PyTorchKR Papers

최신 논문

총 24,820편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 카테고리 구독

arXiv:2603.19008v2cs.CL

HYPER: 증거 탐색 검색을 위한 가설 기반 계획

HYPER: Hypothesis-Guided Planning for Evidence-Seeking Retrieval

검색 증강 생성(RAG)은 외부의 비매개변수적 지식에 생성을 근거 짓게 함으로써 대규모 언어 모델(LLM)을 개선한다. 그러나 그럴듯한 대안들 중에서 진단을 고르는 것처럼 경쟁하는 가능성 사이에서 선택해야 하는 과제에서는, 주제와 관련된 문맥만으로는 최종 결정을 이끌기에 불충분한 경우가 많다. 이 문제를 해결하기 위해 우리는 RAG를 주제 지향 검색에서 증거 지향 검색으로 전환하는, 학습이 필요 없는 사전 검색 계획 프레임워크인 HYPER(Hypothesis-Guided Planning for Evidence-Seeking Retrieval)를 제안한다. HYPER는 잠정적 답변 가설을 계획의 기준점으로 사용한다. 그런 다음 검색을 세 가지 증거 역할로 분해한다. Support는 잠정 답변을 뒷받침하는 증거를 찾는다. Distinction은 경쟁하는 대안들을 구분하는 기준을 검색한다. Feature는 결정에 필요한 질문의 두드러진 특징을 근거 짓는다. 이 계획 단계는 검색을 결정 경계 근처의 증거로 유도하여, 생성기가 필요한 선택에 더 직접적으로 부합하는 문맥으로부터 답할 수 있게 한다. 단일 질의 검색이 검색 없는 사고 연쇄 프롬프팅보다 낮은 성능을 보이는 MedQA와 MMLU-Med에서, HYPER는 열 개의 기준선 중 가장 높은 평균 정확도를 달성하였으며, Simple RAG 대비 각각 5.9점과 3.6점 향상되었다. 이러한 이득은 질문당 LLM 호출 두 번을 추가하는 비용으로 MMLU-Pro의 14개 주제에도 전이된다. 코드는 https://github.com/hangeol/HypothesisRAG 에서 확인할 수 있다.

arXiv:2603.17102v3cs.CL

교차 언어 불일치를 이용한 전문가 혼합 LLM의 지식 위치 규명

Knowledge Localization in Mixture-of-Experts LLMs Using Cross-Lingual Inconsistency

최신 LLM은 언어에 따라 행동에 상당한 편차를 보이며, 예를 들어 어떤 언어에서는 사실 정보를 상기할 수 있지만 다른 언어에서는 그렇지 못하다. 이는 일반적으로 완화해야 할 문제로 연구되지만, 본 연구에서는 이러한 교차 언어 불일치를 전문가 혼합(MoE) LLM의 해석 가능성을 위한 도구로 활용할 것을 제안한다. 우리의 지식 위치 규명 프레임워크는 모델이 정보를 올바르게 상기하는 언어 집합과 실패하는 언어 집합의 라우팅을 대조한다. 이를 통해 특정 지식에 대한 답변에서 기능적 역할을 하는 모델 구성 요소를 분리할 수 있다. 본 방법은 두 단계로 진행된다. (1) 다양한 언어에 걸쳐 어려운 사실 질문으로 모델에 질의하여 "성공" 및 "실패" 활성화 버킷을 생성하고, (2) MoE 라우터 로짓에 통계적 대조 분석을 적용하여 지식에 중요한 전문가를 식별한다. 지식 질문에 답하는 데 이 소수의 전문가가 필요함을 검증하기 위해, 이들을 비활성화한 뒤 질문을 다시 한다. 6000개의 전문가 중 약 20개만 비활성화했음에도 모델이 40% 이상의 경우에서 더 이상 올바르게 답하지 못함을 확인하였다. 전반적으로 이 방법은 점점 복잡해지는 LLM을 다루기 위한 현실적이고 확장 가능한 지식 위치 규명 접근법을 제공한다.

arXiv:2603.15926v2cs.LG

인과 발견 알고리즘 전반의 경로 특이적 공정성 감사: 심부전 사례 연구

Auditing Path-Specific Fairness Across Causal Discovery Algorithms: A Heart Failure Case Study

인과 발견은 의료 데이터에 점점 더 많이 적용되고 있으며, 이때 복원된 관계는 하위 예측으로 전파되는 편향된 경로를 내포할 수 있다. 직접, 간접, 허위 효과 분해와 공정성-유용성 비율 평가를 통한 경로 특이적 공정성 분석은 편향과 이에 수반되는 예측 비용을 정량화할 수 있게 한다. 그러나 공정성 제약 하에서의 인과 발견에 대한 기존 평가는 대체로 비임상 데이터셋을 사용했고 교란 변수의 기여와 매개 변수의 기여를 구분하지 않았으므로, 발견 알고리즘의 선택이 경로 특이적 공정성을 거쳐 임상 환경에서의 유용성 상충 관계에 어떻게 전파되는지는 미해결로 남아 있다. 본 연구는 심부전 임상 기록 데이터셋에 대해 전문가가 도출한 인과 그래프 벤치마크를 구축하고, 종합 및 변수별 공정성 분해와 공정성-유용성 비율을 통해 발견 알고리즘을 추적함으로써 이 공백을 해소한다. ICA-LiNGAM은 가장 낮은 구조적 해밍 거리와 가장 높은 재현율을 달성하였고, GES는 가장 높은 정밀도를 달성하였다. 경로 특이적 효과에서는 원래 그래프와 발견된 그래프 간에 전체 인과 공정성에 대한 박출률(ejection fraction) 매개 효과가 1.2%p 차이가 났다. 이는 결국 공정성-유용성 비율의 변동으로 이어졌으며, 세밀한 평가의 필요성을 부각한다. 이러한 결과는 발견 알고리즘을 고려한 경로 특이적 공정성 평가가 임상 환경에서 중요하며 임상 위험 모델의 정기 감사에 포함되어야 함을 시사한다.

arXiv:2603.13669v3cs.CV

SHAMISA: 자기지도 무참조 영상 품질 평가를 위한 암묵적 구조적 연관성의 형상화 모델링

SHAMISA: SHAped Modeling of Implicit Structural Associations for Self-supervised No-Reference Image Quality Assessment

무참조 영상 품질 평가(No-Reference Image Quality Assessment, NR-IQA)는 원본 참조 영상 없이 지각적 품질을 추정하는 것을 목표로 한다. NR-IQA 모델을 학습하려면 비용이 많이 드는 인간의 지각 레이블이 다량으로 필요하므로 근본적인 병목에 직면한다. 본 논문에서는 명시적으로 구조화된 관계적 지도를 통해 레이블이 없는 왜곡 영상으로부터 학습하는 비대조적 자기지도 프레임워크인 SHAMISA를 제안한다. 엄격한 이진 유사도 제약을 부과하는 기존 방법과 달리, SHAMISA는 왜곡 인식적이면서 내용 민감적인 부드럽고 제어 가능한 암묵적 구조적 연관성을 형성한다. 핵심 혁신은 합성적 왜곡 엔진으로, 연속적인 매개변수 공간에서 셀 수 없이 많은 열화 계열을 생성하고, 한 번에 정확히 하나의 왜곡 요인만 변하도록 결과 영상들을 묶는다. 이러한 구성은 학습 중 표현 유사도에 대한 세밀한 제어를 가능하게 한다. 공통된 왜곡 패턴을 가진 영상들은 임베딩 공간에서 서로 가까워지고, 심각도의 변화는 구조적인 이동을 만든다. 이중 출처 관계 그래프는 사전 학습 전반에 걸쳐 알려진 열화 프로파일과 창발적 구조적 친화성을 통합한다. 이후 학습된 인코더를 고정하고 선형 회귀기와 결합한다. 합성, 실제, 교차 데이터셋 NR-IQA 벤치마크에 대한 광범위한 실험은 강력한 전반적 성능, 보고된 교차 데이터셋 비교에서의 향상된 전이, 그리고 우수한 정성적 강건성 진단 결과를 보여준다. 자기지도 사전 학습에는 IQA 의견 점수 주석이나 대조 손실이 필요하지 않다.

arXiv:2603.09145v4cs.LG

확장 기반 클래스 점진 학습을 위한 반사실적 특징 정규화

Counterfactual Feature Regularization for Expansion-Based Class-Incremental Learning

현재의 확장 기반 클래스 점진 학습(Class Incremental Learning, CIL) 방법은 기존 특징을 고정함으로써 파국적 망각을 효과적으로 완화한다. 그러나 새로운 과제로부터 학습된 이러한 과제 특화 특징은 기존 특징과 충돌할 수 있다. 인과적 관점에서 볼 때 허위 특징 상관관계가 이러한 충돌의 주된 원인이며, 이는 두 가지 범위로 나타난다. (i) 경험적 위험 최소화(ERM)에 의해 유도되어, 과제 내 허위 상관관계가 과제 특화 특징이 지름길 특징에 의존하게 만든다. 이러한 비강건 특징은 간섭에 취약하여 불가피하게 다른 과제의 특징 공간으로 이동한다. (ii) 과제 간 허위 상관관계는 과제들에 걸쳐 시각적으로 유사한 클래스 사이에 의미적 혼동을 일으킨다. 이를 해결하기 위해 본 논문에서는 CIL의 특징 확장을 유도하는 필요충분 확률(Probability of Necessity and Sufficiency, PNS) 기반 정규화 방법을 제안한다. 구체적으로, 먼저 PNS의 정의를 확장 기반 CIL로 확장하여 CPNS라 명명하며, 이는 과제 내 표현의 인과적 완전성과 과제 간 표현의 분리 가능성을 모두 정량화한다. 이어서 CPNS의 측정을 보장하기 위해 쌍둥이 네트워크 기반의 이중 범위 반사실 생성기를 도입하며, 이는 동시에 (i) 과제 내 PNS 위험을 최소화하고 과제 특화 특징의 인과적 완전성을 보장하는 과제 내 반사실 특징과, (ii) 과제 간 PNS 위험을 최소화하여 과제 간 표현의 분리 가능성을 보장하는 과제 간 간섭 특징을 생성한다. 이론적 분석은 그 신뢰성을 확인한다. 이 정규화는 확장 기반 CIL에서 특징 충돌을 완화하기 위한 플러그 앤 플레이 방법이다. 광범위한 실험은 제안 방법의 효과를 입증한다.

arXiv:2602.23276v3cs.AI

CXReasonAgent: 흉부 X선을 위한 근거 기반 진단 추론 에이전트

CXReasonAgent: Evidence-Grounded Diagnostic Reasoning Agent for Chest X-rays

흉부 X선은 흉부 진단에서 핵심적인 역할을 하며, 그 판독에는 본질적으로 다단계의 근거 기반 추론이 필요하다. 그러나 대규모 시각-언어 모델(LVLM)은 진단 근거에 충실히 기반하지 않은 그럴듯한 응답을 생성하는 경우가 많고 검증을 위한 시각적 근거를 제한적으로만 제공하며, 새로운 진단 과제를 지원하려면 비용이 많이 드는 재학습이 필요하여 임상 환경에서의 신뢰성과 적응성이 제한된다. 이러한 한계를 해결하기 위해 본 논문에서는 대규모 언어 모델(LLM)을 임상적으로 근거가 있는 진단 도구와 통합하여, 영상에서 도출된 진단 및 시각적 근거를 사용해 근거 기반 진단 추론을 수행하는 진단 에이전트 CXReasonAgent를 제시한다. 이러한 능력을 평가하기 위해 12개 진단 과제에 걸친 1,946개 대화로 구성된 다중 턴 대화 벤치마크 CXReasonDail을 도입하고, CXReasonAgent가 LVLM보다 더 충실하게 근거에 기반한 응답을 생성함을 보인다. 이러한 결과는 신뢰할 수 있고 검증 가능한 진단 추론을 가능하게 하기 위해 임상적으로 근거가 있는 진단 도구를 통합하는 것이 중요함을 강조한다. 데모는 \href{https://ttumyche.github.io/CXReasonAgent_Demo/}{여기}에서 이용할 수 있다.

arXiv:2602.15198v3cs.MA

Colosseum: 협력적 다중 에이전트 시스템에서의 담합 감사

Colosseum: Auditing Collusion in Cooperative Multi-Agent Systems

LLM 에이전트가 자유 형식 언어로 소통하는 다중 에이전트 시스템은 복잡한 협력 과제를 해결하기 위한 정교한 조율을 가능하게 한다. 이는 에이전트 집단이 연합을 형성하여 담합함으로써 부차적 목표를 추구하고 공동 목표를 저해할 때 고유한 안전 문제를 야기한다. 본 논문에서는 다중 에이전트 환경에서 LLM 에이전트의 담합 행동을 감사하기 위한 프레임워크인 Colosseum을 제시한다. 우리는 형식적인 다중 에이전트 의사결정 프레임워크를 통해 에이전트의 협력 방식을 정립하고, 협력 최적 대비 후회(regret)를 통해 행동에서의 행동 기반 담합 행동을 측정하며 이를 통신 기반 담합 행동과 비교한다. Colosseum은 양성 설정, 다양한 연합 목표, 설득 전술, 네트워크 토폴로지 하에서 LLM 에이전트의 담합 여부를 감사할 수 있게 한다. 이어서 에이전트 간에 비밀 통신 채널을 만들어 새로운 행동 프로브를 도입하고, 대부분의 기성 모델이 이 프로브 하에서 담합 성향을 보임을 확인하며 이를 창발적 담합이라 부른다. 나아가 에이전트가 텍스트로는 담합을 계획하지만 실제로는 비담합적 행동을 선택하는 경우가 많은 '서류상 담합'을 발견하였다. Colosseum은 협력적 다중 에이전트 시스템에서 담합을 감사하는 새로운 방법을 제공하는 동시에, 담합이 어떻게 출현하는지, 무엇이 담합의 효능에 영향을 미치는지, 어떤 전략이 이를 완화할 수 있는지에 대한 관찰을 제시한다.

arXiv:2602.10138v2cs.CV

차트 이해를 위한 멀티모달 정보 융합: MLLM의 발전, 한계, 인지적 향상에 관한 서베이

Multimodal Information Fusion for Chart Understanding: A Survey of MLLMs -- Evolution, Limitations, and Cognitive Enhancement

차트 이해는 그래픽 데이터와 텍스트 데이터를 매끄럽게 통합하여 의미를 추출해야 하는 대표적인 정보 융합 과제이다. 멀티모달 대규모 언어 모델(MLLM)의 등장은 이 분야에 혁신을 가져왔으나, MLLM 기반 차트 분석의 양상은 여전히 파편화되어 있고 체계적인 정리가 부족하다. 본 서베이는 이 분야의 핵심 구성 요소를 구조화하여 이 초기 단계의 최전선에 대한 포괄적인 로드맵을 제시한다. 먼저 차트에서 시각 정보와 언어 정보를 융합할 때의 근본적인 어려움을 분석한다. 이어서 하위 과제와 데이터셋을 분류하고, 정규(canonical) 벤치마크와 비정규(non-canonical) 벤치마크라는 새로운 분류 체계를 도입하여 이 분야의 확장되는 범위를 부각한다. 그다음 고전적인 딥러닝 기법에서 정교한 융합 전략을 활용하는 최신 MLLM 패러다임에 이르기까지 방법론의 발전 과정을 포괄적으로 제시한다. 현재 모델의 한계, 특히 지각 및 추론 측면의 결함을 비판적으로 검토함으로써, 고급 정렬 기법과 인지적 향상을 위한 강화학습을 포함한 유망한 향후 연구 방향을 제시한다. 본 서베이는 연구자와 실무자가 MLLM이 차트 정보 융합을 어떻게 변화시키고 있는지 체계적으로 이해하도록 돕고, 더욱 견고하고 신뢰할 수 있는 시스템을 향한 진전을 촉진하는 것을 목표로 한다.

arXiv:2602.08230v2cs.CV

Generating Adversarial Events: A Motion-Aware Point Cloud Framework

Event cameras have been widely adopted in safety-critical domains such as autonomous driving, robotics, and human-computer interaction. A pressing challenge arises from the vulnerability of deep neural networks to adversarial examples, which poses a significant threat to the reliability of event-based systems. Nevertheless, research into adversarial attacks on events is scarce. This is primarily due to the non-differentiable nature of mainstream event representations, which hinders the extension of gradient-based attack methods. In this paper, we propose MA-ADV, a novel \textbf{M}otion-\textbf{A}ware \textbf{Adv}ersarial framework. To the best of our knowledge, this is the first work to generate adversarial events by leveraging point cloud representations. MA-ADV accounts for high-frequency noise in events and employs a diffusion-based approach to smooth perturbations, while fully leveraging the spatial and temporal relationships among events. Finally, MA-ADV identifies the minimal-cost perturbation through a combination of sample-wise Adam optimization, iterative refinement, and binary search. Extensive experimental results validate that MA-ADV ensures a 100\% attack success rate with minimal perturbation cost, and also demonstrate enhanced robustness against defenses, underscoring the critical security challenges facing future event-based perception systems.

arXiv:2602.06912v3cs.CV

PANC: 학습이 필요 없는 인컨텍스트 분할을 위한 사전 정보 인식 정규화 컷

PANC: Prior-Aware Normalized Cut for Training-Free In-Context Segmentation

본 연구는 외부에서 주석이 달린 컨텍스트 사전 정보를 활용한 학습이 필요 없는 인컨텍스트 분할을 다룬다. 대상 이미지와 주석이 달린 컨텍스트 이미지에서 추출한 소수의 전경/배경 토큰이 주어졌을 때, 학습, 미세조정, 대상 이미지에 대한 클릭 없이 해당 대상 개념을 분할하는 것이 목표이다. TokenCut과 같은 기존 ViT 토큰 기반 스펙트럼 방법은 클래스에 무관하여 다중 객체 장면에서 잘못된 객체를 선택할 수 있으며, 의미 정보가 적고 질감이 지배적인 도메인에서는 불안정해진다. 본 논문은 두 개의 전경/배경 앵커 노드를 통해 외부의 레이블이 있는 토큰을 고정된 ViT 친화도 그래프에 주입하는 사전 정보 인식 스펙트럼 분할 파이프라인인 PANC를 제안한다. 앵커는 대상 이미지 토큰을 고정하지 않으며, 대상 이미지의 친화도 구조를 보존하면서 정규화 컷 고유공간을 부드럽게 편향시킨다. PANC는 또한 사전 정보 인식 부호 안정화와 사전 정보 기반 임계값 설정을 사용하여 결정론적 마스크를 얻는다. 이질적인 saliency 데이터셋과 동질적인 저의미 도메인 전반에서 PANC는 아키텍처가 동일한 사전 정보 없는 토큰 그래프 기준선보다 향상된 성능을 보이며, 클래스에 무관한 saliency가 모호하거나 약한 환경에서 가장 큰 향상을 보인다.

arXiv:2602.05902v3cs.LG

CoreQ: LLM 양자화를 위한 불일치 보정 순차 반올림

CoreQ: Mismatch-Corrected Successive Rounding for LLM Quantization

사후 학습 양자화(PTQ)는 재학습 없이 사전 학습된 가중치를 저비트 형식으로 변환하여 대규모 언어 모델의 효율적인 배포를 가능하게 하며, 일반적으로 소규모 보정 데이터셋을 사용하여 계층별 보정 목적함수를 최소화한다. 그러나 이러한 순차적 절차는 불일치를 유발한다. 앞선 양자화된 계층의 오차가 이후 계층이 받는 입력을 변화시켜 활성화가 전정밀도 모델의 활성화에서 벗어나게 한다. 최근 접근법은 이 효과를 보상하기 위해 불일치 인식 보정 목적함수를 도입하지만, 관측된 불일치 중 얼마만큼을 각 계층의 보정 목표에 반영해야 하는지는 해결하지 못했다. 본 논문은 경험적 불일치 보정을 완전히 적용하면 유한한 보정 데이터에 과적합될 수 있고, 고정된 보정 계수를 사용하면 계층 간 불일치 추정치의 변동을 무시하게 됨을 보인다. 이러한 한계를 해결하기 위해 불일치의 기하학적 분해를 이용하여 닫힌 형태의 계층 적응형 보정 계수를 계산하는, 학습이 필요 없는 PTQ 프레임워크인 CoreQ를 제안한다. 이 계수는 관측된 불일치 중 얼마만큼이 각 계층의 보정 목표에 반영될지를 조절하여, 계수 튜닝 없이도 제한된 보정 데이터에 대한 과적합을 줄인다. 이후 CoreQ는 그 결과로 얻은 삼각 최소제곱 목적함수에 효율적인 탐욕적 순차 반올림을 적용한다. 제한된 빔 탐색으로 확장한 K-CoreQ는 소폭의 추가 연산을 대가로 성능을 향상시킨다. 여러 LLM 계열, 규모, 비트 폭, 양자화 설정 전반에서 CoreQ와 K-CoreQ는 강력한 PTQ 기준선보다 낮은 퍼플렉서티와 높은 하위 과제 정확도를 달성한다. 코드는 GitHub에서 확인할 수 있다.

arXiv:2601.16823v4cs.CL

체스를 이용한 대규모 언어 모델의 일반화와 암기의 분리

Disentangling generalization and memorization in large language models using chess

대규모 언어 모델(LLM)은 놀라운 능력을 보이지만, 이것이 정교한 기억 회상을 반영하는지 진정한 추론 능력을 반영하는지는 여전히 불분명하다. 본 논문은 이러한 능력을 분리하기 위한 통제된 실험 환경으로 체스를 도입한다. 게임의 구조와 확장 가능한 엔진 평가를 활용하여, 관련 사전 지식의 밀도에 따라 달라지는 국면의 분류 체계를 구성한다. 이는 암기로 해결할 수 있는 흔한 상태부터 일반화가 필요한 완전히 새로운 상태까지 아우른다. 중요한 점은 이 접근법이 모델의 학습 데이터에 대한 명시적 지식 없이도 이러한 구분을 달성한다는 것이다. 이 분류 체계를 적용하여 GPT 계열에 대한 종단적 분석과 Claude Opus 및 Gemini를 포함한 최신 모델들에 대한 엄밀한 평가를 결합한다. 분석 결과 가파른 기울기가 드러난다. 관련 사전 지식의 밀도가 낮아질수록 성능이 일관되게 저하된다. 특히 관련 사전 지식이 적은 과제에서는 기본 모델의 성능이 무작위 플레이 기준선 수준으로 후퇴하고, 모든 모델이 불법 수를 제시하는 비율이 급격히 증가하여, 낯선 국면에서 게임의 고정된 규칙을 안정적으로 적용하지 못함을 시사한다. 더 새로운 모델은 개선되지만, 사전 지식이 희소한 과제에서는 진전이 크게 둔화된다. 또한 추론 증강 추론(reasoning-augmented inference)은 성능을 향상시키지만, 관련 사전 지식이 없을 때는 토큰당 상대적 한계 이득이 감소한다. 이러한 결과는 체계적 일반화의 한계를 시사하며, 관련 사전 지식이 없는 상황에서 견고한 성능을 달성하기 위해서는 규모를 넘어서는 메커니즘이 필요함을 강조한다.

arXiv:2601.15500v5stat.ML

Rectified Flow의 저차원 적응: 확산 및 확률적 국소화 관점

Low-Dimensional Adaptation of Rectified Flow: A Diffusion and Stochastic Localization Perspective

최근 몇 년간 Rectified flow(RF)는 생성 효율성과 최고 수준의 성능 덕분에 큰 인기를 얻었다. 본 논문에서는 RF가 샘플링을 가속하기 위해 목표 분포 지지집합의 내재적 저차원성에 얼마나 잘 자동으로 적응하는지를 연구한다. 신중하게 설계된 종점 적응형 시간 이산화 방식을 사용하고 충분히 정확한 드리프트 추정이 주어지면, RF 샘플러가 (로그 인자를 제외하고) $O(k/\varepsilon)$ 차수의 반복 복잡도를 가짐을 보인다. 여기서 $\varepsilon$은 전변동 거리에서의 정밀도이고 $k$는 목표 분포의 내재 차원이다. 또한 이러한 과정과 확률적 국소화 사이의 새로운 연결을 확립함으로써, 잡음 제거 확산 확률 모델(DDPM) 절차가 RF의 확률적 버전과 동등함을 보인다. 이 연결을 바탕으로, 드리프트 추정의 정확도에 대한 완화된 요건 하에서 특정 시간 스케줄과 함께 목표 분포의 저차원성에 마찬가지로 적응하는 확률적 RF 샘플러를 추가로 설계한다. 합성 데이터에 대한 시뮬레이션과 텍스트-이미지(T2I) 데이터 실험을 통해 새로 설계한 시간 이산화 스케줄의 효용을 보인다.

arXiv:2512.20974v5cs.LG

베이지안 선형 태스크 모델을 이용한 메타-RL

Meta-RL with Bayesian Linear Task Models

심층 베이지안 강화학습은 잠재 전이 및 보상 모델을 추론함으로써 보지 못한 태스크에 적응하지만, 기존 방법은 대개 변분 사후분포와 증거 하한(evidence lower bound)에 의존하여 근사 오차와 불안정한 태스크 표현을 유발한다. 본 논문은 일반화 선형 태스크 모델과 학습 가능한 비선형 기저 함수를 결합한 심층 베이지안 RL 프레임워크 GLiBRL을 제안한다. GLiBRL은 켤레 베이지안 추론을 통해 태스크 매개변수와 모델 노이즈에 대한 정확한 순차적 사후 업데이트를 수행하며, 변분 추론을 배제하는 폐형 주변 가능도를 함께 제공한다. 이 업데이트는 본질적으로 순열 불변(permutation-invariant)이므로 GLiBRL은 오프-정책과 온-정책 알고리즘 모두와 통합할 수 있다. GLiBRL은 또한 정확한 커널 동일성(identity)을 만족하는 태스크 표현을 학습하며, 태스크 표현 간 거리를 태스크 맥락에 대한 커널 불일치와 연관 짓는다. 8개의 대표적이거나 최근 메타 강화학습 방법과 비교했을 때 GLiBRL은 MuJoCo locomotion 및 MetaWorld manipulation 벤치마크 모두에서 제로샷(zero-shot) 테스트 성능의 최고 집계 결과를 달성한다.

arXiv:2512.15729v3eess.SP

TinyMyo: 엣지에서의 유연한 EMG 신호 처리를 위한 초소형 파운데이션 모델

TinyMyo: a Tiny Foundation Model for Flexible EMG Signal Processing at the Edge

목적: 표면 근전도(EMG)는 생체역학, 재활, 의수·의족 제어, 인간-기계 인터페이스 분야에서 널리 사용된다. 피험자, 측정 시스템, 획득 프로토콜 간의 일반화는 여전히 어려운 과제이다. 기존 EMG 파운데이션 모델(FM)은 다양한 하위 작업과 저전력 기기에서의 배포에 대한 지원이 제한적이다. 방법: 본 연구에서는 공개 EMG 데이터셋을 이용해 자기지도 마스크 복원 방식으로 사전학습한 360만 파라미터 규모의 Transformer 인코더 TinyMyo를 소개한다. TinyMyo는 작업별 예측 헤드를 최소한만 변경하여 여러 작업을 지원한다. 결과: TinyMyo를 손동작 분류, 손 운동학 회귀, 발화 생성, 음성 인식에 대해 평가하였다. 손동작 분류에서 TinyMyo는 기존에 보고된 EMG FM보다 우수한 성능을 보여, NinaPro DB5에서 87.98%, UCI-EMG에서 97.1%, EPN-612에서 96.6%의 정확도를 달성하였다. 초저전력 마이크로컨트롤러인 GAP9에서 TinyMyo는 추론 시간 0.785초를 기록했으며, 평균 전력 57.18 mW에서 추론당 44.91 mJ을 소비하였다. 190만 파라미터 변형 모델은 5초 및 1초 입력 윈도우를 각각 0.496초와 0.089초에 처리하였다. 결론: TinyMyo는 소형 자기지도 EMG 인코더가 여러 하위 작업을 지원하면서 저전력 마이크로컨트롤러에서 동작할 수 있음을 보여준다. 의의: 우리가 아는 한, 이는 EMG FM을 초저전력 마이크로컨트롤러에 배포한 최초의 사례이며, 온디바이스 운동 의도 해독, 신경근 평가, 인간-기계 상호작용으로 나아가는 길을 연다.

arXiv:2510.03666v3cs.CV

MonitorVLM: 광산 작업의 안전 위반 탐지를 위한 비전-언어 프레임워크

MonitorVLM:A Vision Language Framework for Safety Violation Detection in Mining Operations

노천 및 지하 광산과 같은 고위험 분야의 산업 재해는 작업자의 불안전한 행동으로 인해 빈번히 발생한다. 전통적인 수동 점검은 여전히 노동 집약적이고 오류가 발생하기 쉬우며, 대규모의 동적인 환경에는 불충분하여 지능형 자동 안전 모니터링의 필요성이 시급함을 보여준다. 본 논문에서는 감시 비디오 스트림에서 직접 안전 위반을 탐지하도록 설계된 새로운 비전-언어 프레임워크 MonitorVLM을 제시한다. MonitorVLM은 세 가지 핵심 혁신을 도입한다. (1) 증강과 보조 탐지 단서로 보강된, 빈도가 높은 40개 광산 규정에 걸친 9,000개의 비전-질문-답변(VQA) 샘플로 구성된 도메인 특화 위반 데이터셋, (2) 가장 관련성 높은 상위 $K$개 조항을 동적으로 선택하여 정확도를 유지하면서 추론 지연 시간을 13.56% 줄이는 조항 필터(CF) 모듈, (3) 작업자 영역을 강조하여 세밀한 행동 인식을 향상시킴으로써 정밀도 3.45%, 재현율 8.62%의 추가 향상을 가져오는 행동 확대기(BM) 모듈이다. 실험 결과 MonitorVLM은 기준 비전-언어 모델을 크게 능가하며, 파인튜닝되지 않은 72B 기준 모델 대비 정밀도 22.01%, 재현율 34.22%, F1 점수 28.37%의 향상을 달성하였다. 경량 웹 기반 인터페이스는 MonitorVLM을 실제 업무 흐름에 추가로 통합하여, 비디오 타임스탬프가 포함된 자동 위반 보고를 가능하게 한다. 본 연구는 광산 및 그 밖의 분야에서 직업 안전 모니터링을 강화하는 멀티모달 대형 모델의 잠재력을 강조한다.

arXiv:2509.19405v3cs.NI

모바일 데이터 증강을 통한 야외 다중 셀 핑거프린팅 기반 측위 성능 향상

Improving Outdoor Multi-cell Fingerprinting-based Positioning via Mobile Data Augmentation

셀룰러 네트워크에서의 정확한 야외 측위는 희소하고 이질적인 측정 데이터 수집과 전수 현장 조사에 드는 높은 비용으로 인해 어려움을 겪고 있다. 본 논문은 사업자가 수집한 MDT(minimization of drive test) 기록을 사용하여 다중 셀 핑거프린팅 기반 측위를 향상시키도록 설계된 경량의 모듈형 모바일 데이터 증강 프레임워크를 제안한다. 제안하는 접근법은 공간 특징과 무선 특징의 합성을 분리한다. 커널 밀도 추정(KDE)은 경험적 공간 분포를 모델링하여 지리적으로 일관된 합성 위치를 생성하고, 1-최근접 이웃(1NN) 기반 블록은 셀별로 증강된 무선 핑거프린트를 생성한다. 이 구조는 의도적으로 학습이 필요 없고 해석 가능하며, 분산형 또는 온프레미스 사업자 환경에 적합하여 프라이버시를 고려한 워크플로를 지원한다. 본 연구는 각 증강 모듈을 독립적으로 검증하고, 이탈리아 이동통신 사업자가 제공한 실제 MDT 데이터셋을 사용하여 다양한 도심 및 도시 근교 시나리오에서 핑거프린팅 기반 측위에 대한 종단 간 영향을 평가한다. 결과는 제안한 KDE-1NN 증강이 최신 접근법 대비 측위 성능을 일관되게 향상시키며, 중앙값 측위 오차를 최대 30% 감소시킴을 보여준다(특히 매우 희소한 고속도로 시나리오에서 증강 비율 x30일 때 달성되었다). 또한 지역에 따라 포화 효과가 나타나는 것을 관찰하였으며, 이는 사용자 밀도가 높은 시나리오에서 가장 빠르게 나타나고 추가 합성 샘플로 인한 정보 이득이 빠르게 감소한다. 전반적으로 이 프레임워크는 기존 모바일 데이터 트레이스를 활용하여 사업자의 측위 서비스를 향상시키는 실용적이고 낮은 복잡도의 방안을 제시한다.

arXiv:2509.10780v3cs.HC

K-12 교사가 생성형 AI를 지역 교실 요구에 맞게 조정하는 방식: 생성형 AI 기본값과 일상적 교수 실천 사이의 문화적 거리

How K-12 Teachers Adapt Generative AI to Local Classroom Demands: Cultural Distance Between GenAI Defaults and Everyday Teaching Practices

생성형 AI(GenAI)가 K-12 교실에 도입되고 있지만, 그 기본 문화는 지역의 교수 현장에 항상 부합하지는 않는다. 기존 설명은 이러한 불일치를 거시적 수준의 구조적 편향으로 간주하거나 단일 사례 연구를 통해 살펴보는데, 어느 쪽도 교사가 다양한 과업에서 결과물을 사용할 수 있게 만들기 위해 얼마나 많은 노력을 들여야 하는지를 포착하지 못한다. 이 탐색적·이론 구축적 질적 연구는 GenAI의 기본 문화적 레퍼토리와 교사 실천의 상황적 요구 사이의 간극인 문화적 거리를 제시한다. GenAI를 자주 사용하는 K-12 교사 30명(남아프리카공화국, 대만, 미국 각 10명)을 면담하여, 교사가 들인 노력과 그 노력이 사용 가능한 결과물로 이어졌는지에 따라 정의되는 세 수준을 도출하였다. 낮음(사소한 수정), 중간(지속적인 프롬프트 작성과 수정), 높음(지원되지 않는 언어, 디지털화되지 않은 지식, 정책 필터에 뿌리를 둔 구조적 간극으로, 어떤 교사의 노력으로도 해소할 수 없는 경우)이다. 우리는 문화적 거리를 추가 검토가 필요한 유망한 틀로 제시하고, 설계자, 정책 입안자, 교육자에 대한 시사점을 논의한다.

arXiv:2507.19881v4cs.CV

FedS2R: 자율주행에서 합성-실제 시맨틱 분할을 위한 원샷 연합 도메인 일반화

FedS2R: One-Shot Federated Domain Generalization for Synthetic-to-Real Semantic Segmentation in Autonomous Driving

연합 도메인 일반화는 원시 데이터를 공유하지 않고 여러 클라이언트 간 협력적 학습을 가능하게 함으로써 이미지 분류에서 유망한 진전을 보여왔다. 그러나 자율주행의 시맨틱 분할에서의 잠재력은 아직 충분히 탐구되지 않았다. 본 논문에서는 자율주행에서 합성-실제 시맨틱 분할을 위한 최초의 원샷 연합 도메인 일반화 프레임워크인 FedS2R을 제안한다. FedS2R은 두 가지 구성 요소로 이루어진다: 불안정한 클래스에 대한 이미지를 생성하는 불일치 기반 데이터 증강 전략, 그리고 특징 융합을 포함한 다중 클라이언트 지식 증류 방식으로 여러 클라이언트 모델로부터 글로벌 모델을 증류한다. Cityscapes, BDD100K, Mapillary, IDD, ACDC 등 다섯 개의 실세계 데이터셋에서의 실험 결과, 글로벌 모델은 개별 클라이언트 모델을 크게 능가하며 모든 클라이언트 데이터에 동시에 접근하여 학습한 모델보다 mIoU 2점만 낮다. 이러한 결과는 연합 학습 하에서 자율주행을 위한 합성-실제 시맨틱 분할에서 FedS2R의 효과를 입증한다.

arXiv:2506.22992v2cs.AI

MARBLE: 공간 추론과 시각적 추상화를 위한 에이전트 벤치마크

MARBLE: An Agentic Benchmark for Spatial Reasoning and Visual Abstraction

실제 과업에서 멀티모달 언어 모델(MLLM)의 핵심 과제는 시각적 관찰을 구조화된 공간 상태로 추상화하고, 장기 지평에 걸쳐 행동에 따라 그 상태가 어떻게 변하는지를 추론하는 것이다. 기존 멀티모달 벤치마크는 답을 이미지에서 직접 추출할 수 있는 정적 질의응답에 초점을 맞추거나, 기호적 상태가 주어진다고 가정하여 시각-공간 추상화 과정을 우회하는 경우가 많다. 본 논문은 세 가지 에이전트 환경인 CUBE, MAZE, BLOX에 걸쳐 공간에 기반한 멀티모달 추론과 계획을 진단하는 벤치마크 MARBLE을 제시한다. MARBLE은 기하학적 제약, 동적 배치, 공간 변환 하의 2D 및 3D 공간 퍼즐을 포괄하며, 난이도는 관찰 형식과 계획 지평이라는 두 축을 따라 체계적으로 조절된다. 광범위한 평가 결과, 최첨단 MLLM은 MARBLE에서 어려움을 겪으며, 가장 강력한 모델인 GPT-5.4도 가장 어려운 설정에서 세 환경 평균 성공률이 7.3%에 그쳤다. 오픈 웨이트 모델에 대한 쌍별 절제 실험은 시각-공간 추상화가 주요 병목임을 보여준다. 모델이 사람이 주석한 상태를 받는 대신 이미지에서 공간 상태를 추론해야 할 때, 성공률은 Gemma-4-31B에서 50.7%에서 3.7%로, Kimi-K2.6에서 87.9%에서 6.5%로 떨어졌다. 이 결과는 모델이 계획에 앞서 시각적 관찰로부터 정밀한 공간 상태를 구성하지 못하는 경우가 많음을 나타내며, 이는 인간에게는 간단한 과업이다. 종합하면 MARBLE은 최첨단 MLLM의 신뢰할 수 있는 시각-공간 추상화에서의 격차를 드러내며, 공간에 기반한 멀티모달 추론과 계획의 진전을 측정하기 위한 통제된 테스트베드를 제공한다.