목적. 다양한 탐색 전략 하에서 비전-언어 모델(VLM) 에이전트의 진단 정확도와 영상 탐색 행동을 평가한다. 대상 및 방법. 이 후향적 연구에서 6개의 VLM이 공개 아카이브(2025년 3월~2026년 8월)에 게시된 응급 CT 및 MRI 검사 100건을 네 가지 조건(자유 탐색, 핵심 슬라이스에서 시작하는 탐색, 단일 요청에 모든 슬라이스 또는 핵심 슬라이스 제공)에서 각각 두 번씩 판독했다(총 4800회 실행). 9명의 영상의학과 의사가 이 중 30건을 판독했다. 두 명의 영상의학과 의사와 대조하여 검증된 대규모 언어 모델 판정자가 답변을 채점했다. 조건 간 비교는 증례별로 군집화한 일반화 추정 방정식으로 수행했다. 결과. 통합 정확도는 자유 탐색에서 가장 낮았고(32.6%; 391/1200), 핵심 슬라이스에서 시작하는 탐색이 그다음이었으며(37.9%; 455/1200; P = .003), 한 번의 요청에 모든 슬라이스(42.2%; 506/1200) 또는 핵심 슬라이스(42.5%; 510/1200)를 제공한 경우가 가장 높았다(둘 다 P < .001). 영상의학과 의사가 판독한 30건에서 자유롭게 탐색한 모델은 30.0%의 실행에서 정답이었던 반면(108/360), 영상의학과 의사는 77.0%였다(208/270; P < .001). 모델은 슬라이스의 중앙값 10.8%를 본 후 첫 가설을 세웠고 63.1%의 실행에서 이를 유지했다(755/1196). 최종 답변은 첫 가설이 틀린 뒤에는 12.4%의 실행에서 정답이었던 반면(110/885), 맞은 뒤에는 90.4%였다(281/311; P < .001). 최종 답변에 대해 제시된 확신도의 중앙값은 90%였으나 정답 비율은 38.9%였다(1861/4778). 결론. 모든 탐색 전략에 걸쳐 VLM 에이전트는 영상의학과 의사보다 정확도가 훨씬 낮았다. 이들은 이른 시점에 가설을 채택하고 대체로 이를 유지했으며, 틀린 가설을 수정하는 경우는 드물었다.
자율 AI 에이전트는 고정된 기반 모델과 프롬프트, 스킬, 도구 규칙, 메모리로 이루어진 편집 가능한 하네스를 결합한다. 재귀적 자기 개선(RSI)은 가중치 갱신 없이 경험으로부터 이 하네스를 적응시키지만, 외부 채점기 없는 자기 편집은 흔히 역효과를 낳는다. 성찰과 스칼라 점수는 편집이 새로 망가뜨린 것과 여전히 해결되지 않은 것을 혼동하게 하여, 국소적 퇴행, 스킬 망각, 메모리 비대화를 초래한다. 우리는 참조 없는 지속적 하네스 진화를 위한 폐루프 프레임워크 GUARD(Grader-free Unsupervised Environment Design [UED] with Adaptive Rule Distillation)를 소개한다. 핵심 통찰은 각 과제를 실행 전 자기 점검 항목으로 분해하고 방향성 후회를 통해 하네스 갱신을 안내하는 것이다. 각 라운드는 궤적을 이러한 점검 항목에 대해 채점하여, 숙달된 규칙은 고정하고 새로 망가진 행동을 우선시하며, 비평가 없는 그룹 상대 적합도로 병렬 후보 편집 중에서 선택한다. 이후 Soft-HURT 게이트는 이득이 퇴행을 능가할 때만 편집을 승격하고, 특수한 수정의 범위를 한정하여 과잉 발동을 방지하며 게이트가 적용된 버퍼에서 비퇴행을 보장한다. 테스트 시에는 하나의 고정된 하네스가 단일 패스로 실행된다. 메모리, 스킬 진화, 지속적 과제 스트림, 도메인 추론에 걸친 벤치마크에서 GUARD는 치명적 망각이나 메모리 오염 없이 일관되게 성능을 향상시키며 배포 시 토큰 사용량을 크게 줄인다.
AllotNet: an Interpretable Mixture-of-Experts Choice Model for Moral Judgement in Humanitarian Aid Allocation, Validated against a Planted Synthetic Population
공적개발원조는 2025년에 23.1퍼센트 감소했으며, 모두에게 돌아갈 만큼 충분하지 않을 때 누가 먼저 도움을 받는가라는 결정은 소프트웨어로 옮겨 가고 있다. 널리 알려진 기계학습 기반 대상 선정 시스템은 배포된 상태에서 자격이 있는 가구의 53퍼센트를 제외했다. 분배 규칙이 결국 코드에 담긴다면 그것은 여러 문화의 판단을 담아야 하며, 기계는 실행하고 판단은 사람이 해야 한다. AllotNet은 사전 등록된 6개 언어 도구인 Allot이 이끌어낸 배분 판단을 위한 해석 가능한 전문가 혼합 조건부 로짓이다. 이는 7개 윤리 기준에 대한 8개의 선형 취향 전문가를 참여자 맥락에 대한 게이트로 가중하며, 감쇠된 잔차, 가구 접수용 인코더, 결과 헤드, 그리고 검토 대기열을 구성하되 누구도 거부하지 않는 예산 제약 계획기를 포함한다. 인간 판단 모델은 실제 데이터에 정답이 없으므로, 먼저 정답을 작성했다. 손실 함수에는 숨겨진 기준 진실로부터 실제 운영 코드 경로로 생성한, 560만 세션과 1억 400만 응답(사용 가능한 선택 9,800만 개)으로 이루어진 심어 둔 합성 모집단이다. 사전 지정한 16개 검사를 모두 통과했다. 기준 순위 $\rho = 1.000$, 숨겨진 세그먼트 복원(ARI 0.671), 잡음 상한의 99퍼센트에 달하는 결과 헤드, 오라클의 99.4퍼센트에 달하는 계획기가 그 결과이다. 한계점도 함께 보고한다. 두 검사는 제목이 시사하는 것보다 약하며, 실시간 생성 실패로 260,712개의 시드를 잃었다. 이 모델은 23,550개의 매개변수를 가지며, 해석 가능한 핵심을 fp32로 유지한 채 NVFP4를 위한 양자화 인지 학습을 거쳤고(배포 번들의 W4A16에서 복지 순위 일치도 $\rho = 0.9937$이며, 일치도 임계값 하나는 사후에 완화했다), C11, Java, Rust, Python 런타임과 함께 125 KB 번들로 제공된다. 아직 실제 데이터로는 학습하지 않았으며, 연구의 실제 규모에서는 계층적 베이지안 혼합 로짓이 등록된 비교 대상이다.
강하게 결합된 다중물리 시뮬레이션을 준비, 실행, 검증하려면 전문가의 시간이 필요하다. 에이전트형 워크플로는 대규모 언어 모델(LLM)을 사용해 자연어 설명으로부터 이를 조율하지만, 신뢰성을 위해서는 물리적 일관성과 문제 설명에 대한 충실성을 점검해야 한다. 본 연구의 에이전트 하네스는 명시적인 작업 할당을 구현한다. LLM은 사용자 요청과 시뮬레이터 진단을 해석하고, 사전 정의된 구성 규칙이 다루지 않는 입력 요소를 생성하며, 수리를 제안한다. 반면 결정론적 루틴은 지원되는 요소를 구성하고 입력, 편집, 결과를 점검한다. 우리는 다중물리 시뮬레이터 GEOS를 사용하여 조성 유동에서 마찰 단층 접촉을 포함하는 유동-공극역학까지 CO2 저장 문제를 평가한다. 두 가지 유동 문제에 대한 80회 시도에서 그라운딩은 구조적으로 유효한 입력의 비율을 5/20에서 20/20으로 높이지만, 수용률은 규칙 기반 입력 준비가 완전할 때에만 20/20에 도달한다. 동일한 입력에서 국소 수리는 유효한 입력을 보존하면서 심어 둔 세 가지 결함을 수정한다. 보조 시험은 문제 설명이나 기준 결과와 다름에도 물리 점검을 통과하는 시뮬레이션을 식별한다.
수학 평가 문항의 자동 생성은 교육용 인공지능에서 성장하는 분야이지만, 실제 교실에 적용하는 데에는 여전히 어려움이 있다. 생성된 문항은 수학적 정확성, 교육과정 부합성, 적절한 인지적 난이도, 교육자의 검토 가능성이라는 여러 제약을 충족해야 한다. 기존 연구는 텍스트 생성을 발전시켰으나, 신뢰할 수 있는 평가 문항 출제에는 현지화된 시험 형식에 대한 세밀한 제어와 전문적인 교육적 판단이 필요하다. 이 문제를 해결하기 위해 우리는 엄밀하고 교육과정에 제약된 수학 평가 초안을 생성하는 일반화된 인간 참여형 프레임워크 VeriMath를 제시한다. 이 프레임워크는 주석이 달린 참조 문항을 사용하여 요청된 시험 영역과 인지적 추론 수준에 생성을 고정한 뒤, 전문가 검토에 초안을 제출하기 전에 순차적인 자동 검증과 안내된 수리를 적용한다. 우리는 베트남 12학년 교육과정의 수학 문항 4,555개와 객관식, 참/거짓, 단답형 형식을 아우르는 50개의 서로 다른 생성 요구사항을 사용한 국가 교육과정 사례 연구를 통해 VeriMath를 평가한다. 두 가지 모델 백본에 걸쳐 이 프레임워크는 실행당 요구사항의 94%(47/50)에 대해 검증기를 통과한 초안을 생성한다. 블라인드 전문가 평가는 높은 수학적 정확성과 교육과정 부합성을 확인하며, 엄격한 교사 활용 준비도 평가에서는 생성된 문항의 최대 56.8%가 수용되었다. 거부된 초안의 분석은 형식, 진술의 타당성, 풀이 단계의 완결성과 관련된 영역 비의존적 과제가 지속됨을 보여준다. 이러한 결과는 VeriMath가 엄격하게 제약된 국가 교육과정 틀 안에서 검토 가능성이 높은 평가 초안을 생성함으로써 생성형 AI와 신뢰할 수 있는 교육 응용을 연결할 수 있음을 보여준다.
대규모 임상 텍스트 컬렉션에 대한 접근은 임상 노트 검색, 환자 코호트 식별, 도메인 적응형 검색 모델을 포함한 의료 정보 검색 연구를 발전시키는 데 필수적이다. 그러나 개인정보 보호 규정 때문에 실제 임상 노트는 거의 이용할 수 없으며, 이는 특히 유럽 포르투갈어와 같은 저자원 언어의 연구 진전을 제한한다. 본 논문은 임상 텍스트 검색에 관한 프라이버시 보호 연구를 지원하기 위해 제작된 유럽 포르투갈어 합성 임상 노트의 공개 데이터셋 LusoClin을 제시한다. LusoClin은 실제 임상 데이터를 전처리하고, 오픈소스 Llama 3.2(3B) 지시 튜닝 모델을 양자화 저랭크 적응(Quantized Low-Rank Adaptation)으로 미세 조정한 뒤, 프롬프트 기반 임상 노트 생성을 적용하여 만들어졌다. 의미 기반 색인과 임상 검색을 용이하게 하기 위해, 노트에는 BERT 기반 모델을 사용하여 임상 개체가 자동으로 주석되어 있다. 우리는 자동 지표와 사람 평가를 사용하여 LusoClin을 유용성, 충실도, 다양성, 프라이버시 측면에서 평가한다. 결과는 이 데이터셋이 임상적으로 관련된 언어 패턴을 포착하며 임상 문서 검색 및 도메인 특화 모델 적응과 같은 후속 정보 검색 응용을 지원할 수 있음을 보여 준다. 다만 주석자가 합성 노트와 실제 노트를 종종 구분할 수 있고 일부 의학적 불일치가 남아 있다.
멀티모달 언어 모델은 다이어그램을 해석하고 구조화된 출력을 생성할 수 있지만, 수동 무선주파수(RF) 설계 의도, 레이아웃 기하, 전자기적 거동을 연결하는 능력은 거의 검증되지 않았다. 이러한 공백을 해소하기 위해 수동 RF 레이아웃 설계 및 이해를 위한 시뮬레이터 기반 데이터셋이자 벤치마크인 RFBench를 소개한다. 이 데이터셋은 ADS Momentum으로 시뮬레이션한 10,000개의 2포트 평면 레이아웃을 포함하며, 각 레이아웃은 편집 가능한 기하 프리미티브, 래스터 이미지, 16x16 점유 격자, 201개 주파수 지점의 복소 S-파라미터, 구조 범주, RF 응답 레이블로 표현된다. 이렇게 정렬된 표현을 바탕으로, 사양 조건부 레이아웃 생성, 표현 변환, 응답 예측, 시뮬레이터 기반 검증, 설계 진단 및 개선, 구조 이해, 응답 분류에 이르는 일곱 가지 과제를 정의한다. 일곱 가지 멀티모달 언어 모델에 대한 광범위한 베이스라인 실험에서, 구조적으로 유효한 레이아웃을 생성하고 전자기적으로 충실한 응답을 예측하는 데 체계적인 약점이 있음을 확인하였다. RF 특화 미세조정은 T1a 구조 유효성을 0.0%에서 83.2%로, T3 프리미티브 입력 2 dB 이내 비율을 17.7%에서 62.8%로 높여 도메인 적응의 가치를 보여 주지만, 추가 발전의 여지도 상당히 남겨 둔다. RFBench는 멀티모달 RF 능력을 평가하고, 설계 의도와 레이아웃 표현을 물리적 거동과 연결하는 모델의 개발을 이끌기 위한 공통 테스트베드를 제공한다.
대규모 언어 모델(LLM) 에이전트는 사고 연쇄(CoT) 추론을 통해 여러 분야에서 최고 수준의 성능을 달성한다. 널리 사용됨에도 불구하고, 외부로 드러난 궤적과 모델의 실제 연산 사이의 관계는 거의 알려져 있지 않다. 본 연구는 불완전 정보를 갖는 반복 게임에서 LLM 에이전트가 어떻게 의사결정을 내리는지 조사하여 이 문제를 다룬다. 일련의 기계적 해석 가능성 기법을 사용하여, 모델이 CoT 전반에 걸쳐 게임에 대한 내부 표현을 형성하고 반복적으로 수정함을 발견하였다. 모델이 잘못된 믿음에 성급히 확정되면 좀처럼 회복하지 못한다. 이러한 실패는 문자 그대로의 궤적과 층별 활성화 모두에서 나타난다. 결국 다중 에이전트 시스템이 더욱 보편화됨에 따라, 본 연구는 이들의 전략적 추론 오류를 보다 집중적으로 진단할 수 있는 길을 연다. 설명을 위해 선별한 샘플 궤적에 대한 본 방법론의 대화형 시각화 도구를 https://interp-self.github.io/gametrace/ 에서 제공한다.
AI 인프라의 급속한 확장으로 데이터센터 신뢰성은 클라우드 사업 경제의 핵심이 되었다. 초대규모 AI 클러스터의 하드웨어 장애는 수백만 달러 규모의 학습 작업을 중단시킬 수 있으므로, 개별 장비의 다운타임이 막대한 경제적 손실을 초래할 수 있다. 따라서 장비 다운타임을 최소화하는 것이 그 어느 때보다 중요하다. 이를 해결하기 위해, 자동화된 데이터센터 유지보수에 그래프 파운데이션 모델 접근법을 적용하는 AI 기반 하드웨어 진단 시스템인 Hardware Diagnoser(HardwareDx)를 제시한다. 이 시스템은 하나의 모델로 여러 플랫폼을 진단하고 새로운 하드웨어 제품의 도입을 가속할 수 있게 한다. Google에서 프로덕션 규모로 배포된 HardwareDx는 다양한 컴퓨팅 아키텍처에서 상당한 효율 향상을 가져온다. 실제 환경 평가에서 프로덕션 다운타임을 GPU 플랫폼에서 18.3%, TPU에서 16.1% 줄이는 것으로 나타났다. 또한 하드웨어 배포를 크게 가속하여, 품질 보증(QA) 시간을 GPU에서 28.3%, TPU에서 25.1% 단축한다. 이러한 결과는 HardwareDx가 차세대 AI 플릿의 신뢰성과 비용 효율을 극대화하기 위한 현장 검증된 솔루션임을 보여 준다.
온폴리시 증류(OPD)는 학생 언어 모델이 자신이 생성한 출력을 바탕으로 교사 모델에 맞추도록 학습시킨다. OPD를 사용할 때는 시퀀스 수준과 토큰 수준 중 어느 쪽에 적용할지, 그리고 어떤 발산을 최소화할지를 선택해야 한다. 그러나 실무에서 OPD가 널리 채택되고 있음에도, 주어진 상황에 어떤 OPD 목적함수가 적합한지에 대한 형식적 이해는 제한적이다. 이러한 공백을 해소하기 위해, OPD 목적함수의 선택이 어떤 토큰이, 어떤 순서로, 얼마나 효율적으로 우선시되는지를 어떻게 좌우하는지 이론적으로 분석한다. 분석 결과, 시퀀스 수준 OPD는 근시안적 토큰 수준 목적함수가 피하는 미래 일치 편향을 보인다. 이 편향은 역방향 학습 순서를 유도하는데, 시퀀스 수준 OPD는 먼저 뒤쪽 토큰 위치에서 교사에 맞추며, 앞쪽 위치에서는 교사 하에서 확률이 낮아 바람직하지 않은 경우가 많은 토큰을 선호할 수 있다. 발산의 선택에 대해서는, 이것이 OPD의 경사 기반 최적화 적합성에 강한 영향을 미침을 증명한다. 특히 순방향 KL 발산은 양호한 목적함수 지형을 가지는 반면, 역방향 KL과 같은 다른 $f$-발산은 학생과 교사가 멀리 떨어져 있을 때에도 기울기 소실을 겪을 수 있다. 언어 모델 사후 학습 설정 전반에서, 이러한 이론적 발견이 어떤 OPD 목적함수가 바람직한지에 대해 갖는 함의를 보이며, 학생, 교사, 당면 과제 사이의 상호작용을 고려하는 것의 중요성을 강조한다.
사후 학습 양자화는 대규모 언어 모델을 저비용으로 서비스하는 표준적인 방법이다. 그러나 최적의 양자화 레시피는 모델과 정밀도에 따라 다르다. 그 결과 전문가는 새로운 모델마다 이를 다시 설계해야 하며, 이는 시간이 많이 들고 최적이 아닌 경우가 많다. 다행히 LLM 에이전트는 후보를 구성하고 평가하는 과정을 여러 라운드에 걸쳐 반복하며 레시피를 개선함으로써 이 설계를 대신할 수 있고, 라운드가 많을수록 더 나은 레시피로 이어진다. 그러나 양자화된 추론 모델 하나를 평가하는 데는 수십 GPU 시간이 걸리며, 서로 다른 코드베이스의 방법을 결합하려면 각각을 새 아키텍처에 수작업으로 이식해야 한다. 본 논문은 에이전트가 모델과 정밀도별로 레시피를 설계하는 시스템 QDA를 제시한다. 평가를 빠르게 하기 위해 QDA는 에이전트가 보지 못하는 추론 궤적에서 원본 모델과의 출력 KL 발산으로 각 후보를 수 분 내에 채점하고, 유망한 후보는 긴 생성으로 점검하여 반복 루프와 같은 실패를 잡아낸다. 구성을 빠르게 하기 위해 QDA는 서로 호환되고 새로운 모델 아키텍처와도 호환되는 공개 PTQ 방법의 라이브러리를 제공한다. 네 가지 추론 모델에서 QDA는 탐색당 64 GPU 시간을 사용하여, 가장 강력한 공개 레시피 대비 정확도를 W4A16, W4A8, W3A16에서 평균 각각 0.9, 1.4, 2.2 퍼센트포인트 향상시킨다. 320B 파라미터 MoE 모델 GLM-5.3-Flash의 NVFP4 W4A4에서는 최고의 벤더 체크포인트가 96.9%를 보이는 데 비해, FP8 모델 정확도의 98.3%를 회복한다. 또한 모든 QDA 체크포인트는 추론 오버헤드 없이 기존 서빙 커널에서 실행된다. 라이브러리, 평가기, 하네스를 공개할 예정이다.
코딩 에이전트는 토큰 단위로 과금되지만, 소프트웨어 공학은 토큰이 실제로 무엇을 사 주는지에 대해 아무것도 말해 주지 않는다. 여기서는 소프트웨어 열역학 이론을 소개한다. 이 이론은 고전 열역학과 확률 열역학에서 유비를 끌어와 확장하고, 이를 현대의 에이전트 코딩에 적용한다. 에이전트가 생성하는 토큰을 비용으로 세고 그 비용을 일과 열로 나눈다. 테스트 스위트는 모든 코딩 변경을 판정하는 소프트웨어 맥스웰의 악마로 작용한다. 단일 분자를 당겨 펼친 뒤 다시 접히게 하는 실험의 유사 실험으로 이론을 검증하는데, 에이전트가 저장소에 변경을 가하고(코딩) 그것을 되돌리는(언코딩) 과정을 여러 번 반복하며 모든 모델 호출의 토큰을 센다. 이 사이클은 요청된 편집을 시작 지점으로 되돌리며, 각 방향은 저장된 기준 트리에서 시작한다. 반복 사이클에 걸친 비용의 분산은 소프트웨어 온도를 정의하며, 이는 모델의 샘플링 온도와 함께 상승하였다. 성공한 실행의 토큰 약 80%는 요청된 변경을 제자리에 둔 채로 남기는 모델 호출에서 생성되며, 이 토큰을 열이라 부른다. Jarzynski 등식에 대한 유비로 추정한 변경의 자유 에너지는 성공한 코딩 실행 평균 비용의 14~22%이다. 코딩은 언코딩보다 1.1~1.5배의 비용이 든다. 이 악마는 불완전하여, 테스트 스위트의 판정은 환경에 따라 달라지며 깨진 변경을 받아들이는 스위트는 토큰 측면의 비용을 초래한다. 제안한 이론의 실용적 함의는 열역학의 관점에서 코딩 에이전트를 분석하고 최적화하는 새로운 도구가 될 수 있다는 점이다.
언어 모델은 보상 해킹, 기만, 아첨과 같이 대화 기록만으로는 탐지하기 어려운 행동을 점점 더 많이 보인다. 어시스턴트에게 자신의 행동에 대해 후속 질문을 하는 것은 신뢰할 수 없는데, 모델은 일반적으로 자신의 부적절한 행동을 보고하도록 학습되지 않기 때문이다. 그 결과 감독 접근법은 보통 외부 모델에 질의하는 방식을 취한다. 이들에는 한계가 있는데, 외부 대화 기록 모니터링은 눈에 보이는 모델 출력에서만 작동하고, 활성화 디코더는 전체 맥락이 부족하며 작화(confabulation)에 취약하다. 본 논문은 어시스턴트에 대한 임의의 질문에 답하도록 모델 안에 새로운 역할을 학습시키고, 어시스턴트의 실제 행동과 대조해 검증된 답변에 보상을 주는 내성적 감독을 제안한다. 이를 위해 이러한 질의에 답하는 별도의 3인칭 관찰자 역할을 추가하며, 이는 어시스턴트와 분리하여 오직 정확도만을 위해 학습시킬 수 있다. 다섯 가지 보류(held-out) 감독 평가에서, Qwen3.6-27B로 학습한 관찰자는 평균 AUROC 0.907을 얻어 정직성 학습(0.864), 대화 기록 모니터링(0.828), 활성화 오라클(0.796)을 능가한다. 또한 관찰자를 학습시키면 어시스턴트 자체도 모니터링하기 쉬워지며, 모든 베이스라인 방법이 미세조정된 어시스턴트에 적용될 때 평균적으로 향상됨을 확인하였다. 이러한 결과는 검증 가능한 자기 관련 질문에 답하도록 모델을 학습시키는 것이 의도치 않은 행동을 감독하는 데 실현 가능한 접근법임을 시사한다.
동물은 신경 회로, 신체, 환경 사이의 지속적인 상호작용을 통해 행동을 만들어 낸다. 체화 시뮬레이션은 생물학적으로 현실적인 환경에서 신경 회로 모델을 시험함으로써 이러한 상호작용을 연구한다. 최근의 노력들은 다양한 동물을 시뮬레이션해 왔고, 생물학적으로 근거를 둔 신경 구조에 관한 신생 연구는 실험 데이터의 회로 연결성과 단일 뉴런 동역학을 인공 신경망에 통합하기 시작하여, 더 강한 귀납적 편향과 생물학과의 더 가까운 기전적 정합을 도입하고 있다. 점점 더 복잡한 신체와 신경 회로의 연구를 가능하게 하는 체화 시뮬레이션을 어떻게 개발할 수 있을까? 본 연구에서는 시뮬레이션된 신체, 신경 구조, 학습 인프라의 조율된 발전을 통해 이 과제를 다룬다. 쥐 행동을 시뮬레이션하기 위한 효율적이고 유연한 생체역학적 신체인 Rat v2를 소개한다. 이 신체를 제어하기 위해, 세포 유형별 연결성과 새로운 굴근-신근 신경역학 인터페이스를 포함하는, 포유류 척수 회로에 기반한 생물학적 근거 보행 신경 구조 Rat NCAP을 개발한다. 회로 파라미터를 최적화하기 위해 GPU 가속 시뮬레이션 및 학습 인프라를 개발한다. 이 모델은 모방 학습 없이 다양한 속도로 이동하고 보행 패턴 사이를 전환하는 법을 학습하며, 실험 데이터와 일치하는 보행 통계, 운동학, 세포 유형별 신경 활동을 만들어 낸다. 분석 결과 신경역학 인터페이스가 학습 가능성과 보행 품질에 크게 영향을 미치며, 인 실리코 세포 유형 제거가 알려진 보행 표현형을 재현하고 단계적 교란 하에서의 보행 변화를 예측함을 보인다. 이러한 발견은 중간 수준의 추상화에서의 체화 시뮬레이션이 복잡한 행동을 재현하는 동시에 그것을 만들어 내는 신경 회로에 대한 기전적 통찰을 제공할 수 있다는 관점을 뒷받침한다.
출판자는 이미지를 수정하여 재발행하는 경우가 많지만, 유효한 워터마크가 대체된 이전 판본이나 승인되지 않은 편집본에 남아 있을 수 있다. 현재 판본조차도 서로 다른 개정 시점에 마지막으로 승인된 영역을 포함할 수 있다. 본 논문은 재발행 가능한 출처 증명(reissuable provenance)을 도입하고 형式화한다. 이는 이미지가 현재 판본인지, 대체된 판본인지, 미발행 상태인지를 판정하고, 각 영역이 마지막으로 승인된 개정(세대)을 복원하며, 증거가 불충분할 때는 판정을 유보하는 것이다. 세대 층서 필드(Generational Stratigraphy Fields, GSF)는 워터마크 증거와 현재 판본에 대한 인증된 실시간 참조를 결합하여, 이미 유통된 사본을 다시 쓰지 않고도 교체 또는 폐기를 가능하게 한다. 각 재발행에서는 승인된 영역에 새로운 세대 라벨을 새로 삽입하고 그 외 영역에는 상속된 라벨을 삽입하므로, 이전 워터마크가 연속된 편집을 견디고 살아남을 필요 없이 이력이 보존된다. 본 연구의 완전 출력 재발행 평가는 480개의 이력을 네 차례의 릴리스에 걸쳐 추적하며 각 AI 편집기의 전체 출력을 그대로 유지한다. GSF는 발행된 이미지를 현재 판본 또는 대체된 판본으로 분류하는 데 99.67%의 정확도를, 미발행 편집본에 대해 94.09%의 재현율을 달성한다. 세 차례 재발행한 후에도 하나의 세대 지도가 시간과 위치를 함께 제공하여, 영역별 라벨을 중앙값 93.13%의 정확도로 복원하고 최신 승인 개정을 92.86%의 IoU로 위치 지정한다. 영역별 라벨은 발행 상태 인식을 저해하는 시험된 전송 변환 아래에서도 판독 가능하다. 따라서 워터마크는 누가 이미지를 발행했는지, 현재 어느 판본이 공식인지, 각 영역이 언제 마지막으로 승인되었는지를 표현할 수 있다.
양자화는 트랜스포머의 메모리 저장량, 계산 복잡도, 전력을 줄이는 효과적인 기법이며, 가중치의 이진화는 이러한 요구를 충족하는 데 중요하다. 근사 메모리는 메모리 전력을 더욱 줄일 수 있으나 오류를 유발한다. 이진 트랜스포머에 대한 현재 연구는 과제 성능에 초점을 맞추고 있으며, 메모리 오류에 대한 모델의 신뢰성 있는 동작은 충분히 연구되지 않았다. 본 논문에서는 먼저 Bidirectional Encoder Representations from Transformers(BERT)를 사례로 이진 트랜스포머의 신뢰성을 평가한다. 큰 정확도 손실은 높은 비트 오류율(예: BER = 5% 또는 10%)에서만 발생한다. 이어서 매우 낮은 오버헤드로 이진 가중치를 보호하는 새로운 순열 불변성 기반 선택적(PIES) 기법을 제안한다. 이 기법은 행과 열의 순열에 대한 트랜스포머의 불변성을 활용하여 핵심 가중치를 한데 모으고 해당 가중치에 선택적 보호를 수행한다. 시뮬레이션 결과, PIES는 BER이 10%에 이르는 경우에도 비트 오류로 인한 성능 손실 대부분을 회복할 수 있으며, 오버헤드는 기존 오류 정정 기법보다 크게 낮다. 이러한 결과는 자원이 제한된 저전력 엣지 기기에서 공격적인 전압 스케일링을 적용한 근사 메모리로 이진 트랜스포머를 구동하는 것이 실현 가능함을 확인해 준다. PIES의 코드는 github(https://github.com/YangZhutian/binary-transformer-prefix-repair)에 공개되어 있다.
언어 모델 에이전트의 도구 호출이 중단되었을 때, 그 동작은 확인 없이 이미 외부 시스템을 변경했을 수 있다. 재시도는 중복의 위험이 있으며, 성공을 가정하면 실제로 일어나지 않은 동작을 가릴 수 있다. 본 연구는 권한 부여, 동작 원장, 대상 측 멱등성, 정합성 대조, 증거 봉인을 결합한 통제된 에이전트 런타임에서 이러한 실패 양상을 연구한다. 단일 호스트의 열 가지 결함 유형을 주입하고, 런타임 원장과 분리된 대상 측 오라클을 사용하여 네 가지 구성과 세 가지 제거 실험을 비교한다. Windows와 Linux 각각에서 24개의 구성된 사례로부터 수집한 96개의 모델 응답을 사용하여 7,513회의 시행을 수행했다. 알려진 원본 크래시와 재생 쌍 200건에서 전체 구성은 반복된 효과가 0/200건이었던 반면, 각 단순 기준선은 117/200건이었다. 원장 관련 제거 실험에서는 고아 효과가 170/170건으로 전체 구성의 0/170건과 대비되었고, 복구 성공은 200/300건으로 전체 구성의 300/300건과 대비되었다. 정합성 대조를 비활성화하면 중복이 관찰되지 않았음에도 알려진 효과 이후 크래시 결과 100/100건이 모호하게 남았다. 초기 결과 이후에 설계되어 동일한 입력을 재사용한 별도의 보충 실험은 응답 손실 또는 지연 상황에서 유사한 양상을 보였다. 전체 런타임의 처리량은 페일 오픈 방식의 약 7분의 1이었고, 주입된 증거 기록 결함은 플랫폼당 100회 중 75회의 시행을 미해결 상태로 남겼다. 이러한 결과는 중복 억제와 복구를 구별하며, 시험된 벤치마크 내에서 측정된 신뢰성과 성능 간의 상충 관계를 규명한다.
Systematic Mapping Protocol. Generative AI-Augmented Requirements Engineering: A Systematic Mapping Study of Practices, Specifications, and Reuse in Software Development
생성형 인공지능(GenAI), 특히 대규모 언어 모델(LLM)이 요구공학(RE)에서 빠르게 도입되고 있다. 기존 2차 연구는 어떤 RE 활동이 지원되는지와 어떤 프롬프트 전략이 사용되는지를 규명해 왔으나, GenAI 증강 RE가 산출하는 명세가 무엇이며 명세 주도 개발(SDD), 설계 및 코드 생성, 테스트 도출, 검증, 재사용과 같은 후속 활동에서 어떻게 사용되는지에 대해서는 거의 알려져 있지 않다. 본 문서는 GenAI 증강 RE에 관한 연구를, 특히 그것이 생성하는 작업 산출물과 그 하위 단계 활용에 주목하여 식별하고 분류할 체계적 매핑 연구(SMS)의 프로토콜을 제시한다. 이 프로토콜은 연구 질문과 그 분류 체계, 검색 전략, 연구 선정 절차, 데이터 추출 양식, 분석 접근법, 도구 지원, 타당성 위협을 정의한다. 이는 사전 약속을 확립하고 연구의 투명성과 반복 가능성을 뒷받침하기 위해 미리 공개된다.
임상 인터뷰는 우울증 평가의 핵심이지만 시간이 많이 들고 평가자에 따라 달라진다. 자동 중증도 추정은 확장 가능한 선별을 제공하지만, 기존 방법은 면담자의 발화를 유지하여 참여자의 단서를 교란하거나, 모달리티를 늦게 융합하여 세밀한 교차 모달 동역학을 잃거나, 증상을 독립적으로 채점하여 증상 간 상관관계를 무시하는 경우가 많다. 본 논문은 준임상 인터뷰로부터 우울증 중증도를 추정하는, 화자 인식 및 증상 구조화 프레임워크인 SIGMA를 제시한다. SIGMA는 화자 분리를 사용하여 입력을 참여자 발화로 한정하고, 인코딩 중 텍스트, 오디오, 비디오가 서로를 조건으로 삼도록 교차 어텐션을 사용하며, 공유된 잠재 중증도 특성과 문항별 순서형 임계값을 통해 여덟 개 설문 문항을 함께 예측하는 단계 반응 헤드를 사용한다. Extended Distress Analysis Interview Corpus에서 SIGMA는 최고 수준의 성능(다섯 시드에 걸쳐 CCC 0.762, RMSE 4.13, MAE 3.30)을 달성한다. 제거 실험은 참여자 발화 분리와 결합적·구조적 증상 예측이 각각 일치도와 추정 정확도를 상당히 향상시킴을 확인한다.
병원은 매년 수천 시간의 수술 영상을 기록하지만, 이러한 아카이브는 내용으로 검색하기가 여전히 어렵다. 외과의는 유사한 수술, 합병증, 워크플로 이벤트를 쉽게 검색할 수 없다. 기존 수술 컴퓨터 비전은 주로 관련 영상을 검색하기보다 라벨을 생성한다. 본 논문은 수술 분야 최초의 콘텐츠 기반 영상 간 검색 벤치마크인 SurgCBVR를 소개한다. 이 벤치마크는 안과, 복강경, 로봇 보조, 대장내시경의 네 도메인에 걸친 여덟 개의 공개 데이터셋을 통합하며, 여섯 가지 수술 유형, 679건의 사례, 76,489개의 클립(106시간)을 포괄한다. SurgCBVR는 두 단계로 구성된다. 장면(Scene) 단계는 사례와 기관을 넘어 동일한 수술 상태를 검색하고, 워크플로(Workflow) 단계는 단계 전환과 이탈을 검색하고 위치를 특정한다. 장면 단계는 40개 클래스, 세 가지 시간적 세분도, 세 가지 재생 속도에 걸친 74,765개 클립을 포함하며, 워크플로 단계는 1,724개의 전환 클립을 포함한다. 고정된 클립 길이와 프레임 수, 그리고 단계 분류기 오라클 및 지속 시간 전용 기준선은 라벨 및 타이밍 지름길을 평가하는 데 도움이 된다. 동일 수술 유형으로 제한한 데이터셋 내, 데이터셋 간, 통합 갤러리 검색을 사용하여 여섯 개의 범용 및 수술 파운데이션 모델, 두 가지 영상 검색 방법, SurgCBVR로 학습된 대조 헤드를 평가한다. 고정된 표현은 타이밍 전용 기준선을 간신히 넘어서고, 전환 검색은 우연 수준에 근접하며, 학습된 헤드는 데이터셋 간에 정확도의 최대 절반을 잃는다. 이러한 결과는 현재 영상 표현의 상당한 한계를 드러내며, SurgCBVR를 수술 인식 검색을 발전시키기 위한 벤치마크로 확립한다.