임상 진료는 폐루프를 이룬다. 임상의는 일부 근거를 관찰해 환자 상태를 추론하고 개입하며, 각 개입은 다음에 무엇을 관찰할지 결정한다. 따라서 임상 의사결정은 부분 관측 마르코프 결정 과정(POMDP)이다. 불규칙하고 불완전하며 여러 모달리티에 걸친 기록으로 잠재 환자 상태에 대한 믿음 분포를 갱신해야 한다. 하지만 대부분의 심층 임상 모델은 한 시점의 정보나 거칠게 집계한 이력으로 예측한다. POMDP 기반 임상 방법은 사람이 정의한 이산 상태 공간과 전이 모델을 필요로 하는데 실제 전자 건강 기록에서는 이를 얻을 수 없다. 후향적 진료 궤적에서 확률적 믿음 상태를 직접 학습하는 OICycle(Observe, Infer, and Intervene Cycle)을 소개한다. 매 에피소드에서 학습한 순환 연산자가 이전 믿음 분포에서 뽑은 샘플, 새로운 멀티모달 관측, 해당 관측이 나오게 한 개입을 융합한다. 그 결과인 가우스 믿음 분포를 바탕으로 임상의의 다음 개입, 다음 에피소드까지 걸리는 시간, 다음 에피소드의 사망 여부를 예측하도록 학습한다. 평가를 재현할 수 있도록 MIMIC-IV, MIMIC-IV-Note, MIMIC-CXR에서 만든 벤치마크를 공개한다. 입원 72,075건의 검사실·미생물·영상의학·처방·진료 노트 기록 540만 건을 시간순의 치료·진단 에피소드로 정리했다. 이력 사용 여부만 다른 모델과 비교해 OICycle은 다음 개입의 적응형 재현율을 0.253에서 0.347로, 다음 에피소드까지 걸리는 시간의 매크로 F1을 0.293에서 0.351로, 다음 에피소드 사망 여부의 매크로 F1을 0.585에서 0.649로 높였다. 분석 결과 학습한 믿음 상태에는 개입의 유형과 진료 궤적에서의 위치가 인코딩되며, 에피소드가 진행됨에 따라 부드럽게 달라졌다. 이력의 이점은 이전 소견에 따라 시행 순서가 달라지는 개입에 집중됐다.
대형 항공 플랫폼은 개방 수역 수색·구조(OW-SAR)의 효율을 높이기 위해 고도 1.5km 이상에서 운용하는 경우가 많다. 그러나 촬영 거리가 멀고 시야가 넓으며 센서 해상도에 한계가 있어 물체가 몇 픽셀의 크기로만 나타난다. 이 때문에 환경 간섭에 취약하고 일반적인 소형 객체보다 검출하기 어렵다. 우리가 아는 한 기존 데이터셋은 저고도 상황에 초점을 맞췄으며, 1.5~2.0km 고도에서의 자동 검출을 지원하지 않는다. 구명환을 검출 대상으로 삼은 고고도 개방 수역 수색·구조용 초소형 객체 검출 데이터셋 TinyWOD를 제시한다. 다양한 환경, 조명 조건, 물의 색, 수면 잔물결을 포함하며, 수동으로 주석을 단 이미지 11,359장과 객체 인스턴스 19,505개로 구성된다. 기존 데이터셋보다 물체가 훨씬 작고 초소형 인스턴스의 비율도 훨씬 높다. 평균 등가 변 길이(ESL)는 12.7픽셀이며, 인스턴스의 76.96%가 15픽셀 미만이다. 이는 실제 고고도 수상 구조 촬영 조건을 반영한다. 초소형 객체 검출 평가지표 APtiny를 정의하고, 이를 기존 평가지표와 함께 사용해 널리 쓰이는 신경망 및 최신 최고 성능 신경망을 평가했다. 평가한 모든 신경망이 수면의 초소형 객체를 효과적으로 검출해 TinyWOD를 여러 모델에 재사용할 수 있고 연구에 유용함을 보였다. 이 데이터셋은 고고도 개방 수역 수색·구조의 초소형 객체 검출 연구를 지원할 것으로 기대한다.
엣지 무선 액세스 포인트(AP)에서 추가 비용 없이 물리 계층 인증을 수행하면 자원이 제한된 사물인터넷(IoT) 송수신기를 인증 정보 복제로부터 보호할 수 있다. 그러나 IEEE 802.11a/g의 도메인 간 무선 주파수 지문 식별(RFFI)에서는 신호 대 잡음비(SNR)에 따라 유리한 신호가 뚜렷하게 바뀐다. 전력 증폭기로 인해 비어 있는 널 부반송파에 나타나는 스펙트럼 재성장은 높은 SNR에서 실내 다중 경로의 영향을 견디지만 열잡음 바닥 아래에서는 이차적으로 약해진다. 신호가 실린 대역 내 활성 프리앰블은 낮은 SNR에서도 검출되지만 심한 다중 경로에서 성능이 떨어진다. 두 신호를 고정 방식으로 융합하면 성능이 최대 44.7%포인트 떨어진다. 우리가 아는 한 처음으로, 사전 정보 없이 물리적 SNR을 추정하는 게이트로 대역 내 활성 파형과 빈 널 부반송파의 재성장 신호를 동적으로 조절하는 RFFI 프레임워크를 제안한다. 플러그인형 게이트 기반 부대역 분리 융합과 비레이블 수신 데이터 기반 프로토타입 보정(GSDF-CAPC)이다. GSDF는 공동 학습에서 발생하는 20~35dB의 부대역 그래디언트 불균형을 피하고자, 동결된 사전학습 호스트 백본에 매개변수 4만 6,300개의 널 부반송파 플러그인 인코더(NS-Branch)를 연결한다. 원천 도메인에서 보정한 지연 64의 열잡음 SNR 게이트로 스케일을 표준화한 로짓과 게이트로 변환한 구면 임베딩을 융합한다. 낮은 SNR에서는 호스트의 결과로 정확히 되돌아간다. 대상 AP의 비레이블 수신 데이터에서는 순전파만 수행하는 비균형 최적 수송 보정(UOT-CAPC)이 패킷 도착 편향으로 이동한 프로토타입을 정렬한다. 패킷이 고르게 분배되면 매개변수가 필요 없는 균형 싱크혼 방식(U-CAPC)과 일치한다. DataPort-WiFi, WiSig, ORBIT MobRFFI에서 재학습하지 않은 GSDF는 백본 여덟 개의 짝지은 실행 72회 모두에서 우세했으며, 낮은 SNR에서의 성능 손실은 0.00%포인트였다. 엣지용 IB-Host + GSDF(활성 매개변수 9만 2,600~9만 3,300개, 단일 코어 CPU 지연 1.82ms)와 타이밍을 동기화한 GSDF-STO 및 GSDF-Tri의 세 벤치마크 매크로 F1은 57.50~65.05%였다. 패킷 5~10개로 이루어진 IoT 버스트에서는 89.04~100.00%였다.
긴 비디오에 대한 세밀한 질문은 한 행동이 몇 번 일어나는지, 사건이 어떤 순서로 전개되는지, 상태가 정확히 언제 바뀌는지를 묻는다. 답을 내려면 몇 시간 분량의 영상에 흩어진 짧은 순간을 찾아야 할 수 있다. 언제 어디를 볼지 결정하는 에이전트형 모델은 이런 순간을 찾을 가능성이 있지만, 그 능력을 측정하고 학습시키기는 어렵다. 일부 근거로 행동이 일어났음을 확인할 수 있어도 총횟수까지 입증할 수는 없다. 영상의 시간축 전체에 관한 주장을 검증하려면 누락이나 중복 집계가 없는지 확인해야 한다. 답만 지도 신호로 주면 근거를 찾는 과정은 직접 학습시키지 못한다. 검증 가능한 과제를 만들어 에이전트형 긴 비디오 이해를 평가하고 학습시키는 NexSight를 제시한다. 에이전트형 파이프라인 SightForge는 초안 답을 보지 못한 검증기가 원본 비디오에서 촘촘히 다시 모은 근거로 답을 재구성할 수 있고 반례 검사로도 반박할 수 없을 때만 과제를 채택한다. 이 과정으로 긴 비디오 108개에서 근거를 추적할 수 있는 과제 310개를 담은 SightLine을 구축했다. 공통 다중 스케일 실행 환경인 SightLoop에서 평가한다. SightLoop는 반환한 관측을 기록하면서 시간축 탐색, 국소 검사, 근거 통합, 이전 구간 재검토를 지원한다. 서로 겹치지 않는 별도 비디오에서는 검증된 과제를 푸는 궤적이 관측 결정을 위한 단계별 지도 신호가 된다. SightLine에서 가장 우수한 모델의 정확도는 54.52%에 불과했으나, 주석이 달린 근거를 제공하면 79.35%였다. Sight-35B는 예시 6천 개 미만으로 기반 모델의 대화형 정확도를 21.29%에서 42.26%로 거의 두 배 높였고 같은 계열의 397B 모델을 앞섰다. 기반 모델에서는 관찰되지 않았던 명시적인 공간 검사도 사후 학습 뒤에 사용하기 시작했으며, 외부 긴 비디오 벤치마크 두 개에서 8%포인트 넘게 향상됐다.
관측을 제한된 수의 잠재 토큰으로 집계하고 잠재 공간에서 물리적 상호작용을 학습하는 접근법은 대규모 관측이 포함된 편미분방정식(PDE) 문제를 푸는 트랜스포머 기반 신경 연산자에 효과적이었다. 그러나 기존 방법은 대개 단일 집계 패턴으로 관측을 압축한다. 그 패턴이 보존하지 않은 물리 정보는 잠재 공간에 드러나지 않아 공간 내 물리적 상호작용이 제한된다. 이를 해결하기 위해 PDE 풀이용 병렬 잠재 공간 신경 연산자 PANO를 제안한다. 관측 사이의 물리적 상호작용을 매개변수를 공유하는 병렬 잠재 공간에서 얻은 상호작용 결과의 가산적 결합으로 표현한다. PANO는 독립적인 매핑으로 관측을 서로 다른 여러 압축 표현으로 바꾸고, 각 표현의 물리적 상호작용을 병렬로 학습한 뒤 복호화한 결과를 합쳐 목표 물리장을 예측한다. 양방향으로 일관된 인코딩 및 디코딩 매핑을 구성하는 결합 할당 투영(CAP)과, 공간 간 적응형 상호작용으로 각 잠재 공간의 표현을 함께 갱신하는 쌍별 잠재 공간 어텐션 층(PaLA)도 제안한다. 물리 시스템, 기하 구조, 관측 규모가 다양한 벤치마크 아홉 개에서 PANO는 최고 수준의 성능을 달성했다. 특히 기존 방법보다 Unilateral Stamping의 등가 소성 변형률 예측 오차를 28.3% 이상, AirCraft의 양력 계수 예측 오차를 21.4% 이상 줄였다. 코드는 https://github.com/ZijiangY1116/PANO 에 공개되어 있다.
적응형 추론에서는 지금 답할지 연산을 더 쓸지 결정해야 한다. 현재 답이 틀렸다는 예측만으로 추론을 더 하면 나아질지는 알 수 없다. 전체 비용 반사실적 가치 평가(FLCVA)를 소개한다. 같은 답변 생성 절차에서 고정한 동일 접두 문맥을 출발점으로 즉시 답하는 경우와 길이를 고정한 연속 추론 네 가지를 비교한다. 정책이 사용하는 모든 신호의 비용을 계산한다. GSM8K와 MATH-500에서 무작위로 뽑은 256토큰의 연속 추론은 Qwen3-8B의 오답 중 26.6%, DeepSeek-R1-Distill-Qwen-7B의 오답 중 18.9%를 바로잡았다. 반면 정답을 오답으로 바꾼 비율은 각각 1.4%, 1.9%였다. 독립적으로 샘플링한 연속 추론의 정오 레이블은 두 주요 모델 모두에서 별도의 연속 추론 결과를 예측했다. 오프라인 재실행에서 이 레이블로 연산량을 배분하면 DeepSeek의 성능이 높아졌다. Qwen3의 개선 여부는 명확하지 않았다. 모든 비용을 계산하면 테스트한 경량 단기 판단 제어기는 주로 현재의 오류를 인식했으며, 이 판단을 넘어 연속 추론을 배정하는 데 추가한 가치는 작았다. Llama-8B 재현 실험과 행동 및 비용에 관한 제거 실험으로 이러한 결과의 강건성을 살펴봤다. FLCVA는 특정 시점에서 추론을 이어갈 가치의 측정, 관측 가능한 신호에 근거한 가치 예측, 그 예측을 활용한 연산 배분을 구별한다.
실행할 수 있는 합성 환경은 긴 작업을 수행하는 에이전트에 대규모 학습 과제와 검증 가능한 피드백을 제공한다. 기존 환경 합성 방법은 주로 개별 환경 안에서 과제를 생성한다. 그러나 실제로는 한 서비스에서 얻은 정보에 따라 다른 서비스에서 행동하는 등 서비스 간 상호작용이 일어난다. 개별 환경 과제는 이를 충분히 반영하지 못한다. 환경 간에 합성한 데이터가 서로 일관돼야 상호작용을 실제로 실행하고 검증할 수 있어 이런 과제를 만들기 어렵다. 엔터티–도구 그래프로 환경 간 연결을 식별하고 과제별 데이터를 일치시켜 실행 및 검증할 수 있는 환경 간 과제를 합성하는 CrossEnv를 소개한다. CrossEnv-Curriculum은 단일 환경에서 도구를 사용하는 단계에서 시작해 더 많은 환경과 업무 도메인을 조율하는 단계로 나아가고, 이후 사용자와의 상호작용을 도입한다. 외부 벤치마크 네 개에서 환경 간 학습 데이터와 이 커리큘럼을 결합하면 더 적은 학습 예시로 경쟁력 있는 성능을 냈다. 추가 분석은 환경 간 데이터와 커리큘럼 학습의 이점을 뒷받침했다. 새로운 환경 조합, 학습 데이터와 덜 유사한 외부 과제, 더 긴 워크플로로 전이할 수 있다는 근거도 얻었다.
힘과 토크는 사람의 움직임을 일으키며 생체역학, 로봇공학, 물리를 반영한 애니메이션의 핵심이다. 하지만 신체 움직임을 복원하거나 생성하는 학습 기반 파이프라인에서는 흔히 빠져 있다. 일부 움직임 데이터셋에는 힘 주석이 있지만, 여기에 짝지은 움직임 시퀀스는 현대 학습 파이프라인의 매개변수형 신체 모델과 호환되지 않는다. 기존 데이터셋은 대개 역동역학으로 관절 토크를 구한다. 이 계산은 입력 운동학 데이터의 품질에 민감하지만, 보통 토크 추정치의 신뢰도를 정량화하지 않는다. 이 공백을 메우기 위해 매개변수형 신체 표현에 실측 힘을 지도 신호로 제공하고 샘플별 토크 불확실성을 담은 최초의 데이터셋 ForceBody를 소개한다. 참여자 140명의 움직임 시행 10,386건(970만 프레임, 26.9시간)에서 SKEL 신체 모델과 지면 반력, 역동역학으로 구한 관절 토크를 짝지었다. 각 토크 레이블에는 몬테카를로 샘플을 역동역학 파이프라인에 통과시켜 얻은 프레임별·관절별 불확실성 주석을 함께 제공한다. SKEL 움직임에서 지면 반력과 관절 토크를 예측하는 과제로 MLP, Conv1D, LSTM, GRU, Mamba2, 트랜스포머 등 아키텍처 여섯 개를 평가했다. 불확실성 주석의 활용 예로, 샘플별 불확실성에 따라 가중치를 부여해 트랜스포머를 미세조정했을 때 관절 토크 추정의 평균 절대 오차(MAE)가 5% 줄었다. 코드와 데이터는 https://github.com/DominoAI-Lab/ForceBody-NeurIPS-ED-2026 에 공개되어 있다.
검색 증강 생성(RAG)은 대규모 언어 모델(LLM)의 답변이 외부 근거에 기반하도록 해 사실성을 높인다. 그러나 검색으로 얻은 문맥이 길면 계산 비용이 늘고, 관련 없는 내용이나 잡음 때문에 성능이 오히려 낮아질 수 있다. RAG에서 간결한 문맥을 구성하는 StitchRAG를 제안한다. 검색한 구절을 동적으로 압축하면서 원래 근거를 충실히 반영하는 정보 밀도 높은 문맥을 만든다. 보존할 정보와 계산 비용 사이의 절충을 효용 최대화 문제로 정식화해 구절마다 압축률을 조절한다. 이어 구절에서 답변 후보와 쿼리 관련 핵심어를 앵커로 추출한다. 이렇게 정한 분량 제약 안에서 앵커가 포함된 문장을 모은다. 마지막으로 텍스트 확산 모델로 문장들을 이어 붙여 일관되고 자연스러운 문맥을 구성한다. 개방형 도메인 질의응답 벤치마크 다섯 개에서 StitchRAG는 여러 다단계 처리 및 압축 기준선보다 일관되게 우수했다. 광범위한 구성 요소 제거 실험에서 동적 분량 배분, 앵커 보존, 확산 기반 문장 연결의 효과를 확인했다.
Large language models (LLMs) in embodied robots create security dependencies beyond inference. We investigate a network-exposed configuration attack on the Pollen Robotics Reachy Mini Lite, allowing an unauthenticated attacker to replace personality settings and the cloud LLM's system prompt through a management interface, without adversarial conversational input. Eleven prompt-injection attempts across five categories were reported as resisted, whereas both configuration-layer attack paths produced observable behavioural changes on physical hardware. We demonstrate local and network-adjacent access, mapping the weakness to CWE-306 (Missing Authentication for a Critical Function) and CWE-1327 (Binding to an Unrestricted IP Address), with a reported CVSS v3.1 score of 6.5 (Medium). A configuration endpoint also accepts cross-origin requests without a CORS preflight (CWE-352; 6.5 Medium), while the persistent-memory sink stores content without enforcing its stated restrictions. A source review of 59 public repositories identifies missing authentication in 10 of 11 source-verifiable genuine applications, or 11 of 11 including a framework-default case. These findings indicate recurrence within the sampled repositories, not prevalence in commercial products. We characterise a deployment gap between developer-oriented network assumptions and consumer-facing embodied AI security: inference-layer refusal cannot prevent unauthorised changes to model instructions. Potential consequences include surveillance through onboard cameras and microphones and social engineering of nearby users. Proof-of-concept code, evidence and the survey are available at https://bit.ly/reachypi.
정서 점화는 사회과학에서 정서를 조작하는 표준적인 방법이다. 참여자에게 감사함을 느꼈거나 통제력을 잃었다고 느낀 때 같은 과거 사건을 떠올려 글을 쓰게 한 뒤, 유도한 정서 상태와 관련 판단에 미친 파급 효과를 측정한다. 이 방법은 대규모 언어 모델(LLM) 기반 디지털 트윈의 응답도 바꾼다. 다만 글쓰기 과제에서는 완성된 글을 생성해야 한다. 활성값 조향으로 이 글쓰기 과제를 대신할 수 있는지 시험했다. 감사와 통제력 부족의 두 영역에서 페르소나 100개에 Llama-3.1-8B-Instruct를 적용했다. 기존 Twin-2K-500 Mega Study(J2)를 재현하는 실제 프롬프트 방식과, 글쓰기를 건너뛰고 사람이 쓴 글에서 추출한 평균 차이 방향을 여러 강도로 잔차 스트림에 더하는 주입 방식을 비교했다. 여섯 비교 중 다섯 개에서 실제 프롬프트의 효과는 기존 실험의 사람과 디지털 트윈 사이에 있었다. 주입 강도가 높아지면 조작 점검 지표가 이에 따라 달라졌다. 감사 영역의 특정 강도(베타 약 2.7)에서는 실제 프롬프트 효과와 일치했지만 그 강도를 넘으면 효과를 과대 재현했다. 정서에 가까운 지표에서도 그랬으며, 두 방향의 효과는 비대칭적이었다. 구조를 동일하게 맞추고 활성값은 주입하지 않는 기준선으로 차이의 원인을 두 가지로 구별했다. 글쓰기를 생략하면 두 영역 모두에서 근접 지표가 높아졌다. 주입 방향 자체는 통제력 부족 영역의 원거리 지표를 바꿨다. 따라서 대체 가능성은 측정 지표에 따라 달라진다. 한 가지 정서 유도 방식에서 확인한 타당성이 다른 방식에도 일률적으로 적용되지는 않는다.
HRM과 TRM 같은 반복 정제 모델은 작은 신경망 하나를 초안 답안에 여러 번 적용한다. 심층 지도학습에서는 퍼즐마다 저장된 답안 하나를 향하도록 모든 패스를 학습한다. 퍼즐에 정답이 여러 개 있으면 이 목표가 모델 용량을 늘려도 없앨 수 없는 손실 하한을 만들며, 손실을 최소화하는 패스는 답안들을 섞어 유효하지 않은 격자를 내놓음을 증명한다. 근접 목표를 제안한다. 각 패스는 자신의 입력과 가장 가까운 정답을 목표로 학습한다. 정답 목록을 훑거나, 초안에서 출발하는 탐색 풀이기를 쓰거나, 조절값으로 정한 품질 구간에서 목표를 찾는다. 정답은 고정점이 된다. 반복이 수렴하려면 각 패스에서 입력보다 오류를 줄이기만 하면 되며, 학습 손실이 그 오차에 상한을 둔다. 동일한 170만 매개변수 신경망과 시드 다섯 개를 사용했을 때, 근접 목표는 정답이 2~64개인 스도쿠의 98.8%(표준 목표 2.5%)를 풀었다. 답안 목록 없이 정답이 1만 개 넘는 희소 퍼즐의 93.8%(0.0%)를 풀었으며, 최대 50개 노드인 그래프에서 학습한 뒤 200개 노드의 3색칠 문제에서 90.9%(36.9%)를 풀었다. 무작위 시작점에 따라 서로 다른 정답에 도달했다. 확률적 잠재 상태 추론기 GRAM과 비교하면 단일 실행의 정답률은 98.8% 대 57.7%로 더 높았다. 20회 실행에서도 전체 정답 중 더 많은 비율을 찾았다(53.6% 대 37.4%). GRAM 자체의 10노드 색칠 벤치마크에서는 GRAM이 약간 앞섰다. Scrabble에서는 조절값이 보정된 실력 조절 수단이 됐다.
멀티모달 대규모 언어 모델(MLLM)은 그래프의 특징을 알아보면서도 그래프의 근거가 충분하지 않은 답에 점수를 줄 수 있다. 이 탐색 연구는 운동학 문제 네 개의 합성 응답에 대해 일부 채점 결과를 살펴봤다. 그래프를 시각적으로 왜곡하거나 기준 그래프에 가까워지도록 단계적으로 변형해 합성 응답을 만들었다. 다양한 모델 및 프롬프트 구성을 사용했다. 일부 판정에서는 한순간 속도가 0인 상태와 일정 시간 동안 정지한 상태를 올바르게 구별하고 양의 곡률도 인식했다. 그러나 선이 끊기거나 갈라지고 속도 0의 기준도 불분명할 만큼 심하게 왜곡된 속도–시간 그래프가 만점을 받았다. 같은 설정에서 다른 답안은 큰 폭으로 감점됐다. 의미 있는 그래프 특징과 그리기 과정의 불규칙성을 구분하는 수치 임계값을 제시했으나, 눈금에 수치가 없는 그래프에서 좌표를 해석할 규칙은 없었다. 따라서 특정 점수의 부분 점수가 어떤 근거로 부여됐는지 설명하기 어려웠다. 스트레스 테스트는 교실에서 사용하기 전에 근거 없는 점수 부여를 드러낼 수 있다. 조사한 구성에서는 만점 답안을 포함해 교사가 채점을 검토한 뒤 최종 성적을 확정할 것을 권한다.
온라인 비전-언어 모델은 큰 이미지에서 작은 세부를 놓치는 경우가 많다. 모델이 이미지를 보기 전에 서비스가 이미지를 축소하거나 거부하기 때문이다. 예를 들어 8,000×6,000픽셀 드론 사진에서 너비 20픽셀인 차량은 Claude에 약 6픽셀로 전달되고, OpenAI 기본 설정에서는 사진 자체가 거부된다. 공급사 네 곳의 모델 일곱 개에서 인쇄한 코드로 시력 검사와 같은 실험을 하고 실제 사진 속 작은 객체에 관한 질문 601개를 사용해 세부가 얼마나 남는지 측정했다. 모델이 절반의 확률로 읽을 수 있는 최소 글자 크기는 작은 이미지에서 6픽셀 이하였지만, 기본 설정의 7,680×4,320픽셀 사진에서는 10~13픽셀로 예측됐다. 확대하면 잃은 세부를 상당 부분 복구할 수 있다. 사진마다 최대 아홉 타일로 나누면 Claude와 Gemini의 정확도가 11.1~14.5%포인트 올라갔다. GPT-6.1 Sol에서는 이미지 거부를 피해 50.7%에서 83.7%로 높아졌다. 모델이 필요한 영역을 먼저 지목한 뒤 확대하는 2단계 방식은 타일 방식의 이미지 토큰 약 40%만 사용했다. Gemini에서는 타일 방식과 같거나 더 높은 성능을 냈고, Claude에서는 정확도 차이가 2.5%포인트 이내였다. 세부가 사라지면 Claude와 Gemini 모두 약 절반의 경우 판단할 수 없다고 답했으나, 나머지 경우의 실패 양상은 달랐다. Gemini는 해당 사례의 43~48%에서 확신을 보이며 오답을 냈고 Claude는 5~9%였다. 호출 전에 세부 크기를 확인하는 방식은 Claude와 Gemini에서 타일 분할의 이점을 대부분 놓쳤다. 반면 Claude가 확신하지 못한다는 답은 신뢰할 수 있는 신호였다. 그런 답 뒤에만 타일로 나누면 항상 나눌 때의 이미지 토큰 중 62~70%만으로 정확도 차이를 1.4%포인트 이내로 줄였다. 이 결과로 에이전트의 확대 시점을 정하는 규칙 다섯 가지를 제시한다. 시력 검사 자료, 모델의 모든 답, 코드는 https://siddvoh.com/know-when-to-zoom 에 공개했다.
최근 다국어 대규모 언어 모델(LLM)로 기계 번역 성능이 향상됐으나, 저자원 언어(LRL)의 문화에 맞춘 번역은 충분히 연구되지 않았다. 요리법은 특히 어렵다. 재료, 조리 도구, 계량 단위, 조리 절차를 해당 문화에 맞게 바꿔야 할 수 있기 때문이다. 나이지리아의 주요 언어인 요루바어, 하우사어, 이그보어로 전문가가 번역하고 문화적으로 현지화한 요리법 600개를 담은 벤치마크 ReciLoReL을 소개한다. 재료, 도구, 조리 동작, 도구 상태, 소요 시간 등 요리법 관련 열 가지 범주의 번역 항목 약 15,000개를 담은 다국어 요리 어휘집 ReciLex도 제공한다. 최신 최고 성능 다국어 LLM의 영어에서 저자원 언어로의 요리법 번역을 제로샷과 퓨샷 조건으로 평가했다. 대상 언어의 대규모 요리법 말뭉치로 학습하거나 미세조정하지 않아도 ReciLex를 제공하면 문화 현지화 품질이 나아지는지 살펴봤다. BLEU, chrF, TER를 사용하는 기존 참조 기반 번역 평가에 더해, 기존의 문화 간 현지화 방법을 바탕으로 문화 현지화를 평가하는 기준 다섯 가지를 도입했다. 선택한 LLM과 언어 전체 평균에서 ReciLex는 BLEU를 13.57에서 14.51로, chrF를 37.89에서 38.74로 높였고 TER는 77.14에서 75.12로 낮췄다. 사람의 평가에서도 5점 척도로 측정한 문화 현지화 기준 다섯 가지에서 개선 폭이 0.11~0.36점이었다. 이 연구는 저자원 환경의 문화 현지화 번역을 연구할 새 자료와 평가 기준 및 실증 평가 결과를 제공한다.
사람들은 건강, 금전, 법률, 안전에 관한 의사결정에 필요한 정보를 AI 어시스턴트로부터 점점 더 많이 얻으며, 어시스턴트가 생략한 내용은 사용자에게 보이지 않는다. 경고가 제거된 답변도 모든 문장이 참일 수 있어 사실 검증을 통과하며, 메모리를 가진 어시스턴트는 한 번 저장된 선호를 사용자가 염두에 두지 않았던 이후의 질문에도 적용한다. 본 논문은 25개 영역에 걸친 100개의 일상적 의사결정으로 구성된 Inspect 벤치마크 \bench{}를 소개한다. 이 벤치마크에서는 어시스턴트가 가진 사용자 메모리만 달라지며, 사용자가 신념을 직접 밝히거나, 모델이 발언에서 이를 추론하거나, 사용자가 요약을 요청한 웹 페이지가 이를 심어 둔다. 다섯 모델을 시험한 결과 세 가지 효과를 발견했다. 첫째, AI 어시스턴트를 겨냥한 한 줄이 담긴 페이지를 요약한 뒤, Gemini 2.5 Flash-Lite와 DeepSeek V4 Pro는 모든 에피소드에서 ``매우 짧은 답변을 선호하고 경고를 원하지 않음''을 사용자의 선호로 저장하며, 이후 답변의 93%와 84%가 핵심 항목을 놓치고 그 거의 전부가 조용히 누락된다. 명시된 간결성 선호 하에서는 누락의 78--96%가 조용한 누락이다. 둘째, 같은 두 모델은 이후 가치 의존적 선택의 80%와 95%에서 사용자를 대신해 선택지를 고르며, 중립적 메모리에서는 그런 경우가 없다. 셋째, 한 줄 지시는 답변의 2--8%에 조용한 공백을 남기고 누락된 내용 대부분도 여전히 누락된 채로 두지만, 사용자 프로필을 적용하기 전에 반드시 알아야 할 점을 나열하게 하면 다섯 모델 중 네 모델에서 더 많은 내용이 복원된다. 시나리오, 하니스, 로그를 공개한다.
월드 모델(WM)은 기존 기록에 없는 주행 시나리오를 생성해 새로운 상호작용 조건에서 자율주행 시스템을 학습하고 평가할 수 있게 한다. 그러나 기존 월드 모델은 차량 사이의 상호작용과 자차가 보는 시각 관측의 관계를 고려하지 않는다. 이 때문에 행동의 사실성과 시각적 충실도를 함께 확보하기 어렵다. 행동 모델링과 시각 렌더링을 결합하는 폐루프 상호작용 월드 모델을 제안한다. 첫째, 모방학습으로 얻은 배경 차량(BV) 정책을 다중 에이전트 강화학습으로 미세조정한다. 렌더링된 영상에 반응하는 종단 간 자차 계획기와 폐루프를 구성해 배경 차량의 상호작용이 실제 기록과 맞도록 한다. 둘째, 상호작용으로 드러난 시점을 바탕으로 차량의 3D 가우시안 에셋을 가우시안마다 진단한다. 관측이 부족한 가우시안에서는 시점에 따른 색상 변화를 줄이고, 한 번도 관측되지 않은 표면은 새 가우시안으로 채운다. 관측한 외관은 보존한다. 셋째, 차량의 주행 의도에 따라 신호등화 장치를 렌더링한다. 신호 상태 분류기를 활용한 반사실적 미세조정으로 차량에서 관측되지 않았던 등화 상태를 학습하는 편집기를 사용한다. 드문 폐루프 시나리오에서 제안 방법은 최신 최고 성능 월드 모델보다 실제 상호작용 행동과의 발산을 85% 줄였으며, 새 시점의 차량 영상 PSNR을 2.0dB 높였다. 배경 차량의 주행 의도를 전달하는 신호등화가 전체 시나리오의 4분의 1에서 자차 주행에 간접적으로 영향을 줬다. 이는 월드 모델에서 배경 차량 신호등화가 중요함을 보여 준다.
언러닝은 데이터 보호 규정에 따른 클라이언트의 데이터 삭제 권리를 네트워크가 지원할 수 있게 하는 머신러닝의 보안 및 개인정보 보호 수단이다. 이 작업을 엣지에서 동작하고 이동성이 높으며 시간 제약이 큰 차량 네트워크에 적용하기는 더 어렵고 관련 연구도 적다. 계층형 연합 언러닝을 차량 애드혹 네트워크(VANET)에 통합하자는 접근법을 제시한다. 네트워크 토폴로지와 차량 이동을 활용해 통신, 자원, 시간의 비용을 줄이며 전역 모델 갱신에 끼친 특정 클라이언트의 영향을 효과적으로 잊는 것이 목표다. 클러스터 기반 VANET에 맞춘 근사적·선택적·계층형 언러닝 알고리즘 CULypso를 제안한다. 이름은 ‘지식을 숨기는 자’를 뜻하는 그리스 신화 요정 칼립소(Calypso)에서 따왔다. 대문자 CUL은 클러스터 기반 언러닝을 가리키며, 이 알고리즘은 모델에서 특정 지식을 지우는 것을 목표로 한다. 광범위한 실험에서 시간, 서버 저장 부담, 언러닝 충실도 면에서 FedEraser보다 약 65% 나은 성능을 보였고, 전체 재학습 기준선도 크게 앞섰다.
비디오 생성 결과를 명세에 따라 평가하는 신경기호 프레임워크 Faithfulness Video Score(FVSCORE)를 소개한다. 기존 평가기는 멀티모달 대규모 언어 모델(MLLM)의 종합 판정이나 비전-언어 평가지표에 의존한다. 그 점수를 사람의 판단과 맞추고 구체적인 시간 관련 위반까지 거슬러 올라가기는 여전히 어렵다. FVSCORE는 비디오마다 프롬프트의 요건을 담은 명시적 명제와, 명시하지 않은 물리적·시간적·모달리티 간 제약을 담은 암묵적 명제를 구성한다. 특화된 인식 도구로 각 명제를 관측 근거와 연결하고, 선형 시간 논리에서 착안한 소프트 시간 연산자로 시간에 따른 신뢰도 기록을 평가한다. 이어 지각적 중요도를 고려한 보정 단계에서 사람이 지각할 만큼 중요한 위반만 남긴다. 이렇게 검증을 인간의 지각에 맞추고, 타임스탬프와 근거를 연결한 보고서를 생성한다. 공개 벤치마크와 복잡한 다중 사건 벤치마크에서 현재 가장 성능이 높은 비디오 모델을 대상으로 광범위하게 실험했다. FVSCORE는 종합 평가기 및 에이전트 기반 평가기보다 사람 판단과의 상관이 높았으며, 정확하고 해석하기 쉬운 피드백을 제공했다.
대규모 언어 모델(LLM)은 흔히 페르소나를 통해 설명하며, 이 관점은 정렬 연구의 중심이 됐다. 이 논문은 더 근본적인 설명 수준으로 에이전트의 세계관, 즉 현실이 무엇이며 어떻게 작동하는지에 관한 믿음을 제시한다. LLM을 연구 참여자 집단으로 보고, 인간 심리학의 세계관 설문 두 가지를 모델 여덟 개에 실시했다. 모델들은 여러 핵심 관점에서 비슷한 응답을 보였다. 예를 들어 LLM은 일관되게 인간보다 세계를 덜 선하고, 덜 안전하며, 덜 매력적이고, 덜 생동감 있는 곳으로 묘사했다. 기반 모델은 세계를 더 긍정적으로 바라봤다. 이는 관찰한 비관적 시각이 사후 학습에서 비롯됐을 가능성을 시사한다. LLM 페르소나 연구와 일치하게, 다른 정체성을 유도하는 시스템 프롬프트는 세계관을 일관된 방향으로 바꿨다. 숙고를 유도하는 프롬프트는 세계관을 더 긍정적으로 바꾸고 안전성도 개선했다. 모델끼리 대화했을 때에도 세계관이 일관되게 달라졌으며, 여러 모델이 ‘영적 희열’이라는 끌개로 수렴했다. 대화는 안전한 응답을 늘렸고, 영적 희열 끌개에서는 전반적으로 가장 잘 정렬된 응답이 나왔다. 이 결과는 세계관이 측정하고 바꿀 수 있는 LLM 행동의 한 층위를 이루며, 안정적이고 긍정적인 정렬에 중요한 역할을 할 수 있음을 시사한다.