PyTorchKR Papers

최신 논문

총 24,820편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 카테고리 구독

arXiv:2611.22171v1cs.AI

Readie: AI 에이전트를 위한 저지연 코드 샌드박스

Readie: Low-Latency Code Sandboxes for AI Agents

정량 연구부터 개인 비서 업무까지, AI 에이전트는 코드를 반복해서 생성하고 실행하며 과제를 수행한다. 에이전트의 실행 환경과 코드 실행을 분리하기 위해 많은 에이전트가 코드 실행을 샌드박스라는 전용 시스템에 맡긴다. 그러나 기존 코드 샌드박스는 시작이 느리다. 맞춤 스냅샷을 만들든 큰 이미지 하나를 쓰든 근본 원인은 같다. 에이전트가 생성한 여러 코드를 실행할 수 있도록 필요한 패키지와 데이터셋 등을 거의 모두 담으면서, 작고 사전 준비된 스냅샷을 만들기 어렵다. 저지연 코드 샌드박스를 위한 학습 기반 시작 스냅샷을 제안한다. 스냅샷 하나를 작게 유지하면서 작업 대부분을 지원하기는 어렵지만 스냅샷 집합은 두 조건을 충족할 수 있다. 각 스냅샷은 작고 초기화가 빠르며 생성 코드의 일부를 지원한다. 집합 전체는 코드 대부분을 지원한다. 스냅샷 구성을 최적화 문제로 정식화하고 근사 알고리즘으로 풀어, 대규모 학습 작업에서 스냅샷 집합을 얻는다. 공개 및 LLM 합성 스크립트 1만 5천 개를 이용해 구성한 Readie는 같은 저장 공간 예산에서 기존 접근법보다 시작 지연을 3~22$\times$, 종단 간 실행 시간을 1.3~3.3$\times$ 줄였다.

arXiv:2611.22169v1cs.AI

모든 근거를 채택할 수는 없다: 도구 증강 의료 에이전트의 근거 관리

Not All Evidence Is Admissible: Evidence Governance for Tool-Augmented Medical Agents

도구를 사용하는 의료 에이전트는 도구가 반환하는 모든 내용을 근거로 취급한다. 그러나 의료 도구는 오류를 드러내지 않은 채 실패할 수 있고, 동결된 추론 모델은 문맥에 들어온 정보를 무시하기 어렵다. 그 결과 도구 출력이 추가되자, 원래 올바르게 답했을 많은 사례에서 오답이 나왔다. 이를 근거 가로채기라고 부른다. $\mathcal{V}$-정보로 이 현상을 설명한다. 추론 모델은 정보를 무시할 선택권을 잃었으므로 도구 출력이 음의 활용 가능 정보를 담을 수 있다. 어떤 근거를 남길지 모델 밖에서 정하면 이 선택권을 되찾는다. 이론에 따르면 필터링의 이점 일부는 추론 모델에 보여 주는 양을 줄이는 데서 나오지만, 내용에 따라 선택해야 더 좋은 근거를 보여 줄 수 있다. 이에 어떤 내용을 근거로 삼을지 결정하는 일을 답하는 추론 모델에서 분리하고, 문맥 독립 근거 관리(CIEG)를 제안한다. 의료 에이전트가 정보를 수집한 뒤 도구 출력 각각을 근거로 채택할지 판정하는 첫 프레임워크다. 각 도구 출력은 원본 입력과 대조할 수 있는 카드로 기록한다. 입력과 카드만 보는 독립 검사기가 채택할 카드를 고르고, 추론 모델은 채택된 카드만으로 답한다. 어느 단계에서도 추가 학습은 필요하지 않다. 의료 질의응답, 안저 영상 녹내장 선별, 흉부 X선 폐렴 분류에서 비슷한 규모의 모델 중 정확도가 가장 높았다. 같은 백본의 최고 수준 도구 사용 에이전트 및 다중 에이전트 시스템보다 비용이 낮으면서 성능은 유의하게 높았다.

arXiv:2611.22161v1cs.LG

전문가가 만든 과제로 강화학습하면 Nemotron 3.5 Super는 무엇을 배우는가?

What RL on Expert-Built Tasks Teaches Nemotron 3.5 Super

NVIDIA Nemotron 3.5 Super는 전체 매개변수 1,200억 개 중 120억 개를 활성화한다. 전문가가 만든 다섯 과제 데이터셋에서 한 번에 하나씩 강화학습(RL)으로 사후 학습했다. 실제 소프트웨어 공학, 복합 제약, 장기 도구 사용, 전문 차트 이해, 기업 문서 추론이다. 각 실행에서는 지도학습 단계 없이 Tinker에서 CISPO로 랭크 32의 새 LoRA 어댑터를 학습했다. 동일한 과제, 실행 환경, 설정에서 각 어댑터를 기반 모델과 비교했다. 외부 연구진이 만든 여덟 개와 Surge AI가 만든 네 개를 합친 주요 벤치마크 12개에서 개선 폭은 IFBench의 4.5점부터 GDP_pdf의 13.8점까지였다. GDP_pdf는 10.4%에서 24.2%로 올랐다. SWE-bench Pro V2는 86.9%에서 92.1%, Terminal-Bench 2.1은 63.9%에서 70.3%, MultiChallenge는 58.3%에서 66.6%, AutomationBench는 14.8%에서 27.5%, Chartography는 39.4%에서 50.6%로 높아졌다. API 도구 없이 학습한 문서 어댑터도 AutomationBench에서 8.0점 높았다. 각 어댑터가 새로 해결한 과제에서 기반 모델의 시도와 나란히 비교하자 기반 모델은 몇 가지 유형의 실패를 반복했다. 어댑터는 각각 기반 모델이 놓친 작업을 더 자주 수행했다. 도구 사용 어댑터는 행동 전에 데이터와 규칙을 찾았다. 코딩 어댑터는 SWE-bench Pro V2에서 자체 테스트나 임시 파일을 만들었다. 제약 어댑터는 앞선 대화의 내용을 응답에 유지했다. 차트 어댑터는 코드로 차트의 표식 크기나 위치를 측정했고, 문서 어댑터는 AutomationBench의 스프레드시트를 읽었다.

arXiv:2611.22151v1cs.CV

EgoHandWAM: 1인칭 세계 행동 모델링에서 손 움직임의 역할 분석

EgoHandWAM: Probing the Role of Hand Motion in Egocentric World Action Modeling

손 움직임으로 1인칭 카메라에 다음에 무엇이 보일지 얼마나 알 수 있을까? EgoHandWAM은 현재 영상과 최근 손 상태에서 손목과 손끝의 3차원 궤적 및 미래 시각 특징을 예측한다. 가중치를 고정한 DINOv2 인코더를 사용해 EgoDex의 시계열 구간 751,065개로 학습한다. 개발용으로 분리한 세션에서 행동 전용 모델은 손이 그대로 있다고 가정한 예측 대비 2초 후 손목 종점 오차를 60.26mm에서 56.48mm로 줄였다. 다만 손을 멀리 뻗을 때의 이동 거리는 여전히 과소 추정한다. 미래 특징에 대한 지도 신호를 추가해도 궤적 정확도는 거의 같았다. 기록된 손 상태 이력을 제공하면 시각 예측 헤드의 Smooth L1 오차는 현재 특징을 그대로 복사할 때보다 1.32% 감소한다. 이력을 세션 간에 섞으면 이 개선 효과가 사라진다. 별도의 네 과제 분석에서는 관측 문맥과 미래 추적 유효성 마스크에 실제로 기록된 미래 변위를 더하면 시각 특징 오차가 3.93% 줄어든다. 마스크만 넣으면 개선 폭이 작으며, 동일한 관측에서 예측한 궤적을 추가하는 효과도 작다. RoboTwin 시뮬레이션 과제 두 개에서 보조 로봇 예시 배치를 대응하는 사람 예시로 대체했을 때, 세 학습 시드에 걸쳐 과제 성공률이 일관되게 높아지지는 않았다.

arXiv:2611.22148v1cs.AI

높은 온도에서 긴 문맥 생성은 샘플링 문제다

Long-Context Generation Is a Sampling Problem (When You Turn Up the Heat)

가중치가 공개된 언어 모델은 생성이 길어질수록 성능이 떨어지는 경우가 많다. 이를 해결하기 위해 학습을 늘리는 시도가 흔하다. 높은 온도에서는 모델의 확률분포에서 다음 토큰을 고르는 규칙인 샘플러가 장문 생성과 에이전트의 생성 성능이 유지되거나 개선되는지를 좌우한다. 매개변수 10억~1,220억 개 규모의 공개 가중치 모델 29개를 기존 벤치마크 10개와 최대 100만 토큰의 니들 검색 과제로 평가했다. 평가에는 SWE-bench Verified 코딩 에이전트, 긴 사고 과정 추론, 장문 작성, 긴 구조화된 출력, 긴 문맥 읽기가 포함된다. 온도를 높여도 토큰 후보군을 작고 일정하게 유지하는 샘플러는 정확도를 잃지 않았다. 확률이 낮은 토큰을 후보에 포함하는 샘플러는 성능이 급락했다. Qwen3.5 모델 세 가지에서 온도를 2로 높이면 top-p, top-k 또는 Top-H를 사용한 코딩 에이전트는 GitHub 이슈 100개 중 하나도 해결하지 못했다. 같은 에이전트에 top-nsigma를 적용하면 46~62개를 해결했고, 두 샘플러의 결과가 엇갈린 이슈는 모두 top-nsigma가 해결했다. 전체 벤치마크에서 top-nsigma는 온도 1 점수의 중앙값 기준 100%를 유지했으며, top-p는 26%를 유지했다. 샘플러가 허용하는 토큰 개수를 세면 그 이유를 설명할 수 있다. Llama-3.1-8B가 작성한 이야기 한 편에서 온도를 1에서 2로 높이자 top-p의 후보군은 4개에서 51,845개까지 늘었고 top-nsigma는 3개를 유지했다. 샘플러 설정과 온도 조합 133개에 걸쳐 대표적인 후보군 크기로 평가 품질을 예측할 수 있었다(스피어만 상관계수 -0.77). 온도 1에서 후보군을 고른 뒤 온도를 적용하면 Top-H, min-p, p-less의 성능 급락이 사라졌다. 기본 온도 1에서는 대부분의 샘플러가 비슷한 성능을 보인다. 모든 코드와 데이터를 공개한다.

arXiv:2611.22144v1cs.LG

냉난방·환기 설비의 상위 제어에서 심층 강화학습은 언제 효과적인가? FMU에서 직접 학습한 네 가지 소규모 Modelica 사례

When does deep reinforcement learning pay off in HVAC supervisory control? Four small Modelica case studies trained directly on FMUs

심층 강화학습(DRL)은 냉난방·환기 및 공조(HVAC) 설비의 상위 제어에 흔히 제안된다. 그러나 기준선이 약하고 달성 가능한 최적값을 알기 어려운 경우가 많아 보고된 개선 폭을 해석하기 어렵다. 호주 브리즈번의 사무용 건물을 바탕으로 재현 가능한 소규모 사례 네 가지를 검토한다. 시간대별 요금제에서의 예냉, 응축기 냉각수 설정값 조정을 병행한 냉동기 대수 제어, 습식 냉각 코일을 사용하는 냉수 공급 온도의 설정값 조정, 시간대별 요금 및 최대 수요전력 요금이 적용되는 냉수 저장을 다룬다. 설비는 Modelica Buildings 라이브러리로 모델링했고, 사례 세 가지에서는 내보낸 기능 모형 유닛(FMU)에서 소프트 액터-크리틱 에이전트를 직접 학습했다. 각 에이전트를 조율한 규칙 기반 제어기와 비교했으며, 가능한 경우 미래를 완전히 안다고 가정해 시간별 전수 탐색이나 동적 계획법으로 구한 준최적 기준과도 비교했다. 저장 장치가 없는 두 사례에서 에이전트는 준최적 기준에 도달했지만, 잘 고른 규칙 대비 개선 폭은 응축기 냉각수 설정값 조정에서 1.3%, 냉수 설정값 조정에서 0.18%에 그쳤다. 후자의 경우 흔히 쓰는 설정값 조정 규칙 두 가지는 고정 설정값보다 에너지를 더 많이 소비했다. 냉수 저장 탱크가 있을 때는 개선 폭이 훨씬 컸다. 에이전트는 두 규칙을 모두 앞섰고(-7.8%, 규칙은 각각 -3.9%와 -6.3%), 태양광 발전 시간대와 겹치는 낮의 비첨두 시간에 냉수를 저장했다. 다만 미래를 완전히 아는 일정이 달성한 절감량의 약 45%에 도달했으며, 최대 수요전력을 낮추는 효과는 작았다. 예냉 사례에서는 수동으로 조율한 규칙이 더 우수했다(-12.0% 대 -5.6%). 이러한 결과는 HVAC 제어를 위한 DRL 연구에서 가장 좋은 규칙과 준최적 기준 사이의 차이를 명시할 필요가 있음을 보여 준다. 공동 시뮬레이션용 FMU에서 학습할 때 겪은 실무상의 어려움도 보고한다.

arXiv:2611.22138v1cs.RO

RoboTeam: 여러 로봇 팔을 실시간으로 제어하는 비전 기반 다중 에이전트 벤치마크

RoboTeam: Benchmarking Vision-Based Multi-Agent Control of Many Robot Arms in Real Time

다중 모달 에이전트는 도구를 호출하고 코드를 작성해 로봇 팔을 제어할 수 있다. 그러나 기존 벤치마크는 대부분 짧은 과제에서 팔 한두 개만 시험하고, 에이전트가 판단하는 동안 환경을 멈추거나 물체 위치의 실측값을 제공하는 경우가 많다. RoboTeam은 카메라 영상만으로 로봇 팔 4~16개를 실시간 제어하는 시뮬레이션 벤치마크다. 과제 36개는 목재를 서로 건네거나 수백 개의 큐브로 그림을 만드는 등 여러 팔이 협력하는 장시간 작업이다. 먼저 에이전트 하나가 하위 에이전트에게 언제 작업을 위임할지 정하는 가장 유연한 적응형 시스템을 시험한다. 이 방식으로 gpt-6.1-sol과 opus-5.5는 각각 과제 28개와 27개를 완료했고, 다른 모델 네 개는 최대 3개를 완료했다. 다만 비용이 컸다. gpt-6.1-sol에서 일반적인 과제 하나를 처리하는 데 3.5시간과 입력 토큰 2억 1,800만 개가 필요했고, 단계의 3분의 1은 한 번 이상 실패하여 재시도해야 했다. 이어서 적응형 시스템을 단일 에이전트·계층형·분산형이라는 세 가지 고정 구조와 비교한다. 네 방식은 비슷한 수의 과제를 완료했지만 시간과 토큰 사용량은 달랐다. 계층형과 분산형은 더 빠르지만 토큰을 최대 1.9배 사용했고, 단일 에이전트는 토큰을 덜 사용하지만 1.6배 오래 걸렸다. 적응형은 그 사이에 위치한다. 아직 어느 모델이나 시스템도 속도, 비용, 신뢰성을 동시에 만족하지 못한다. RoboTeam은 여러 팔이 수행하는 장시간 과제, 카메라 영상만 제공되는 관측, 멈추지 않는 환경을 결합해 기존 벤치마크가 놓친 한계를 측정한다.

arXiv:2611.22136v1cs.AI

작은 보드에 담은 AI: 초파리의 용화와 생활사 전환을 관찰하는 에이전트형 물리 AI 장치 Pupavision

Big Brains, Tiny Board: Pupavision, an Agentic Physical AI Instrument for Monitoring Drosophila Pupariation and Lifecycle Transitions

많은 생물학 실험은 관찰과 기록에 쓰는 기기의 가용성과 사용 편의성에 제약을 받는다. 널리 쓰이는 모델 생물인 노랑초파리(Drosophila melanogaster)의 용화 시점은 성장 조절과 관련한 생물학적 정보를 제공하지만, 흔히 사람이 직접 기록한다. Pupavision은 단일 보드 리눅스 컴퓨터와 주야간 카메라를 사용하며 부품비가 약 45~75달러인 소형 물리 AI 장치다. 최신 코딩 에이전트의 실행 환경을 작은 보드에서 직접 구동한다. 모델의 추론은 클라우드에서 이루어지고, 에이전트는 장치에서 작동한다. 에이전트는 영상 촬영을 보조하고 오류를 고치는 코드를 작성하며, 실험을 매일 점검해 원시 데이터가 안정적으로 수집되도록 한다. 기록이 중단되면 연구자의 휴대전화로 알림이 간다. 단순한 결정론적 촬영 서비스가 에이전트에 의존하지 않고 10분마다 이미지 한 장을 기록한다. 초파리 배양기에서 진행한 26일간의 예비 실험에서 약 3,580프레임을 수집했다. 여기에는 에이전트가 로그아웃한 뒤에도 촬영을 이어간 11일과, 원인 분석을 통해 계층형 설계를 도입하게 된 51시간의 중단이 포함된다. 이후 연구자가 참여하는 워크플로에서 후반의 기준 프레임을 출발점으로 선택한 번데기를 시간 역순으로 추적해 사육병별 용화 곡선을 얻는다. 후속 연구에서는 전문가가 레이블을 붙인 데이터로 생활사 추적 정확도를 검증하고 실시간 컴퓨터 비전 분석을 확대할 예정이다. Pupavision은 결정론적 코드를 바탕으로 소형 보드에서 최신 AI를 활용하는 DIY 에이전트 실험 기기의 설계 예를 제공한다. 예비 실험실 배치 사례를 통해 분야 전문가가 직접 만드는 에이전트 하드웨어를 활용하는 데 필요한 교훈을 공유한다.

arXiv:2611.22131v1cs.AI

LoCaR: 가중치를 고정한 비전-언어 모델을 사용한 영역 중심 캔버스 검색

LoCaR: Localized Canvas Retrieval With Frozen Vision-Language Model

이미지 전체를 하나의 임베딩으로 표현하면 특정 영역을 묻는 질의에서 관련 이미지를 구별해 주는 작은 객체와 국소 속성이 충분히 표현되지 않을 수 있다. LoCaR는 가중치를 고정한 비전-언어 모델로 별도 학습 없이 영역 중심 텍스트-이미지 검색을 수행하는 프레임워크다. LoCaR는 SAM2로 객체에 초점을 둔 독립적인 영역 후보를 만들고, 가중치를 고정한 시각 인코더로 각 영역을 따로 인코딩하여 더 국소적인 표현을 얻는다. 또한 기존 인코더를 갱신하지 않고 텍스트와 영역이 짝지어진 예시를 사용하는 선택적 잔차 보정 방식인 짝지은 지원 예시 기반 적응을 연구한다. 더 작고 식별하기 어려운 대상을 가리키는 질의의 검색 성능을 평가하기 위해 Visual Genome에서 파생한 벤치마크 LOCFG도 소개한다. 여러 비전-언어 백본에서 성능 향상의 주된 요인은 영역 표현 자체의 개선이었다.

arXiv:2611.22115v1cs.AI

TeleChat에서 Xing 4까지: 자체 칩과 프레임워크 기반의 최첨단 에이전트 모델 개발

TeleChat to Xing4: Advancing Frontier Agentic Models on Domestic Chips and Frameworks

Ascend에서 모델 아키텍처와 학습 인프라를 함께 개선해 TeleChat 계열을 확장한 대규모 언어 모델 시리즈 Xing 4를 소개한다. 아키텍처 선정부터 대규모 사전학습, 추론 및 에이전트 기능을 위한 사후 학습까지 시리즈를 뒷받침하는 설계 원칙과 시스템 공학을 설명한다. 희소 활성화, 어텐션 설계, 모델의 깊이와 너비, 추측 디코딩이 모델 용량과 연산 비용, 메모리 접근 비용, 실행 오버헤드 사이의 균형에 미치는 영향을 연구한다. 사전학습 인프라는 MindSpore HyperParallel을 기반으로 토폴로지를 고려한 하이브리드 샤딩, 효율적인 분산 옵티마이저 실행, 긴 시퀀스 워크로드와 활성화 메모리의 통합 관리를 결합한다. CPU 친화도 설정과 코어 격리로 호스트 스케줄링 간섭을 추가로 줄인다. 이러한 기법으로 Ascend 910C 카드 8,192개에서 매개변수 2,850억 개의 모델을 사전학습했으며, 이를 아키텍처와 시스템 연구의 구체적인 사례로 삼았다. 사후 학습에는 에이전트 실행, 평가, 궤적 구성을 정책 최적화와 연결하는 통합 에이전트 실행 플랫폼 TeleGym을 도입했다. 분리형 비동기 실행, 상한을 둔 초과 샘플링, 부분 롤아웃을 통해 과제마다 실행 시간이 달라도 정책 업데이트를 가로질러 궤적의 연속성을 유지한다. 이러한 개선을 통해 다양한 크기의 Xing 4 모델과 갈수록 요구 수준이 높아지는 추론 및 에이전트 작업을 개발할 Ascend 기반 학습 환경을 마련했다.

arXiv:2611.22113v1cs.AI

RegimeCouncil: 대규모 언어 모델 에이전트의 메모리 충돌 관리를 위한 쌍별 증거 라우팅

RegimeCouncil: Paired-Evidence Routing For Memory Conflict Governance In LLM Agents

언어 에이전트는 장기 상호작용에서 장기 메모리를 활용해 응답을 개인화한다. 그러나 세상이 변하면서 저장한 사실이 자신도 모르게 낡고, 에이전트는 오래된 정보를 사용해 행동한 뒤 지연된 피드백으로 그 사용이 해로웠음을 알게 되는 경우가 많다. 메모리를 갱신하기 전에는 부정적 피드백을 어디까지 적용해야 할까? 같은 사실에 관한 향후 질의에서만 메모리 사용을 억제하는 지역 정책과, 저장된 다른 사실에도 적용하는 전역 정책이 있다. 기존 메모리 시스템은 설계할 때 두 범위 중 하나를 암묵적으로 고정한다. 정보의 유효성을 알 수 없고 피드백이 지연되는 상황에서 이 범위를 온라인으로 고르는 문제를 메모리 충돌 관리로 정식화하고, 고정 정책 하나만으로는 충분하지 않음을 증명한다. 이에 두 범위를 모두 자문 정책으로 보존하고 대규모 언어 모델의 재학습 없이 온라인으로 중재하는 경량 쌍별 증거 라우터 RegimeCouncil을 제안한다. 메모리를 사용한 응답과 메모리를 사용하지 않은 기준 응답의 비교 결과가 공개되면, 지역 자문 모듈은 질의에 나온 사실에 대한 최신 결과만 추적하고 전역 자문 모듈은 저장된 모든 사실의 최근 결과를 모은다. 상위 제어기는 사실 간 간섭을 피하려고 기본적으로 지역 자문 모듈을 따른다. 전역 집계의 최근 효용 우위가 엄밀히 양수가 될 때만 전역 자문 모듈로 전환하며, 피드백이 지연되어도 유한 시간 안에 전환할 수 있음을 보장한다. Qwen3-30B-A3B와 GPT-4o로 LongMemEval의 갱신 스트림 및 TempLAMA와 TAQA의 실제 시변 정보에서 평가했다. RegimeCouncil은 주요 정책 불일치 사례와 별도로 분리한 30가지 설정 모두에서 두 고정 범위 정책 중 더 나은 쪽보다 5.2~7.3점 높은 성능을 보였다. 제거 실험에서는 세 모듈 중 어느 하나를 빼도 정확도가 2~7점 낮아졌다.

arXiv:2611.22103v1cs.AI

sorry에서 QED까지: 앤젤릭 실행으로 대규모 언어 모델의 수학 증명 보완

From Sorry to QED: Refining LLM Math Proofs via Angelic Execution

대규모 언어 모델은 여러 수학 논증의 상위 구조를 담은 Lean 증명 스크립트를 생성할 수 있다. 그러나 복잡한 정리에서는 부대 조건 하나가 빠지거나 보조정리를 잘못 적용하면 증명기가 일찍 중단되어, 나머지 증명 개요를 활용할 수 있어도 폐기되는 경우가 많다. MathEye는 기호적 추론과 최소한의 사람 개입을 결합해 대규모 언어 모델이 생성한 불완전한 스크립트를 완전히 검증된 Lean 증명으로 바꾸는 프레임워크다. 핵심은 앤젤릭 증명 검사다. 실패한 증명 조각을 자리표시자로 대체하면서 논증의 전체 구조를 유지하는 낙관적 실행 모델이다. 이렇게 얻은 앤젤릭 증명은 모델이 해결하지 못한 증명 의무를 정확하게 분리한다. 미해결 의무는 서로 논리적으로 의존하는 경우가 많기 때문에 수학자에게 모든 자리표시자를 직접 해결하도록 요청하면 비효율적이다. MathEye는 사람의 작업을 최소화하기 위해 앤젤릭 증명에서 기호 수준의 데이터 흐름을 표현하는 증명 의존성 그래프의 잔여 부분을 분석한다. 증명 의무 선택을 MaxSAT 최적화 문제로 만들고, 이 집합만 해결해도 전체 증명이 완성되는 최소 비용의 핵심 의무 집합을 고른다. MathEye는 선택한 의무를 일반적인 수학 표현으로 수학자에게 제시한 뒤 응답을 사용해 완전한 Lean 증명을 자동 재구성한다. 해석학과 대수학의 실제 벤치마크 문제 30개에 대한 실험에서 MathEye는 93.3%를 풀었으며 필요한 사용자 상호작용 횟수를 55% 줄였다.

arXiv:2611.22102v1cs.AI

EvoDisco: 에이전트 메모리를 진화시키는 전략 탐색

EvoDisco: Strategy Discovery for Evolving Agent Memory

대규모 언어 모델 에이전트는 경험을 메모리에 축적한다. 상호작용 중 메모리가 어떻게 변하는지는 무엇을 저장하는지만큼 중요하다. 최근 방법은 메모리를 온라인으로 갱신하지만 메모리를 변환하는 연산자와 이를 고르는 규칙을 설계 시점에 고정한다. EvoDisco는 에이전트 메모리의 진화를 진화적 전략 탐색 문제로 다룬다. 에이전트는 고정된 일정으로 메모리를 다시 쓰는 방식에서 벗어나 어떤 연산자를 언제 적용하고 어떻게 구체화할지 찾는다. 학습 가능한 정책이 현재 메모리 상태와 최근 과제 이력을 바탕으로 네 가지 의미 연산자 중 하나를 선택해 구체화한다. Abstract는 관련 기억을 압축하고, Refine은 정보가 과도하게 들어간 항목을 분해하며, Bridge는 연결이 약한 경험을 이어 주고, Reframe은 검색한 추론 사슬을 재구성한다. 정책은 두 수준의 적합도 신호로 갱신된다. 내부 신호는 검색 품질의 향상에 메모리 복잡도 정규화를 적용해 각 변환을 평가한다. 외부 신호는 과거 결정의 일정 구간에 대해 연산자 효용의 후회, 효용 예측 오차, 선택 다양성을 결합해 전략의 효과를 평가한다. ALFWorld, WebShop, LifelongAgentBench(OS와 DB)에서 온라인으로 한 번 처리한 뒤 정책을 고정해 전이하는 방식으로 평가한 결과, EvoDisco는 MemP와 MemRL을 포함한 강력한 메모리 기준선을 앞섰다. 가장 큰 개선은 ALFWorld에서 나타났다. MemP 대비 온라인에서 $+8.8$점, 고정 전이에서 $+12.9$점이었고, MemRL 대비 각각 $+16.4$점과 $+17.9$점이었다. 제거 실험에서는 두 수준의 적합도와 연산자 모음이 모두 이러한 개선에 기여했다.

arXiv:2611.22100v1eess.SP

아날로그 RF 연산을 통한 의미 통신: 무선 장치에서 의미를 계산하는 방법

Semantic Communication via Analog RF Computing: When the Radio Computes the Meaning

의미 통신(SC) 시스템은 의미를 담은 연속 잠재 표현을 전송한다. 그러나 자원이 제한된 엣지 장치에서 의미 인코더를 실행하려면 많은 에너지와 메모리가 필요하다. 이를 해결하기 위해 아날로그 RF 연산으로 클라이언트의 RF 수신 프런트엔드에서 의미 인코더를 실행하는 종단 간 의미 통신 프레임워크를 제안한다. 기지국(BS)이 인코더 가중치를 RF 파형으로 방송하면, 각 엣지 장치는 수신기의 수동 믹서를 재사용해 매우 적은 에너지로 의미 잠재 표현을 계산한다. 이 표현은 상향 링크로 전송되고 네트워크에서 과제 추론에 사용된다. 인코더의 여러 층에서 발생하는 아날로그 연산 잡음과 전송된 잠재 표현에 영향을 주는 채널 잡음을 하나의 수학 모델로 표현할 수 있음을 보인다. 과제의 사후분포를 바탕으로 의미 왜곡 평가지표를 정의하고, 이를 클라이언트와 단계별 의미 민감도로 2차 분해하는 식을 유도한다. 이 분해를 사용해 전체 클라이언트 에너지 예산을 클라이언트, 인코더 층 및 상향 링크에 나누는 의미 인식 워터필링 할당의 닫힌 형태 해를 구한다. 의미에 민감한 단계에는 더 엄격한 정확도 목표를 할당한다. 이에 따라 클라이언트별·층별 정확도 요구를 고려하는 방송 빔포밍 문제가 생긴다. 확률적 최적화로 할당을 더 개선하고, 잡음을 고려하는 공유 의미 모델의 다중 과제 학습과 함께 설계한다. MNIST 시뮬레이션에서 전체 클라이언트 에너지가 같을 때 제안한 할당은 균일 정밀도 대비 네트워크 의미 왜곡을 9.2~19.2%, 클라이언트 간 차이를 고려하지 않는 할당 대비 5.1~13.1% 줄였다. 잡음을 고려한 공동 설계는 왜곡을 추가로 46% 줄였다.

arXiv:2611.22094v1cs.CV

AUC와 생성적 재구성의 결합: 균형 잡힌 시각 표현 학습의 통합 원리

When AUC Meets Generative Reconstruction: A Unified Principle for Balanced Visual Representation Learning

다중 모달 대규모 언어 모델에는 세밀한 시각 특징을 추출하면서 의미 요인이 분리되고 범주를 잘 구별하는 표현을 구성하는 시각 인코더가 필요하다. 기존 방법에는 근본적인 절충이 있다. 대조 학습은 범주 내 변이를 억제해 범주 간 구별을 강화하고, 생성적 재구성은 지각적 충실도를 높이지만 명시적인 비교 지도 신호가 없다. 두 목적을 복합 손실 함수로 단순 결합하면 공유 잠재 공간에서 그래디언트가 간섭하여 최적화 충돌과 불안정성이 생기는 경우가 많다. 이를 해결하기 위해 생성적 재구성을 생성 출력 다양체 위에서의 판별적 순위화 문제로 다시 표현하는 통합 표현 학습 방식을 제안한다. 지각적 재구성을 지도 신호로 유지하고, 대응하는 재구성 쌍과 대응하지 않는 쌍의 출력에 체계적으로 순위를 매겨 판별 제약을 추가한다. 이 방식은 생성 과정에 판별 정보를 포함해 손실 항끼리 경쟁할 가능성을 줄인다. AUC 생성적 재구성(AUCGR)은 대응하는 쌍의 점수가 대응하지 않는 쌍보다 높아지도록 하여 ROC 곡선 아래 면적(AUC)을 최적화한다. 부분 AUC 생성적 재구성(pAUCGR)은 신뢰할 수 있는 특징 부분공간에서의 불일치 비교에 집중해 지도 신호의 편향을 줄인다. 제안한 목적함수는 기존 생성적 재구성 프레임워크에서 아키텍처를 수정하지 않고 사용할 수 있다. 이론 분석으로 AUC 및 pAUC 최적화와의 엄밀한 연관성을 밝히고 일반화 보장을 제시한다. 폭넓은 실험에서 판별 정확도와 세밀한 지각 표현이 모두 개선되었다.

arXiv:2611.22086v1cs.OS

HyCoInfer: 이기종 GPU-FPGA 아키텍처에서의 대규모 언어 모델 클라우드·엣지 협력 추론

HyCoInfer: Cloud-Edge Collaborative Inference for Large Language Models on Heterogeneous GPU-FPGA Architectures

대규모 언어 모델 서빙은 주로 클라우드 GPU에 의존한다. 그러나 자기회귀 디코딩은 메모리 병목이 있어 GPU 연산 장치를 충분히 활용하지 못하는 경우가 많다. 엣지 FPGA는 디코딩 효율이 높지만, 동시성이 높은 서빙 부하를 단독으로 감당하기 어렵다. 이기종 클라우드·엣지 서빙 시스템 HyCoInfer는 프리필을 클라우드 GPU에 맡기고 디코딩을 클라우드 GPU와 엣지 FPGA에 분산한다. 설계는 실제 오프로딩을 가로막는 세 가지 문제를 다룬다. 이기종 가속기 간 용량 균형, 제한된 광역망을 통과해야 하는 대용량 KV 캐시, 이기종 실행에 따른 지연이다. HyCoInfer는 FPGA의 디코딩 용량을 고려해 GPU의 프리필 및 디코딩 역할을 배분하고, 큐 부하·프롬프트 길이·네트워크 상태에 따라 요청을 배치한다. 층별 파이프라인 전송, 디코더에서의 사전 계산, 잔차 벡터 양자화에 기반해 대역폭에 맞춰 조정하는 KV 캐시 압축도 결합한다. NVIDIA V100 GPU 두 개와 AMD Xilinx Alveo U280으로 구현하고 100~1,000Mbps 링크에서 평가했다. 500Mbps에서 HyCoInfer는 클라우드 전용 vLLM 대비 유효 요청 처리량을 최대 4.11배로 높이고 평균 종단 간 지연 시간을 최대 61.1% 줄였다. 다양한 네트워크 조건과 워크로드에서 전체 서빙 용량을 늘리고 요청당 에너지 소비를 줄였으며, 통신 부하가 큰 작업에서 향상 폭이 가장 컸다.

arXiv:2611.22085v1cs.AI

ATLAS-Finance: 실제 업무를 반영한 은행 환경에서 AI 에이전트 평가

ATLAS-Finance: Benchmarking AI Agents in Realistic Banking Environments

전문 업무에서는 지시가 충분히 구체적이지 않고 필요한 정보가 여러 업무 앱에 흩어져 있으며, 정보가 서로 충돌하거나 시간이 지나면서 바뀔 수 있다. 이러한 환경에서 최신 에이전트가 경제적 가치가 있는 일을 얼마나 잘 수행하는지 평가하기 위해 ATLAS-Finance를 소개한다. 이 벤치마크는 모의 기업 13곳의 종단 간 투자은행 과제 100개로 구성된다. 실제 은행 업무와 같이 에이전트는 이메일, 채팅, 일정, 메모, 파일을 검색하여 요구사항을 파악하고 정보를 수집한다. 서로 맞지 않거나 갱신된 정보를 정리한 뒤 복잡한 재무 모델을 작성해야 한다. 투자은행 실무 경력자가 실제 거래 업무를 바탕으로 과제를 만들었으며, 실무자가 과제 하나를 완수하는 데 15~30시간이 든다. 전문가가 작성한 채점표로 재무적 근거와 결과, 스프레드시트 구성, 완전성 및 서식을 평가한다. 채점 기준은 과제당 중앙값 124.5개다. 현재 에이전트는 요청된 작업의 상당 부분을 수행하지만 올바른 결과물을 만드는 경우는 드물다. 최신 모델 중 성능이 가장 높은 Claude Opus와 Fable도 과제 통과율이 11% 미만이다.

arXiv:2611.22084v1cs.AI

위해 감소가 오해를 부를 때: 개념 예측 수정 감사

When Lower Harm Misleads: Auditing Concept Corrections

유방 초음파의 BI-RADS 기술어처럼 모델이 예측한 개념을 전문가가 수정하면 진단이 개선될 것으로 기대한다. 이러한 수정의 위해를 줄이는 목적함수는 위해와 정확도로 평가한다. 그러나 모델이 모든 수정에 덜 반응하거나 위해 산정의 기준인 수정 전 예측의 성능이 낮아져도 위해는 줄어든다. 이러한 원인을 구분하기 위해 재현 가능한 평가 절차인 수정 감사를 제안한다. 동일한 사례에서 각 수정의 영향을 위해와 유용한 개선으로 나누고, 시작 예측과 수정에 대한 반응을 분리하며, 원천 데이터에서의 위해가 같도록 반응 크기를 조정한 기준선과 비교한다. 유방 초음파 데이터 출처 세 곳에서 평균 사례를 기준으로 학습한 모델의 시작 예측을 고정해 최악 사례 수정 학습을 평가했다. 시드 6개의 결과를 합쳐 출처별로 비교한 21건 모두에서 위해는 낮아졌지만 유용한 개선은 그보다 더 크게 줄어 수정 후 음의 로그 가능도(NLL)가 높아졌다. 같은 시작 예측에서 위해만을 기준으로 목적함수를 고르면 세 출처 모두에서 덜 유용한 모델을 선택했다. CUB에서는 논문에 보고된 가중치의 단조 위해 페널티가 80개 개념 집합 모두에서 경로 단위 위해를 낮췄지만 NLL은 모두 높아졌다. NLL 상승은 거의 전부 수정 전에 발생했다. 시작 예측을 고정하고 두 반응의 크기를 원천 데이터에서 위해가 같도록 조정하면, 반응 방향이 다른데도 단일 개념 수정의 평균 위해, 유용한 개선, NLL에서 페널티의 결과를 사전 지정한 0.0005나트의 허용 오차 안에서 재현했다. 따라서 위해 감소가 더 나은 수정을 뜻하는지는 유용한 개선, 절대 위험, 위해 산정의 출발점을 함께 살펴야 판단할 수 있다.

arXiv:2611.22076v1cs.CV

항공 영상의 분할 정보를 이용한 지붕형 태양광 설비 용량 직접 추정

Segmentation-Guided Direct Capacity Estimation of Rooftop Photovoltaics from Aerial Imagery

배전망 계획에는 지붕형 태양광(PV) 설비별 용량 목록이 필요하다. 그러나 계통 연계 기록이 불완전하거나 여러 설비가 지역 단위로 묶여 있을 수 있다. 기존 영상 기반 추정기는 PV 배열을 분할하고 마스크를 실제 면적으로 바꾼 뒤 추정한 전력 밀도를 곱한다. 따라서 용량 예측이 마스크에서 얻은 면적에 좌우된다. U-Net 분할과 소프트 마스크 풀링을 유지하면서 PV 영역 특징과 면적 기술값으로 음이 아닌 용량을 직접 회귀하는 분할 기반 아키텍처 Direct Head를 제안한다. 프랑스의 지붕형 설비 7,590건을 대상으로 기존 분할 설정과 데파르트망 행정구역 단위로 평가 데이터를 분리한 설정에서 독립적으로 세 번 실행했다. 매개변수 수를 맞춘 면적·전력 밀도 기반 신경망과 비교하면 Direct Head는 두 설정의 평균 절대 오차를 각각 8.7%와 12.5%, 대칭 평균 절대 백분율 오차를 각각 14.0%와 20.7% 줄였다. 기존 추정기, 조건을 통제한 아키텍처 변형, 보조 손실 제거 실험 및 대표 사례를 비교한 결과, 분할은 유용한 공간 정보를 제공하며 용량을 면적과 밀도의 곱으로 결정할 필요가 없음을 확인했다.

arXiv:2611.22075v1cs.AI

되돌릴 수 있는가? AI 에이전트 행동의 가역성 등급

Can You Undo It? Reversibility Classes for AI Agent Actions

도구를 쓰는 AI 에이전트는 파일, 데이터베이스, 접근 권한, 공개 정보를 바꾼다. 도구 호출 권한만으로는 잘못된 행동을 되돌릴 수 있는지 알 수 없다. 가역성 등급은 명시적으로 선언하는 5단계 분류 체계다. 호출 인자에 따른 규칙, 보수적 기본값, 이전 상태를 저장하는 명시적 계약을 포함한다. 버전을 고정한 구현과 근거를 연결한 등록부는 MCP 서버 20개의 도구 536개를 다룬다. 규칙 사례 검사 738건 전부가 선언된 예상과 일치했다. 기존 주석을 변환한 결과는 비교 가능한 481개 도구 중 118개에서 등록부 초안의 등급과 달랐다. AI의 도움을 받은 검토자 한 명이 등급 148건을 승인했고 그중 75건이 등록부와 일치했다. 이 결과는 독립적인 검토자 간 합의로 볼 수 없다. 기록한 실행 2,158건에서 구현한 세션 보호 장치는 공격이 발생하고 관련 동작을 식별한 실행 29건 모두에서 해당 동작에 승인 절차를 적용했다. 읽기·쓰기 기반 대리 기준은 18건에서 적용했다. 정상 실행 1,209건에서는 승인 지점 9곳을 추가했다. 파일, Git, SQLite, 브라우저 세 가지를 사용한 통제 실험에서 복구는 저장한 상태, 이후의 변경, 편집기의 저장 방식, 복구 경로에 따라 달라졌으며, Git 병합 상태의 예외도 드러났다. 이 결과는 복구의 전제를 명시하고 시험할 수 있게 만드는 접근을 뒷받침한다. 등록부 전체의 정확도, 운영 피해 감소, 일반적인 복구 신뢰성은 입증하지 못했다.