PyTorchKR Papers

최신 논문

총 24,820편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 카테고리 구독

arXiv:2611.22367v1cs.RO

FailureGen: 월드 모델을 이용한 대규모 로봇 실패 데이터 생성

FailureGen: Scalable Robot Failure Data Generation with World Models

로봇의 실패 사례를 대규모로 수집하기 어려워 로봇 학습 데이터셋에 담을 수 있는 실패 상황이 제한된다. 기록된 실패의 행동 궤적을 재사용해 시간 구간별 사건 주석이 있는 합성 비디오를 생성하는 FailureGen을 제시한다. 네 단계로 구성된다. (1) 실제로 성공하거나 실패한 실행을 사용해 행동 조건부 Cosmos 월드 모델을 미세조정한다. (2) 원본 기록에 주석을 달아 실패와 관련된 동작을 제공할 구간과, 그 구간을 삽입할 수 있는 성공 실행을 찾는다. (3) 실패 구간의 동작을 성공 실행 문맥에 옮겨 연속 비디오 롤아웃을 생성하며, 필요하면 공간 오프셋을 적용한다. (4) 관찰된 사건과 시각적 품질에 따라 생성 샘플에 주석을 달고 선별한다. 과제와 로봇 구성이 서로 다른 두 구현을 조사하고, 후속 응용의 하나로 시각 기반 실패 검출을 시험했다. 예비 비교에서 실제 데이터와 생성 데이터를 함께 학습한 검출기의 평균 정밀도는 0.51로 실제 데이터만 학습했을 때의 0.41보다 높았다. 실패 구간 36개 중 33개를 탐지했으며, 실제 데이터만 학습한 모델은 28개를 탐지했다. 관찰한 실패를 다른 문맥에서 재사용해 로봇 실패 연구와 후속 학습 방법 개발에 사용할 데이터를 늘린다.

arXiv:2611.22350v1cs.HC

사람 중심 건물 디지털 트윈 시스템을 위한 AI 어시스턴트: 설계, 구현, 사용자 비교 평가

An AI-Driven Assistant for Human-Centric Building Digital Twin Systems: Design, Implementation, and Comparative User Evaluation

스마트 건물은 운영 데이터를 지속적으로 생성한다. 그러나 이 풍부한 데이터가 건물 이용자와 관리자가 쉽게 이해하고 의사결정에 활용할 수 있는 정보로 이어지는 경우는 드물다. 기존 건물 디지털 트윈 시스템(BDTS)은 기술 전문가 중심으로 설계되고, 모든 사용자에게 같은 정적 인터페이스를 제공하는 경우가 많다. 실내 환경 품질 모니터링을 위한 사람 중심 BDTS에 AI 대화형 어시스턴트를 통합하고, 적응형 정보 표시와 자동 제안 기능을 결합했다. 이 논문은 설계와 구현, 사용자 간 비교 평가를 다룬다. 프로토타입은 뉴욕대학교 아부다비에 배포했다. 참가자를 모집 차수에 따라 무작위화 없이 두 집단에 배정한 참여자 간 통제 준실험으로 기준 인터페이스와 실험 인터페이스를 비교했다. 과제 완료 시간과 체감 작업 부하는 유의하게 줄었다. 정확도와 사용성도 높아졌으나 보정한 유의성 기준은 충족하지 못했다. 구현하고 실증 평가한 이 아키텍처는 생성형 상호작용과 결정론적 환경 평가를 분리하고, 대화 응답을 적응형 시각 표시와 조율한다.

arXiv:2611.22338v1cs.AI

투자 리서치용 AI 에이전트의 신뢰성 있는 평가: 성능과 타당성을 평가하는 프레임워크

Reliable Evaluation of AI Agents for Investment Research: A Framework for Performance and Validity Assessment

외부 정보원과 계산 도구를 사용해 재무 분석 및 조사 보고서를 작성하는 AI 에이전트를 평가하는 문제를 다룬다. 에이전트의 최종 산출물 품질이 실행 과정의 품질을 항상 반영하지는 않으며, 평가 결과의 신뢰성은 평가 절차의 타당성에도 좌우된다. 또한 투자 리서치 과제마다 수치 정확도, 정보 검색, 재무 분석, 뒷받침하는 증거에 관한 요구사항이 크게 달라 한 가지 기준 집합으로 성능을 평가하기 어렵다. 결과물 품질과 실행 품질을 구분하고, 과제별 기준, 결정론적 검증기, 독립적인 대규모 언어 모델 심사기로 이 차이를 반영하는 분야 특화 평가 프레임워크를 제안한다. 평가 입력, 참조 정보, 뒷받침하는 증거, 채점 결과의 무결성을 검사하는 평가 타당성 검증 장치도 도입한다. 확인된 결함과 큰 채점 차이는 전문가 검토로 해결한다. 수치 결과에 따르면 제안 프레임워크는 평가 차원별 에이전트 성능 차이를 구별하는 동시에 평가 과정의 잠재적 신뢰성 문제를 찾아낼 수 있다. 관련 구현과 평가 자료는 GitHub에 공개할 예정이다.

arXiv:2611.22330v1cs.AI

차량 재배치를 위한 다단계 문맥 최적화

Multistage Contextual Optimization for Vehicle Repositioning

차량 호출 플랫폼은 이용 가능한 차량을 재배치해 지역별 수요와 공급의 균형을 맞춘다. 예측을 바탕으로 여러 단계에 걸쳐 결정하는 문제다. 플랫폼은 단계마다 미래 수요를 예측하고 현재 결정을 실행한다. 그 결과 상태는 다음 단계의 초기 상태가 된다. 차량 누적량과 운행 완료량을 연결하는 거시적 기본도(MFD)를 사용해 다단계 선형 계획법(LP)으로 정식화했다. 이어 의사결정 성능으로 예측 모델을 학습시키는 다단계 문맥 최적화 방법을 개발했다. 학습 문제는 서로 얽힌 여러 단계, 이전 결정에 의존하는 문맥, LP의 목적함수·제약 행렬·우변에 영향을 주는 예측을 결합한다. 정확한 그래디언트는 세 부분으로 나뉜다. 매개변수는 예측과 그에 따른 결정을 바꾼다. 이전 결정은 다음 단계로 전달된 상태를 통해 현재 결정에 영향을 준다. 이 상태는 문맥으로도 쓰여 예측을 바꾼다. 동등한 수반 형식은 역방향 벡터–야코비안 곱을 사용해 해와 상태의 매개변수에 대한 전체 야코비안을 계산하지 않는다. 순전파에서 단계별 LP를 차례로 많이 풀어야 해 학습 속도가 느리다. 연속 단계의 블록을 병렬로 풀고 각 블록 출력을 다음 블록에 반복적으로 전달하는 병렬 블록 평가 알고리즘을 제안한다. 유한한 횟수의 반복으로 순차 궤적을 복원하며, 일찍 멈춰도 그래디언트 오차가 유계임을 증명한다. 뉴욕시 차량 호출 데이터에서 평균제곱오차로 학습한 동일 예측기보다 사업상 이득을 7.7~9.1% 더 얻었다. 다섯 접근법의 모든 비교 기준선을 앞섰고, 실현된 수요를 같은 정책에 입력한 경우보다도 우수했다. 워커 여덟 개로 병렬 블록 평가를 수행하면 의사결정 성능 저하 없이 학습 시간이 기존의 1.86분의 1로 줄었다.

arXiv:2611.22323v1cs.SE

소프트웨어 품질 보증의 근거로 활용하는 에이전트 실행 궤적

Agent Trajectories as Evidence for Software Quality Assurance

자율 소프트웨어 에이전트가 사람의 제한된 감독 아래서 계획을 세우고 소프트웨어를 구현하며 테스트하는 일이 늘고 있다. 에이전트의 결정에는 최종 코드나 통과한 테스트로 충분히 드러나지 않는 암묵적 가정이 들어갈 수 있다. 소프트웨어와 에이전트의 명세, AI가 생성한 산출물과 함께 관찰 가능한 에이전트 실행 궤적을 분석하여 품질 보증에 활용하자고 제안한다. 영향이 큰 결정을 우선 검토하고, 그 결정이 소프트웨어 문제에 어떤 영향을 주었는지 조사하며, 명세와 개발 방식을 개선하는 것이 목표다. 산업 현장의 경험에서 착안했으며, 확보할 수 있는 실행 기록과 초기 분석 방법으로 적용 가능성을 뒷받침한다. 그러나 궤적만으로는 결정이 정당했는지, 결과를 수용할 수 있는지, 수정이 효과적이었는지 입증할 수 없다. 이 근거가 검토, 진단, 지속적인 품질 개선을 어떻게 지원할 수 있는지, 언제 더 단순한 품질 보증 방식으로도 충분한지 묻는다. 요구사항 공학, 검증과 타당성 확인, 에이전트 시스템, 인과 추론, 실증 소프트웨어 공학, 인간 요인 연구의 관점으로 이 아이디어를 발전시키고 평가할 수 있다.

arXiv:2611.22310v1cs.AI

EviDARL: 여러 표에 걸친 질의응답을 위한 교대 강화학습 기반의 근거 중심 이중 에이전트 추론

EviDARL: Evidence-Centric Dual-Agent Reasoning via Alternating Reinforcement Learning for Multi-Table Question Answering

대규모 언어 모델(LLM)의 표 추론 성능은 발전했지만 연구 대부분은 표 하나를 다룬다. 여러 표에 걸친 질의응답(QA)에는 복잡한 표 간 관계와 긴 문맥에 흩어진 근거를 연결하는 다단계 추론이 필요하며, 중간 과정을 검증할 기록이 없는 경우가 많다. 이를 해결하기 위해 근거 구성 에이전트와 추론·응답 에이전트로 이루어진 근거 중심 이중 에이전트 프레임워크 EviDA를 소개한다. 근거 구성 에이전트는 전체 표를 조작하는 프로그램을 생성하고 실행해 질문별 근거와 검증할 수 있는 중간 실행 기록을 만든다. 이렇게 이후 추론을 단순화한다. 추론·응답 에이전트는 이 근거에서 다단계 추론을 수행해 최종 답을 도출한다. 에이전트별 세분화한 보상과 매개변수 효율적 교대 강화학습을 결합해 협력을 개선하는 EviDARL도 도입한다. 한 에이전트를 고정한 채 다른 에이전트를 번갈아 최적화하므로 근거 구성과 답변 추론이 서로에게 맞춰 적응할 수 있다. MMQA와 TQA-Bench 실험에서 EviDARL은 모델 및 학습 예산이 제한된 조건에서도 경쟁력 있는 공개 모델과 다중 표 추론 기준선을 크게 앞섰다.

arXiv:2611.22309v1cs.AI

모델 내장 트라이 디코딩과 공유 문맥 어텐션을 활용한 효율적인 광폭 빔 생성 검색

Efficient Wide-Beam Generative Retrieval with Model-Native Trie Decoding and Shared-Context Attention

생성 검색(GR)은 카탈로그 항목을 짧은 의미 식별자(SID)로 예측한다. 트라이 제약 빔 탐색은 유효한 식별자만 생성하도록 한다. 그러나 빔 폭이 넓어지면 대부분 버리는 전체 어휘 점수 텐서와 같은 프롬프트에 반복 적용하는 어텐션으로 인해 서빙 비용이 커진다. 식별자 트라이를 검증된 GPU 텐서로 저장하는 모델 내장 출력 인터페이스 Trie-Head를 제시한다. Python 사용자 정의 로짓 프로세서(CLP)와 달리 Python 제약 콜백과 전체 어휘 후보 버퍼를 사용하지 않아 CPU와 GPU의 조율 및 메모리 트래픽이 줄어든다. 작은 코드북 후보 집합에 점수를 부여하고 전체 어휘에 대한 정규화 항을 스트리밍 방식으로 계산한다. 재학습 없이도 실수 연산에서 원래 모델의 유효 토큰 점수를 보존한다. 공유 문맥 어텐션은 여러 빔에서 프롬프트의 키·값 블록을 재사용하되, 이후 디코딩 구간은 빔마다 따로 유지한다. 두 방식을 SGLang에 구현하고 LinkedIn Hiring Assistant의 후보자 검색과 Qualification Retrieval Platform의 자격 검색에서 평가했다. Qualification Retrieval Platform 작업 부하에서 빔 폭을 200으로 동일하게 맞췄을 때, 두 방식을 결합한 시스템은 폐루프 처리량을 CLP 기준선 대비 최대 5.57배, BF16 FlashRec 대비 최대 2.63배 높였다.

arXiv:2611.22307v1cs.AI

IFC 건물 모델 편집 학습: 의존성을 고려하는 편집 에이전트에 검증 가능한 검사기를 학습 신호로 활용하기

Learning to Edit IFC Building Models: Verifiable Checkers as the Training Signal for Dependency-Aware Editing Agents

Industry Foundation Classes(IFC) 스키마의 건물 정보 모델을 편집하려면 변경을 의존 요소에 전파하면서 관련 없는 객체를 보존해야 한다. 기존 IFC 편집 에이전트는 언어 모델에 프롬프트를 제공하지만 편집 결과에서 학습하지 않는다. 목표 파일과 비교하는 방식은 어떤 대체 편집을 허용하고 관련 없는 객체 중 무엇을 유지해야 하는지 명시하지 않는다. 언어 모델이 실행 가능한 코드로 IFC를 편집하는 CodeAct 환경 IfcGym을 제안한다. 검사기 네 개는 입력 모델과 비교한 유효성, 작업 명세에 따른 의도, 의존성, 보존 여부를 검사한다. 모두 충족해야 엄격한 성공으로 센다. IfcEdit은 검증한 교사 에피소드를 지도 미세조정(SFT)으로 Qwen3.5-9B 학생 모델에 증류한 뒤, 엄격한 성공을 보상으로 그룹 상대 정책 최적화(GRPO)를 적용한다. 따로 보관한 실제 프로젝트 13개에 대한 편집 과제 1,990개로 구성된 IfcEditBench에서 최종 학생 모델의 엄격한 성공률은 SFT 직후 79.15%에서 86.78%로 올랐다. 교사 모델과 성능 차이의 짝지은 신뢰구간에는 0이 포함됐다. 같은 방법을 270억 매개변수 모델에 적용하면 91.76%로 교사를 앞섰다. 공개 벤치마크 BIM-Edit과 BIBIMBAP에서 최종 학생 모델의 점수는 각각 55.19와 54.50이었다. IfcEditBench에서 같은 도구 접근 조건을 맞췄을 때 학생 모델들은 교사를 제외한 모든 프롬프트 기반 모델을 앞섰다. 평가한 두 프레임워크도 학생 모델보다 점수가 낮았다. 검사기 넷을 모두 보상에 반영하면 의도 및 유효성만 보상할 때보다 엄격한 성공률이 4.83%포인트 높았다.

arXiv:2611.22301v1cs.AI

MCTS는 무엇을 세어야 하는가? 대규모 언어 모델 추론을 위한 탐험 횟수 학습

MCTS Is Counting the Wrong Thing: Learning Exploration Counts for LLM Reasoning

몬테카를로 트리 탐색(MCTS)은 강화학습의 주요 성과를 이끌었으나, 대규모 언어 모델(LLM)의 추론에서는 상당한 탐색을 수행해도 개선 폭이 작을 수 있다. 간과해 온 병목은 MCTS가 무엇을 세는지에 있다. 표준 UCT는 텍스트 분기마다 방문 횟수를 독립적으로 기록한다. 따라서 같은 추론 전략을 표현만 달리한 여러 분기가 저마다 탐험 보너스를 받을 수 있다. 이론 분석에서 이처럼 방문 횟수가 분산되면 누적 후회값이 커져 탐험 효율을 떨어뜨릴 수 있음을 보인다. 이를 해결하기 위해 UCT의 탐험 통계량만 바꾸는 학습형 의사 횟수 MCTS(LPC-MCTS)를 도입한다. 정책의 은닉 표현에 붙인 경량 동전 던지기 신경망 헤드로 탐색이 포함한 표현의 범위를 추정한다. 관련 분기가 탐험 근거를 공유할 수 있다. 수학 추론 벤치마크 다섯 개와 탐색 벤치마크 일곱 개에서 LPC-MCTS는 강력한 MCTS 기준선을 일관되게 앞섰다. LPC-MCTS로 학습한 각 정책을 고정한 채 추론 시 표준 MCTS의 방문 횟수를 바꾸자, 수학 벤치마크 다섯 개의 mean@16 정확도가 Qwen2.5-7B에서 평균 3.79%포인트, Qwen3-4B에서 2.71%포인트 높아졌다. 학습과 추론에 모두 LPC-MCTS를 적용하면 표준 MCTS보다 각각 4.96점과 4.37점 높았다. 이론과 실험은 MCTS가 무엇을 세는지 바꾸면 탐험 효율과 추론 성능을 크게 높일 수 있음을 보여 준다.

arXiv:2611.22299v1cs.AI

스스로 개선하는 실행 환경: 자기 개선형 에이전트 하니스의 통합 프레임워크

Harnesses That Improve Themselves: A Unifying Framework for Self-Improving Agent Harnesses

파운데이션 모델이 자율 에이전트로 성공할지는 가중치만큼이나 런타임 소프트웨어에 달려 있다. 에이전트 하니스라 부르는 이 런타임은 문맥과 메모리를 관리하고, 여러 턴의 실행을 제어하며, 샌드박스에서 도구를 실행하고, 종료 전에 작업을 검증한다. 모델마다 도구를 쓰는 방식과 실패하는 방식이 다르므로, 특정 모델이나 과제에 맞춰 고정한 하니스는 다른 모델이나 과제에서 멈추거나 토큰을 낭비하거나 성능이 떨어지는 경우가 많다. 이 병목으로 인해 프롬프트 조정에서 자기 개선형 에이전트 하니스로 초점이 옮겨가고 있다. 이 시스템은 자신의 실행 기록을 검사해 런타임 버그와 모델의 한계를 구분하고 자체 코드를 다시 작성한다. 자기 개선형 에이전트 하니스의 아키텍처와 설계를 통합하는 프레임워크를 제안한다. 수정 가능한 런타임 구성 요소 네 가지인 문맥 및 상태, 에이전트 제어, 행동 인터페이스, 검증 및 복구를 네 단계의 반복 과정과 연결한다. 실패를 진단하고, 코드 패치를 제안하고, 후보를 검증한 뒤 변경을 배포한다. 이 프레임워크로 최적화 시스템이 긴 실행 궤적에서 오류를 추적하고, 종료 전 검증기, 반복 중단 장치, 영속 메모리 같은 재사용 가능한 런타임 기능을 찾는 과정을 보여 준다. 하니스 전체를 다시 작성하면 과적합하거나 모듈 간 연동이 깨지는 이유도 살핀다. 검증 조건을 통과한 모듈만 갱신하면 여러 모델에 적용할 수 있고 토큰 비용을 제한할 수 있다. 자기 수정을 안전하게 수행하도록 프롬프트 비대화, 벤치마크 편법 최적화, 평가기 변조와 같은 반복되는 실패에 대한 방어책을 제시한다. SWE-bench Lite 실험에서 검증을 거친 모듈 단위 진화는 여러 모델과 저장소에서 프롬프트 성찰과 하니스 전체 재작성보다 성능이 높았으며, 토큰 비용은 그 일부에 그쳤다.

arXiv:2611.22298v1cs.AI

스트리밍 온-정책 증류: 단계별 지도 신호 사용을 위한 세 가지 시간 단위 분리

Streaming On-Policy Distillation: Decoupling Three Clocks for Stage-Wise Supervision Consumption

온-정책 증류(OPD)에서 응답 완료, 지도 신호 전달, 매개변수 갱신을 같은 단위로 진행할 필요는 없다. 이 세 가지 시간 단위를 분리하는 스트리밍 OPD를 개발한다. 응답을 생성하는 동안 새로 만든 구간을 여러 번 전달한다. 전달할 때마다 인과 순서에 따른 전체 접두 문맥을 유지하고 새 위치에 대해서만 손실을 계산한다. 지도 신호 사용 절차는 예산, 위치 선택, 오래된 신호 처리, 갱신 일정을 조율한다. 이를 통해 학습 단계마다 지도 신호의 양, 포괄 범위, 모델 버전 지연을 제어할 수 있다. VERL로 GSM8K에서 Qwen3-4B를 Qwen3-0.6B에 증류한 실험에서, 지도 신호 예산을 맞추자 공통 후보 일곱 개의 최고 테스트 정확도 차이가 초기에 4.55%포인트에서 2.42%포인트로 줄었다. 같은 체크포인트에서 동기식으로 학습을 이어 갔을 때 u=384부터 576까지의 공통 후보 일곱 개 중 최고 테스트 정확도는 73.39%였다. 동기식 기준선은 74.30%, 지도 예산을 맞춘 조건은 71.95%였다. 기준선 대비 차이는 각각 −0.91%포인트와 −2.35%포인트다. 짝지어 비교할 기준선 없이 실험을 연장한 기록에서는 76.12%였다. 최신 신호만 남기는 필터링과 불일치의 겹침을 이용한 선택은 국소 최고점을 높였지만 지속적인 이점을 입증하지 못했다. 시스템 프로토타입에서는 데이터 공급 대기 시간이 줄었으나 갱신 횟수를 맞췄을 때 더 빨라지는지는 입증되지 않았다. 품질 회복과 데이터 공급 측 이점은 별도로 평가한다. 종단 간 이득을 계산하려면 학습을 이어 가는 비용을 포함해야 한다.

arXiv:2611.22297v1cs.RO

FIRE-Drive: 실행 가능성을 고려한 종단 간 확산 계획의 위험 평가

FIRE-Drive: Feasibility-Informed Risk Evaluation for End-to-End Diffusion Planning

확산 기반 종단 간 자율주행 모델은 여러 모드의 계획 궤적을 생성하는 데 가능성을 보였다. 그러나 성능은 여전히 궤적 초기화, 모드 평가, 지도 신호의 품질에 크게 좌우된다. 제약이 약한 잡음으로 초기화하면 실행 불가능한 후보가 생겨 잡음 제거 부담이 커질 수 있다. 후보 궤적이 기하학적으로 비슷해도 안전성, 주변 차량과의 상호작용 위험, 진행 정도가 다르면 최적 모드를 고르기 어렵다. 이를 해결하기 위해 종단 간 자율주행에서 실행 가능성을 고려해 위험을 평가하는 FIRE-Drive를 제안한다. 동적으로 실행 가능한 앵커를 초기화하고, 후보별 조감도 위험 근거를 이용하며, 소수의 고품질 후보로 지도하고 가볍게 정제한다. 이 설계는 하나의 계획 목적함수 아래에서 초기 후보의 범위, 위험을 고려한 채점, 궤적 모드의 다중 모드 지도학습을 일치시킨다. 확산 디코더는 실행 가능한 궤적을 정제하는 데 집중하고, 채점기는 국소 위험 근거로 모드를 구별한다. NAVSIM v1 실험에서 ResNet34 백본을 사용한 FIRE-Drive는 Predictive Driver Model Score 91.5를 달성했다. Bench2Drive 경로 220개의 추가 폐루프 평가에서 주행 점수 71.43, 성공률 42.73%를 기록했다. 구성 요소 제거 실험과 동일한 후보 입력으로 진행한 채점기 비교는 실행 가능한 초기화, 보조 지도 신호, 위험 기반 선택의 기여를 뒷받침한다. 코드는 https://github.com/Latte00/FIRE-drive 에 공개되어 있다.

arXiv:2611.22296v1cs.AI

SpecSearch: 하드웨어를 고려한 효율적 추측 디코딩

SpecSearch: Towards Hardware-Aware Efficient Speculative Decoding

추측 디코딩(SD)은 대규모 언어 모델(LLM)의 추론을 가속하지만 최적 설정은 작업 부하 특성, GPU 하드웨어, 가용 메모리에 함께 좌우된다. 예를 들어 RTX 5090에서 최신 최고 성능의 추측 초안 모델 DFlash는 동시 요청이 적을 때 자기회귀(AR) 디코딩 처리량의 $3.50\times$를 달성한다. 짧은 출력을 요구하는 동시 요청이 많을 때는 $0.76\times$에 그친다. 작업 부하와 GPU의 조합마다 디코딩 전략, 초안 길이, 정밀도를 함께 최적화하는 하드웨어 인식 탐색 엔진 SpecSearch를 소개한다. 분석적 비용 모델은 메모리와 연산 제약을 반영해 실행 가능한 설정을 찾고, 처리량 최적화의 탐색 범위를 좁힌다. 이 모델에 따라 여러 GPU에서 보정 측정값을 수집했다. 이 측정값으로 Jev 기반 예측기를 학습해, 배포할 GPU에서 보정하지 않아도 학습에 쓰지 않은 GPU에 적합한 높은 처리량의 디코딩 설정을 선택하게 한다. 동결한 Qwen3-4B에 LoRA 어댑터와 선형 보정 층을 적용해 보정 데이터로 매개변수 효율적으로 학습한다. NVIDIA RTX 5090, H100, L40과 AMD MI300X에서 전체 보정을 수행한 SpecSearch는 vLLM으로 제공한 AR 대비 평균 $2.01\times$, SD 대비 $1.36\times$의 처리량을 달성했다. Jev 기반 예측기도 vLLM의 SD 대비 $1.30\times$의 처리량으로 이 탐색의 성능에 근접했다. 평가용 GPU에서 보정할 필요가 없으면서, 전체 보정을 사용한 SpecSearch 처리량의 $97.36\%$를 유지했다.

arXiv:2611.22294v1cs.LG

지각에서 상상으로: 월드 모델을 위한 실행 가능한 메모리

Perception into Imagination: Executable Memory for World Models

물리적 에이전트는 이전에 보거나 만진 것을 더 이상 보거나 접촉할 수 없을 때에도 활용해야 한다. 에이전트의 행동에 따라 기억한 사실이 의미하는 바가 달라진다. 상상으로 미래를 예측할 때 신경망의 잠재 동역학과 함께 명시적인 지각 상태를 전개하는 월드 모델 프레임워크, 실행 가능한 지각 메모리(EPM)를 소개한다. 계속 변화하는 지각 판독값은 보상 예측, 가치 추정, 정책 학습에 쓰인다. 보상 입력을 이를 만든 전이와 정렬하고, 기록된 행동의 개루프 롤아웃으로 보상 헤드를 지도한다. Memory Maze $13\times13$에서 EPM은 상호작용 100만 회 시점의 누적 보상 30.37을 달성했다. 같은 지각 전처리 모듈에서 변화하는 판독값을 정책 및 가치 추정에만 쓰면 23.37이었다. 차이는 7.00[3.80, 10.21]이었다. 전체 방법은 $9\times9$ 미로와 MiniWorld에서도 제어 성능을 높였다. 기억은 있으나 시야 밖인 도착 지점에 대한 탐침에서는 두 시각 구현 모두 보상을 더 잘 예상했다. 집중력 과제, 촉각 복구, 실제 촉각 프레임은 기억한 사실이 상상 속 롤아웃을 통한 정책 학습, 움직임에 따른 결정, 감각 정보 보존에서 서로 보완적인 역할을 함을 보여 준다. EPM은 지속되는 지각 정보를 물리 AI용 월드 모델이 예측하는 결과와 학습 신호에 연결한다.

arXiv:2611.22291v1cs.RO

세계가 테스트 모음이라면: 물리적 세계를 위한 에이전트형 지능

When the World Is the Test Suite: Agentic Intelligence for the Physical World

소프트웨어 수정을 위해 개발한 코딩 에이전트가 이제 로봇, 실험실, 산업용 제어기의 프로그램을 작성하고 테스트하며 고친다. 소프트웨어 공학과 달리 코드와 함께 제공되는 테스트 모음이 없다. 프로그램의 작동 여부는 로봇이나 물리 시뮬레이터에서 실행하거나, 프로그램이 학습을 돕는 정책을 확인해야 알 수 있다. 이 근거를 확보하는 데 비용이 들고 근거 자체가 틀릴 수도 있다. 에이전트가 더 많은 물리적 과제를 맡을수록 프로그램을 어떻게 작성하는지만큼 어떻게 평가하는지도 중요하다. 이 논문은 물리적 세계를 위한 에이전트형 지능이라는 분야를, 세계 자체를 프로그램의 테스트 모음으로 보는 관점에서 살펴본다. 에이전트가 물리적 세계에 적용할 프로그램을 어떻게 작성하고, 프로그램을 어떻게 테스트하며, 에이전트가 결과로부터 어떻게 학습하는지를 중심으로 논의한다. 먼저 로봇용 언어 모델과 소프트웨어 공학 에이전트가 어떻게 결합했는지 살핀다. 어떤 소프트웨어 테스트 관행을 물리적 시험에 적용할 수 있는지 묻고, 프로그램과 구동기의 관계 및 프로그램을 검증하는 주체에 따라 프로그램 유형을 설명한다. 작성 단계에서는 로봇 정책으로 동작하는 프로그램과 보상, 과제, 학습 환경을 만들어 정책 학습을 지원하는 프로그램을 다룬다. 테스트 단계에서는 물리적 실험의 비용, 실행 기록과 학습된 평가기, 시뮬레이터, 형식 검사가 대신 무엇을 입증할 수 있는지, 과제 성공 외에 안전에 필요한 조건을 검토한다. 학습 단계에서는 검증한 프로그램의 경험이 스킬 라이브러리와 모델 가중치에 어떻게 남는지 논의한다. 마지막으로 벤치마크와 평가 관행, 남은 연구 과제를 다룬다. 프로그램 작성 비용은 줄고 있지만 무엇을 하는지 보여 주는 신뢰할 만한 근거는 여전히 비싸다. 따라서 물리적 세계에 맞는 지속적 통합이 필요하다. 검증은 자주 실행할 수 있을 만큼 저렴하고, 탐색 과정에서도 신뢰할 수 있으며, 검증 대상인 경험과 함께 관리돼야 한다.

arXiv:2611.22288v1cs.AI

ConfGuard: 예지 정비 대규모 언어 모델 에이전트를 위한 물리 기반 참조 모니터

ConfGuard: a physics-grounded reference monitor for predictive-maintenance large-language-model agents

대규모 언어 모델 에이전트는 센서의 시간 구간 데이터를 읽고 절차를 검색하며 작업 지시를 보내 산업 예지 정비의 폐루프를 구성한다. 이 과정에는 공격 경로 두 가지가 있다. 검색된 문서에 삽입한 텍스트가 의사결정을 가로챌 수 있고, 크기가 제한된 센서 교란이 결정의 근거가 되는 잔여 유효 수명 추정치를 왜곡할 수 있다. 최근 에이전트 방어 방식은 데이터 출처와 도구 권한을 검사하지만, 예측값이 물리적으로 타당한지는 판단하지 못한다. ConfGuard는 물리 기반 정책을 갖춘 참조 모니터다. 컨포멀 모니터는 자산에서 검증을 거쳐 받아들인 이력을 바탕으로 각 예측이 열화의 물리 법칙에 부합하는지 검사한다. 상한을 적용한 잔여 수명은 증가하지 않으며 매 주기 최대 한 주기만 줄어들 수 있다. 자산의 전체 궤적에서 임계값을 보정하면 운영자가 정상 자산의 센서 구간 중 모니터가 상위 검토로 넘길 예상 비율을 정할 수 있다. 물리 정책 검증기는 같은 구간에서 결정론적 정책이 도출하는 정비 긴급도와 에이전트의 결정을 비교한다. C-MAPSS의 테스트 구간 10,196개 전체에서 모니터는 정상 자산에 대한 은밀한 공격의 영향 비율을 0.529에서 0.046으로 낮췄고, 고장이 진행 중인 자산의 정비 판단을 억제하는 공격은 0.151에서 0으로 줄였다. 정상 구간의 상위 검토 요청 비율은 목표 0.05 대비 0.027이었다. 기존의 고정 물리 범위는 두 공격을 막지 못했다. Qwen3-14B 계획기에 두 모니터를 결합하자 긴급도 등급 인젝션과 범용 센서 공격의 성공률은 각각 0.00과 0.12였다. 방어용 프롬프트에서는 0.29와 0.54였다. 적응형 공격자는 마할라노비스 탐지기를 구간의 0.504에서, 적대적 학습을 적용한 방어를 0.485에서 뚫었다. 투영 검사로 놓치는 공격 유형도 보고한다.

arXiv:2611.22286v1cs.AI

제어기 특이점이 있는 횡방향 피드백 선형화에서 인력 영역 학습하기

Learning Regions of Attraction for Transverse Feedback Linearization under Controller Singularities

횡방향 피드백 선형화(TFL)는 오차 동역학을 정확하게 선형화해 경로를 추종한다. 다만 단륜 모델의 속도가 0이거나 쿼드로터의 추력이 0인 경우처럼, 특이 집합에서는 제어기가 정의되지 않는다. 제약이 있는 인력 영역은 상태 또는 정칙성 제약을 위반하지 않으면서 폐루프가 경로에 수렴하는 초기 상태 집합이다. 이 영역이 제어기를 안전하게 작동시킬 수 있는 범위를 정한다. 정확한 선형 오차 동역학을 이용해 이 영역이 허용 집합에 포함된 가장 큰 순방향 불변 집합임을 보인다. 이어 상태 제약이 있는 주보프 가치 함수를 해석적으로 구할 수 있는 이차 잔여 비용과 안전 가치 함수로 분해한다. 후자만 적합 가치 반복으로 학습하며, 무한 시간 범위의 궤적 레이블은 필요하지 않다. 추정치는 구간 분기 한정으로 검증한 내부 층과 샘플로 시험한 학습 기반 외부 층을 결합한다. 원과 정현파를 각각 추종하는 단륜 모델과 평면 쿼드로터에서 시뮬레이션 인력 영역을 평균 72.0%, 83.4%, 19.1% 포괄했다. 이차 잔여 비용과 주보프 방정식을 푸는 두 물리 정보 신경망(PINN)의 평균 포괄 범위는 각각 최대 11.3%, 4.0%, 0.0%였다. 코드와 애니메이션은 https://gradslab.github.io/roa_tfl 에 공개되어 있다.

arXiv:2611.22283v1cs.AI

기후 상세화를 위한 물리 제약 직선화 흐름: 투영으로 무엇을 검증할 수 있는가?

Towards Physics-Constrained Rectified Flow for Climate Downscaling: What Projections Can Certify?

통계적 상세화는 홍수와 작물 스트레스의 지역별 세부 정보를 복원한다. 그러나 확산 및 흐름 매칭 생성기는 선명한 장을 만들면서도 저해상도 입력의 보존 법칙을 위반할 수 있다. 물리 제약 직선화 흐름(PC-RF)은 조건부 흐름 매칭 상세화 모델이다. 학습 벌점은 바람의 발산, 음의 강수량, 저해상도 총량에서의 질량 이탈을 대상으로 한다. 샘플링 뒤 투영을 적용해 뒤의 두 위반을 정확히 제거한다. 신경망을 학습하지 않고 교란한 합성 장 하나에 적용했을 때, 투영은 비음수성 위반율(NVR)을 0.236에서, 질량 보존 오차(MCE)를 0.184에서 각각 0으로 줄였다. 벌점은 발산 오차(DE)를 약 30% 줄였다. ERA5에서 투영을 적용한 PC-RF와 벌점 없는 직선화 흐름 기준선 RF-base는 NVR이 정확히 0이었다. MCE도 float32 반올림 오차를 제외하면 0이었다. 벌점으로 인한 지각 품질 향상을 학습 예산이나 실행 간 변동과 구분할 수 없었다. 같은 예산을 사용한 2019~2021년 평가에서 PC-RF는 RF-base보다 뚜렷한 우위가 없었다(SSIM 0.939 대 0.942, PSNR 31.81 대 31.79, CRPS 0.771 대 0.772). 투영하지 않은 CorrDiff 재구현은 2020년 평가에서 PSNR(28.38)과 CRPS(1.092)가 두 흐름 모델보다 우수했지만, 앙상블 평균 강수 격자 셀의 45%에서 강수량이 음수였다. ERA5 실험에서 발산 연산자의 부호 오류 때문에 해당 벌점과 DE가 변형과 유사한 항에 작용했다. 고해상도 참조는 ERA5를 보간해 만들었고 더 긴 구간의 강수량을 누적하므로, 지각 점수만으로 상세화 능력을 입증할 수 없다. NVR과 MCE는 한 번의 계산으로 구할 수 있고 고해상도 참조가 필요하지 않다. 따라서 두 지표는 먼저 통과 여부를 판정하는 검사로, DE는 진단용으로 사용할 것을 제안한다.

arXiv:2611.22281v1cs.AI

SeasonRainBench: 전 지구 계절 강수량 예측 벤치마크

SeasonRainBench: Global Seasonal Precipitation

정확한 계절 강수량 예측은 가뭄, 홍수, 작황 부진에 수개월 앞서 대비하는 데 도움이 된다. 데이터 기반 방식은 날씨 및 계절 내 예측에서 빠르게 발전했지만, 운영 중인 계절 강수량 예측은 여전히 수치 앙상블 시스템에 의존한다. 계산 비용이 높고 예측 시차가 길어질수록 바이어스와 드리프트가 커져, 효율적인 데이터 기반 대안이 필요하다. 전환에는 서로 얽힌 과제가 세 가지 있다. (1) 데이터 기반 예측과 운영 예측을 비교할 전 지구 벤치마크가 없다. (2) 이상 상관계수(ACC)와 평균제곱근오차(RMSE) 외에도 운영상 중요한 요구를 반영하는 평가 지표가 필요하다. (3) 모델 학습에 쓸 수 있는 실제 관측 기록은 짧은 기록 하나뿐이다. 앞의 두 문제를 해결하기 위해 1~5개월 앞의 월별 강수량을 예측하는 첫 전 지구 벤치마크 SeasonRainBench를 소개한다. 해상도 $1^\circ$의 전 지구 위성 강수량을 해양 및 대기 예측 변수와 짝짓고, 운영 기관 일곱 곳을 포함한다. 학습용으로 기후 모델 52개의 시뮬레이션 자료 310,944개월분을 제공한다. 표준 점수 외에 이상 강도와 월별 강수대 위치를 측정하는 운영 목적의 지표 두 개도 제안한다. 세 번째 문제를 해결하기 위해 관측 기록에 부족한 정보를 시뮬레이션에서 배워 실제 지구로 전이하는 Sim2Earth를 개발했다. SimForced는 배경 기후 상태를 정렬한다. SimMemory는 시뮬레이션에서 사전학습한 이력 인코더를 전이한다. SimAnalog는 유사한 시뮬레이션의 결과로 실제 지구의 레이블을 보완한다. 광범위한 실험에서 Sim2Earth는 가장 강한 운영 또는 데이터 기반 모델 대비 ACC, CRPS, 이상 강도, 강수대 위치를 각각 12.0%, 3.6%, 2.9%, 0.3% 개선했다. 시뮬레이션에서 학습한 내용을 지구 시스템 예측에 활용할 가능성을 보여 준다.

arXiv:2611.22278v1cs.AI

DACE: 강건한 LLM 안전 정렬을 위한 다양성 기반 적대적 공진화

DACE: Diversity-Driven Adversarial Co-Evolution for Robust LLM Safety Alignment

대규모 언어 모델(LLM)의 강건한 안전 정렬을 보장하는 일은, 적대적 공격이 진화하여 사전에 수집된 데이터에 기반한 정렬 파이프라인을 앞지르면서 점점 어려워지고 있다. 기존 공진화 프레임워크는 방어자가 움직이는 공격자를 뒤쫓게 하지만, 그 학습 역학은 두 가지 복합적 병리를 드러낸다. 하나는 공격자가 소수의 높은 보상을 받는 재작성에 과적합되는 \emph{공격 전략 붕괴}이고, 다른 하나는 공격 분포가 이동함에 따라 방어자가 이전 공격에 대한 능력을 잃는 \emph{방어 적대적 망각}이다. 기존의 해결책은 부분적이다. 공격자 측의 다양성 보상은 전략의 참신성이 아니라 텍스트의 참신성을 평가하며, 방어자 측의 리플레이는 추정 불확실성, 응답의 확률성, 방어자의 비정상성을 무시하는 이산적인 판정 점수에 의존한다. 본 논문은 두 병리를 함께 겨냥하는 다양성 기반 적대적 공진화 프레임워크인 \textbf{\method}를 제안한다. 공격자 측에서 \method는 명시적인 2차원 전략 공간(위험 범주 $\times$ 공격 스타일)을 \emph{정규화된 한계 커버리지 이득} 보상과 결합하여 전략 계층에서 경계가 있고 사라지지 않는 탐색 신호를 제공한다. 방어자 측에서 \method는 Beta--Bernoulli 위협 사후분포가 시간 감쇠로 갱신되고 톰슨 샘플링으로 추출되는 통합 \emph{베이지안 적대적 리플레이 풀}을 유지하여, 방어자 학습을 진화하는 위협 환경에 고정한다. 표준 안전성, 자동화된 공격자, 일반 능력 벤치마크 전반에서 \method는 일반 능력을 보존하면서 분포 외 공격에 대한 강건성을 향상시키고 더 넓은 공격자 전략 커버리지를 이끌어 낸다.