 각각 0.37, 0.39, 0.11 °C의 MAE를 달성하였다. 다른 호텔에서는 기준선이 46일간의 홀드아웃 기간을 0.07% 이내로 재현하였다. 강화학습 에이전트는 시뮬레이터 내 캠페인을 완료하였고 104개 유닛에서 섀도 모드로 실행되고 있다. 본 논문은 공유 15 GB 기기에서 모든 서비스의 측정된 지연 시간과 메모리, 캠페인에서 얻은 시스템적 교훈, 그리고 현재 증거가 무엇을 입증하고 무엇을 아직 입증하지 못하는지를 정확히 보고한다.

arXiv:2611.24051v1cs.AI

어텐션은 관련성이 아니다: 자율주행에서 어텐션의 인과성에 대한 반론

Attention Is Not Relevance: Challenging the Causality of Attention in Autonomous Driving

어텐션은 주변 객체의 관련성을 추정하고 자율주행 차량의 주행 결정을 해석하는 데 가장 널리 채택된 방법 중 하나가 되었다. 그러나 개별 입력 요소가 AI 모델의 출력에 미치는 인과적 영향을 어텐션이 포착할 수 있는지에 대해서는 특히 자연어 처리(NLP) 분야를 중심으로 문헌에서 오랫동안 논의되어 왔다. 본 연구는 이 논의를 자율주행 분야로 가져와, 입력 객체가 자율주행 차량의 주행에 미치는 영향, 즉 관련성을 어텐션이 얼마나 정확하게 추정하는지 분석한다. 이를 위해 반사실 분석으로 얻은 객체 관련성의 인과적 기준과 서로 다른 어텐션 기반 관련성 추정 방법들을 비교한다. 분석은 객체 수준 계획을 위한 최신 트랜스포머 기반 모델인 PlanT 2.0 기반 자율주행 차량을 사용하여 80,000개가 넘는 합성 주행 장면에서 수행한다. 결과는 어텐션이 객체 관련성에 대해 인과적 지표가 아니라 상관적 지표를 제공함을 보여 준다. 어텐션 기반 관련성 추정 방법은 모든 관련 객체를 일관되게 식별하지 못하며, 차량의 주행에 거의 또는 전혀 영향을 주지 않는 객체를 관련 객체로 잘못 분류하는 경향이 있다. 특히 어텐션은 단순한 단일 차로 직선 도로 시나리오에서는 관련 객체를 효과적으로 식별할 수 있으나, 다차로 도로와 교차로 같은 더 복잡한 환경에서는 정확도가 저하된다. 이러한 결과는 객체 관련성의 대리 지표로서 어텐션이 지니는 한계를 보여 주며, 개별 객체가 차량 주행에 미치는 인과적 영향을 정확히 포착하고 이를 상관적 연관성과 구분할 수 있는 새로운 방법이 필요함을 시사한다.

arXiv:2611.24039v1cs.AI

규제 대상 기업에서 에이전틱 AI 플랫폼을 평가하기 위한 역량 프레임워크

A Capability Framework for Evaluating Agentic AI Platforms in Regulated Enterprises

LLM 에이전트가 계획을 세우고, 도구를 호출하고, 메모리를 유지하며, 서로 협력하여 기업 시스템의 상태를 변경하는 에이전틱 AI 플랫폼은 측정되는 속도보다 빠르게 조달되고 있다. 공개 에이전트 벤치마크는 고정된 하네스에서 모델의 점수를 매기지만, 기업은 오케스트레이션, 메모리, 거버넌스, 도구 계층이 결과를 좌우하는 통합 플랫폼을 구매하며, 그 판단은 대체로 벤더의 시연에 의존한다. 본 논문은 글로벌 은행의 혁신 연구소가 수행한 산업 평가 프로그램("베이크오프")을 보고한다. 이 프로그램에서는 오픈소스 프레임워크, 상용 제품, 하이퍼스케일러 생태계에 걸친 열 개의 플랫폼을 교차 기능 패널이 거래상대방 신용 위험, 검색 증강 생성, 프로세스 자동화라는 세 가지 금융 서비스 워크로드에서 아홉 가지 역량 차원에 대해 평가하였다. 점수는 대안적 가중치에서도 안정적인 세 개의 계층으로 후보군을 구분하며, 집계 점수가 가리는 워크로드별 강점을 드러낸다. 그러나 보조 분석에서는 명목상 서로 다른 차원들 사이에서 Cronbach의 알파가 0.98이고 아홉 개 중 여덟 개 차원이 총점과 0.93 이상의 순위 상관을 보이는 것으로 나타났다. 이는 시연 기반 점수가 역량만큼이나 발표 방식을 측정함을 시사하는 후광 효과이다. 이러한 교훈을 바탕으로 본 논문은 네 개의 계층(역량, 실행 신뢰성, 거버넌스 게이트, 비즈니스 가치)으로 구성된 게이트 후 점수화 평가 프로토콜, 반복 실행으로 추정하는 트레이스 수준 신뢰성 지표, 자율성 준비도 척도, 재현성 프로토콜을 제안한다. 또한 현재의 증거가 무엇을 뒷받침하는지, 그리고 기업 플랫폼 평가를 구조화된 판단에서 측정으로 바꾸기 위해 통제된 하네스가 무엇을 추가해야 하는지를 정확히 서술한다.