PyTorchKR Papers

최신 논문

총 1,220편
태그·기간 등 상세 필터

카테고리 탐색

arXiv:2611.19752v1cs.CL

StaleBench: 에이전트 메모리에서 오래된 정보 검색 문제를 분리하고 해결 비용 측정하기

StaleBench: Isolating Stale Retrieval in Agent Memory, and Pricing the Fix

에이전트가 시간에 따라 사실을 저장하다 보면 동일한 사실의 여러 버전을 보관하게 된다. ‘X는 지금 어느 팀에서 뛰는가?’처럼 값 자체에 대한 단서가 없는 질문을 받으면, 유사도 기반 검색기는 최신 버전을 우선할 수 없다. 모든 버전이 쿼리에서 언급한 개체와 일치하기 때문이다. StaleBench는 실제로 바뀐 사실 892개를 사용해 오래된 정보를 검색하는 실패를 분리해 평가한다. 최신성 레이블은 검색 점수가 아니라 원천 자료에서 얻는다. TempLAMA를 통해 가져온 Wikidata의 유효 연도를 사용한다. 핵심 결과는 검색 평가지표가 메모리 정책의 순위를 실제와 반대로 매길 수 있다는 점이다. 보존 정책을 적용한 시스템과 모든 정보를 남기는 대조군은 모든 테스트 쿼리에서 동일한 문장을 1위로 반환했다. 그럼에도 날짜를 표시하지 않았을 때 두 읽기 모델의 답변 정확도는 각각 29.5포인트와 65.6포인트 차이가 났다. 본 연구가 추가한 Contamination@5는 두 정책의 순위를 올바르게 구분했으나 current@1과 current@5는 그러지 못했다. 저장 문장에 포함된 어휘 단서를 제거하면 실제 배포에서 쓰는 키 지정 방식의 최신성 점수가 수십 포인트 떨어진다. 기록할 때와 질의할 때 모두 동일한 개체가 무엇인지 식별하면 손실의 대부분을 회복할 수 있다. 배포된 세 시스템(Mem0, Graphiti, LangMem)과 다시 구현한 ERASE는 이전 사실을 새 사실로 대체하는 방식이 각각 다르다. 단일 채점 방식으로는 네 시스템 모두를 설명할 수 없다. 데이터와 버전을 고정한 평가기, 참조 기준선을 공개한다.

arXiv:2611.19220v1cs.CL

좋은 문맥 부분집합의 조건 다시 살펴보기: 희소 잠재 기저 관점

Revisiting What Makes a Good Context Subset: A Sparse Latent Basis Perspective

최신 대규모 언어 모델(LLM)의 추론에서 문맥 부분집합을 선택하는 일이 갈수록 중요해지고 있다. 그러나 어떤 부분집합이 효과적인지는 분명하지 않다. 본 연구는 소수 예제 선택이라는 통제된 설정에서 이 질문을 살펴본다. 예제들이 함께 대상 쿼리에 필요한 과제 관련 정보를 제공해야 한다는 가설을 검토한다. 쿼리 표현이 필요한 정보를 잘 대변한다고 가정하고, 선택 문제를 희소 복원으로 정식화한다. 이를 매칭 추적 방식의 진단 절차인 잔차 설명 탐색(RES)으로 구현한다. 벤치마크 일곱 개와 가중치 공개 LLM 여덟 종의 평가에서 모든 조건에 가장 좋은 검색 목적 함수는 없었다. RES는 모델·데이터셋 조합 56개 중 34개에서 MMR을 앞섰으며, 감성 과제에서 우위가 가장 뚜렷했다. 쿼리를 조건으로 예제들을 함께 사용해 표현을 복원하면, 예제 쌍의 비유사도만으로는 놓치는 상호 보완성을 포착할 수 있음을 시사한다. 템플릿이 많은 추론 벤치마크에서는 관련성 기반 검색이 여전히 강했다. StrategyQA에서는 모든 검색 방식이 평균적으로 제로샷 예측보다 낮았다. 풀이를 복원하는 분석은 쿼리 자체에 필요한 외부 지식이 드러나지 않는다는 설명과 일치했다. 대상 모델의 은닉 상태를 분석한 결과, 검색 목적 함수는 사용하는 표현 공간에 따라 다르게 작동했다. 중간 층에서는 대체로 유사도 검색이 유리했고, 마지막 층에서는 잔차 및 다양성 기반 선택이 더 강한 경우가 많았다. 이 결과는 좋은 문맥 부분집합의 조건이 표현과 상황에 따라 달라짐을 보여 준다.

arXiv:2611.19166v1cs.AI

LABEL: 약물 지식과 언어 모델에서 효능과 안전상 제약에 관한 문헌 비대칭

LABEL: Literature Asymmetry between Efficacy and Limits in Drug Knowledge and Language Models

모든 의약품에는 두 종류의 의학 정보가 있다. 적응증은 해당 약이 어떤 질환을 치료하는지 설명하며, 금기 사항은 심각한 위해를 피하기 위해 누가 그 약을 사용하면 안 되는지 알려 준다. 금기 사항은 환자 안전에 매우 중요하다. 미국 식품의약국(FDA) 규정도 적응증과 같은 수준으로 엄격하게 명시하도록 요구한다. 그러나 일반 서술문에서는 금기 사항을 적응증보다 훨씬 드물게 기록하는 것으로 나타났다. 본 논문은 PrimeKG에 수록된 약물 574종에서, 각 약의 적응증과 같은 약의 금기 사항을 서로 비교해 두 사실이 텍스트에 얼마나 자주 등장하는지 측정한다. 위키백과 문서와 PubMed 초록은 약물의 효능을 안전상 제약보다 약 두 배 자주 언급했다. 같은 약물 안에서의 오즈비는 2.19였다. 이 문서화 격차를 LABEL(Literature Asymmetry between Efficacy and Limits)이라 부른다. 언어 모델에도 이 격차가 나타난다. Qwen2.5의 매개변수를 5억 개에서 140억 개로 늘리자 적응증 정확도는 18.3포인트 올랐으나, 금기 사항 정확도는 무작위 추측에 가까운 수준에서 거의 변하지 않았다. 그러나 답을 명시한 검색 문단을 제공하면 모델은 안전 정보도 효능 정보만큼 효과적으로 활용했다. 안전 질문을 FDA 공식 허가 문서로 연결하면 해당 문서에 답이 명시된 경우 정확도가 15.8포인트 높아졌다. 이 결과는 모델의 약물 안전 오류가 위험 추론 능력보다 자유 형식 말뭉치에 안전 정보가 부족한 데서 생김을 보여 준다. 따라서 임상 AI 시스템은 약물 안전 질문에 답할 때 일반 공개 자료에 의존하기보다 공식 규제 문서와 구조화된 데이터베이스를 활용해야 한다. 코드와 데이터는 https://github.com/SMRayeed/LABEL 에서 확인할 수 있다.

arXiv:2611.19110v1cs.AI

CLEAR: 근거를 확인할 수 있는 자연어 관심사로 이해하고 조정할 수 있는 추천

CLEAR: Legible and Steerable Recommendation via Grounded Natural-Language Interests

현대의 추천 시스템은 사람들이 확인하거나 바꿀 수 없는 표현에 학습된 선호를 저장한다. 우리는 편집 가능한 자연어 관심사 계층을 중심으로 구축하고 Meta에 배포한 종단 간 추천 시스템 CLEAR(Controllable and Legible End-to-end Architecture for Recommendation)를 소개한다. CLEAR는 추론한 관심사 중 일부를 순위에 따라 읽을 수 있게 표시하고, 사용자가 추가하거나 제외한 항목을 추천에 우선 적용되는 선호 상태로 저장한다. 각 관심사가 어떤 행동에 근거하는지 사용자의 활동 이력에 있는 사건까지 추적할 수 있다. 이렇게 만든 관심사 객체는 추천을 제공하는 여러 단계에서 조회 키로도 쓰인다. 레이블과 사용자 프로필에 맞게 다시 쓴 표현은 어휘 기반 검색에, 근거가 된 활동은 행동 기반 검색에 쓰인다. 관심사를 투영한 벡터로 임베딩 인덱스를 조회하며, 고정 식별자로 순위 산정, 추천 노출의 근거 추적, 노출 제어를 지원한다. 사용자가 새 관심사를 직접 추가했을 때는 아직 이를 뒷받침할 활동이 없을 수 있다. 이 경우에도 같은 방식으로 식별자를 부여하고, 처음에는 주제 기반 검색으로 후보를 얻는다. 순위 산정 단계에서는 이 후보들이 다른 후보와 경쟁할 수 있도록 조정한다. 노출 제어기는 관심사별 노출을 추적하고 노출이 부족한 관심사에 후보를 보충한다. 사용자가 직접 검토한 결과, 표시된 관심사의 약 88.5%가 정확하다고 평가됐다. 같은 오프라인 평가 절차를 적용한 벤치마크에서 특화된 30억 매개변수 생성기의 사용자별 평균 F1@10은 0.3967이었다. Gemini 2.5 Pro는 0.3633, 이전 생성기는 0.1911이었다. 새로 추가된 관심사에 대해 사용자를 무작위로 배정한 누적 제거 실험에서, 추가 관심사에 대한 순위 산정 항목을 빼면 당일 노출률이 8.7%포인트 감소했다. 상단에 확보한 슬롯에 삽입하는 단계를 빼면 11.1%포인트, 관심사에 맞춰 후보를 수집하는 단계를 빼면 13.7%포인트 감소했다. 이 결과는 실험에서 사용한 제거 순서를 전제로 한다. CLEAR 구성 요소는 1년 넘게 운영 환경에서 작동해 왔다. Instagram과 Facebook의 네 가지 화면에 적용됐으며, 사용자는 관심사 계층에서 자신의 관심사를 확인하고 수정해 추천을 조정할 수 있다.

arXiv:2611.19106v1cs.LG

장기간의 약물 처방 궤적을 위한 지식 기반 국소-전역 이상 학습

Knowledge-Guided Local-to-Global Anomaly Learning for Longitudinal Medication Trajectories

장기간의 약물 처방 궤적에서 의심스러운 편차를 탐지하려면 알려진 의학 지식에 부합하는 치료상의 변이와 비정상적 변화를 구별하고, 개별 편차를 계정 수준의 판단과 연결해야 한다. 두 문제를 해결하는 지식 기반 국소-전역(L2G) 이상 학습 프레임워크를 제안한다. 이 프레임워크는 개별 약물 처방, 치료 에피소드, 연속 방문 구간이라는 세 가지 세분화 수준에서 대리 지도 신호를 만든다. 지식에 부합하도록 약물과 에피소드를 바꿔 정상일 가능성이 높은 음성 예시를 만들며, 범주나 계정 간 교란으로 의심 사례를 대신할 예시를 만든다. 약물 다중집합 인코더와 인과적 방문 시퀀스 인코더의 출력은 공유 점수 산정 헤드에 전달되고, 이 헤드는 방문별 이상 로짓을 생성한다. 상위 \(\alpha\) 집계로 이 로짓에서 계정별 점수를 얻는다. 계정 수준의 분류 목표와 클래스 균형을 맞춘 방문 위치 식별 목표가 같은 방문별 증거를 공동으로 최적화한다. 두 도시의 코호트에서 L2G를 기존 이상 탐지 방법 및 대리 지도 신호에 맞춰 조정한 방법과 비교했다. City-A에서 L2G는 가장 높은 성능을 보인 비교 방법보다 우수했다. 도시 간 비교에서는 계정 수준의 탐지보다 이상이 발생한 방문을 식별하는 성능이 더 일관되게 개선됐다.

arXiv:2611.19074v1cs.IR

TokenFormer V2: 통합 추천의 해상도와 계산 복잡도 사이의 딜레마 해소

TokenFormer V2: Breaking the Resolution-Complexity Dilemma in Unified Recommendation

산업용 추천에는 해상도와 복잡도 사이의 딜레마가 있다. 행동 간 상호작용을 조밀하게 다루면 긴 행동 이력을 세밀하게 모델링하는 비용이 커진다. 이력을 압축한 요약을 사용하면 예측에 활용할 수 있는 근거가 줄어든다. 통합 백본은 엄격한 서비스 연산 예산 내에서 행동의 세부 정보를 보존해야 한다. 표현 해상도와 상호작용 밀도를 명시적으로 분리하는 통합 아키텍처 TokenFormer V2를 소개한다. 이 모델은 그룹별 토큰 배치를 통해 행동 구간과 비시퀀스 문맥을 함께 인코딩한다. 계층적으로 그룹을 병합해 상호작용 범위를 넓히고, NS Fusion과 Global Sync 모듈로 분산된 그룹을 조율한다. 이 국소·전역 분해 방식은 세부 근거를 보존하면서 구조화된 상호작용에 연산을 집중한다. 따라서 Full-Resolution Readout 모듈은 인코딩된 모든 이벤트에 직접 접근할 수 있다. Tencent Advertising Algorithm Competition 2026(TAAC 2026) 벤치마크에서 TokenFormer V2는 통합 추천 기준선 가운데 최상위 정확도를 기록했다. 주요 기준선보다 FLOP을 5.1$\times$ 적게 사용했으며, 긴 이력과 행동 영역 간 불균형이 있는 조건에서도 우위를 유지했다. WeChat Channels 광고에서 수십억 매개변수 규모로 평가한 결과, 최신 산업용 기준선을 일관되게 앞섰고 전체 AUC가 최대 0.07%포인트 높아졌다. 운영 모델과 비교한 실시간 온라인 A/B 테스트에서는 총거래액(GMV)이 통계적으로 유의하게 2.33% 증가했다. 이 결과는 TokenFormer V2가 산업용 추천에서 행동 이력을 원래 해상도로 모델링하는 확장 가능한 설계로 실환경에서 검증됐음을 보여 준다.

arXiv:2611.18878v1cs.IR

무작위 바꿔쓰기를 통한 LLM 기반 추천 시스템의 구조적 편향 무라벨 탐지: 장황함 사례

Label-Free Detection of Structural Bias in LLM-Based Recommender Systems via Randomized Paraphrasing: The Case of Verbosity

대규모 언어 모델(LLM)은 전자상거래와 대화형 쇼핑 시스템에서 추천기로 점점 더 많이 배포되고 있으며, 자연어로 기술된 검색된 후보 집합에서 상품을 선택한다. 이들의 결정은 사용자 질의와의 관련성에 의존해야 하지만, 설명의 길이와 같은 표면적 속성의 영향도 받을 수 있다. 관련성 라벨이 거의 없기 때문에 이러한 구조적 편향을 탐지하기는 어렵다. 본 논문은 LLM 기반 추천 시스템의 구조적 편향을 감사하기 위한 무라벨 프레임워크를 제안한다. 후보 설명은 무작위로 할당된 바꿔쓰기 모델에 의해 다시 작성되고 무작위 순서로 제시된다. 추천기의 선택이 이러한 다시 쓰기에 불변이면 모든 바꿔쓰기 모델이 동일한 확률로 선택됨을 증명하며, 이로써 관련성 라벨이 필요 없는 통계 검정이 도출된다. 네 단계의 통계 파이프라인은 이 성질을 검정하고, 질의-상품 관련성을 통제하면서 각 설명 특징의 기여를 정량화한다. 이 프레임워크를 2만 건의 상품 질의와 다섯 모델 계열의 아홉 개 추천용 LLM에서의 장황함 편향에 적용한다. 측정된 관련성 신호를 통제한 후에도 설명 길이는 아홉 개 모델 모두에서 선택에 양의 효과를 미치며, 길이의 표준편차당 선택 오즈를 최대 38%까지 높인다. 관련성은 여전히 추천의 주된 요인이며, 장황함은 강도가 모델 계열에 따라 달라지는 일관된 보조 신호로 작용한다. 이 프레임워크는 블랙박스 접근만 필요하고 주석이 필요 없으므로 배포된 쇼핑 어시스턴트에 대한 정기 감사로 실행할 수 있으며, 비용과 표본 크기에 대한 지침이 포함된 감사 프로토콜을 제공한다.

arXiv:2611.18634v1q-bio.QM

Brain AI Scientist: 정밀 정신의학을 위한 중개 신경영상의 근거 기반 다중 에이전트 시스템

Brain AI Scientist: An Evidence-Based Multi-Agent System for Translational Neuroimaging in Precision Psychiatry

안정 상태 기능적 자기공명영상(rs-fMRI)은 정신 질환에서 광범위한 뇌 네트워크 변화를 밝혀 왔지만, 이러한 발견을 개별 맞춤형 임상 의사결정 지원으로 옮기는 일은 여전히 어렵다. 본 논문은 환자별 fMRI, 임상 정보, 과학적 근거를 검색, 검증, 우선순위화를 통해 통합하는 자율 다중 에이전트 프레임워크 Brain AI Scientist를 소개한다. 연구 영역 기준(Research Domain Criteria)과 근거 중심 의학을 지침으로 삼아, 표현형, 해부학적 이상, 바이오마커, 기전, 중재, 검증 전략을 잇는 추적 가능한 연쇄를 구축한다. 대표적인 자폐 사례에서 Brain AI Scientist는 37개의 해부학적 가설을 생성하고 문헌 검증 후 26개를 유지했으며, 90편의 고유한 문헌으로부터 근거가 뒷받침되는 65개의 바이오마커를 도출하여 환자별 치료 및 검증 지침을 생성했다. 17개의 자폐 스펙트럼 장애 사례 전반에서, 근거 기반성, 개인화, 임상적 실행 가능성, 바이오마커-치료 추론 측면에서 fMRI 소견 포함 여부와 관계없이 GPT-3.5 기준 모델을 능가했다. 따라서 Brain AI Scientist는 환자별 신경영상을 정밀 정신의학을 위한 개별 맞춤형 임상 의사결정 지원으로 옮기는 감사 가능한 프레임워크를 제공한다.

arXiv:2611.18617v1cs.CL

탐색자로서의 내재적 어텐션: 멀티홉 질의를 위한 비생성적 검색 방법

Intrinsic Attention as Navigator: A Non-Generative Retrieval Method for Multi-Hop Queries

검색 증강 생성(RAG)에서 멀티홉 질의를 처리하려면 증거 조각을 정확하게 확보하는 것이 중요하다. 본 연구에서는 멀티홉 질의 검색을 위한 학습이 필요 없는 방법인 내재적 탐색 기반 비생성적 검색(Intrinsic Navigating-based Non-Generative Retrieval, IN-Retriever)을 제안한다. 이 방법은 중간 추론 텍스트를 생성하는 대신, 현재 문맥과 검색된 후보 문서를 바탕으로 임베딩 모델의 내부 어텐션에서 연결 단서를 추출한다. IN-Retriever는 단서 추출과 문서 검색을 반복하는 과정에서, 이미 드러난 단서를 임베딩된 질의 벡터에서 제거한 뒤 후보 문서를 목표 지향적으로 재순위화하여, 검색이 숨겨진 다음 홉의 증거를 향하도록 유도한다. 실험을 통해 내재적 어텐션 신호를 활용하여 외부 멀티홉 검색을 안내하는 방식이 실현 가능하고 효과적임을 확인한다. 실험 결과, 본 방법은 멀티홉 질의를 뒷받침하는 충분한 문서를 정확하게 수집하며 희소 검색 및 밀집 검색 방법을 크게 능가한다.

arXiv:2611.18588v1cs.CL

대규모 언어 모델을 활용한 문헌 선별 및 지식 종합의 자동화

Automating literature screening and knowledge synthesis with large language models

과학 문헌은 빠르게 증가하고 있으나, 크고 이질적인 문헌 코퍼스를 탐색하는 데 막대한 작업량이 필요하기 때문에 그 지식의 상당 부분은 체계화하고 재사용하기 어렵다. 본 연구에서는 문헌 선별, 구조화된 정보 추출, 지식 종합을 하나의 통합된 워크플로에서 자동화하는, 일반화 가능한 대규모 언어 모델(LLM) 기반 프레임워크를 개발한다. 범위, 코퍼스 규모, 클래스 불균형이 서로 다른 세 가지 재료과학 선별 과제에서 최신 상용 및 오픈 가중치 LLM 11개를 벤치마크하였다. 일곱 개의 LLM이 모든 과제에서 0.90을 넘는 균형 정확도를 달성했고 최고 성능 LLM은 0.96–0.98에 도달하여, LLM이 크고 매우 불균형한 과학 코퍼스를 정확하게 선별할 잠재력을 보였다. 이 프레임워크는 수작업 선별에 약 83 인시(person-hour)가 소요되는 것과 비교해 10,000건의 기록을 4분 이내에 선별함으로써 수작업 부담도 크게 줄인다. 문헌 선별을 넘어, 이 프레임워크는 전문 논문에서 구조화된 정보를 추출하여 출판 메타데이터에 기반한 전통적 계량서지 분석을 확장하는 연구 지형의 내용 수준 정량화를 가능하게 한다. 이러한 능력은 콘크리트 재료과학의 기계학습 사례에서 보듯이 방법론적 추세와 충분히 탐구되지 않은 방향을 드러낸다. 또한 기존 검색 전략으로는 찾기 어려운 규ㅅ산염 유리 밀도 데이터를 포함한 논문을 식별함으로써 정보 및 데이터 발견에서의 유용성을 보이며, 이는 후속 가설 개발, 연구 설계, 데이터 기반 과학적 발견을 뒷받침할 수 있다. 종합하면 이러한 결과는 LLM 기반 문헌 분석이 여러 과학 분야에 폭넓게 적용 가능하며, 크고 구조화되지 않은 문헌 코퍼스를 대규모로 구조화되고 분석 가능한 지식으로 전환할 잠재력이 있음을 보여 준다.

arXiv:2611.15328v2cs.CV

확장 가능한 다국어 텍스트 기반 인물 검색을 위한 시각 기반 의미 학습 및 정렬

Vision-Grounded Semantic Learning and Alignment for Scalable Multilingual Text-Based Person Retrieval

다국어 텍스트 기반 인물 검색(TBPR)은 여러 언어의 텍스트로 개인을 검색하는 것을 목표로 한다. 실용적 중요성에도 불구하고, 주로 영어 전용 검색에 초점을 맞춘 기존 연구에서는 간과되어 왔다. 다국어 TBPR에 대한 유일한 선행 시도는 (1) 대규모 다국어 사전 학습 데이터셋의 부재와 (2) 다국어 텍스트 인코딩 및 교차 모달 정렬을 위한 차선의 모델 아키텍처라는 문제를 안고 있다. 이 아키텍처는 언어적 이질성을 간과하는 공유 인코더를 사용하고 교차 모달 정렬에서 영어를 피벗으로 의존하여 영어 중심 편향을 초래한다. 이에 우리는 최초의 대규모 보행자 중심 다국어 사전 학습 데이터셋인 MultiPedes를 제공한다. 이 데이터셋은 다국어 품질 인식 데이터 구축 파이프라인으로 구축된 네 개 언어에 걸친 1,000만 개의 이미지-텍스트 쌍을 포함한다. 또한 우리는 새로운 프레임워크인 ViSeLA(Vision-grounded Semantic Learning and Alignment)를 제안한다. 이는 (1) 언어 불변 의미를 전문화된 전문가에게 라우팅하여 다국어 특징 학습을 개선하도록 전문가 혼합 아키텍처를 확장한 의미 인식 다국어 학습 모듈과, (2) 의미 프로브를 사용해 모달리티 간의 세밀한 의미를 포착함으로써 피벗 언어에 의존하지 않고 직접 교차 모달 정렬을 가능하게 하는 시각 기반 교차 모달 정렬 모듈을 특징으로 한다. 다국어 및 영어 전용 TBPR 데이터셋 모두에 대한 폭넓은 실험이 ViSeLA의 효과를 입증한다. 데이터셋과 코드는 https://github.com/Flame-Chasers/ViSeLA 에서 이용할 수 있다.

arXiv:2611.06044v2cs.IR

검색 증강 추천기는 가장 최근의 검색 에피소드를 사용하는가?

Do Search-Augmented Recommenders Use the Latest Search Episode?

사용자가 검색 후 추천 피드로 돌아올 때, 가장 최근의 검색 에피소드는 다음 아이템의 순위를 매기는 데 도움이 되는가? 집계된 순위 향상만으로는 검색 증강 추천기가 예측 시점에 가장 최근의 검색을 사용하는지, 아니면 더 넓은 검색 상태와 표현 학습으로부터 이득을 얻는지 알 수 없다. FocalSwap은 목표, 후보, 추천 이력, 학습된 스코어러를 고정한 채 가장 최근 에피소드 또는 전체 검색 이력을 마스킹하거나 교체하는 반사실적 감사이다. 심어진 신호 테스트와 GenSAR의 고유 검색-아이템 예측 과제는 FocalSwap이 알려진 검색 의존성을 탐지함을 검증한다. 대리 분석에서 KuaiSAR의 라우팅 이득은 셔플 임계값 아래로 떨어지고, Qilin의 가장 뚜렷한 매칭 검색 이점은 높은 분류체계 중첩에서 나타난다. SESRec과 UniSAR의 주요 비교는 가장 최근 검색 에피소드만으로 순위 향상이 긍정적임을 입증하지 못한다. 전체 검색 이력의 경우 추정된 기여도는 통제 방식에 따라 달라진다. UniSAR 체크포인트 세 개에 걸친 공유 인스턴스 66,139개에서 중립 마스킹은 평균 역순위(RR)를 일관되게 낮춘다. 이력을 범주와 활동 프로필이 일치하는 관측된 검색으로 교체하면 목표 순위의 44.1~44.8퍼센트가 바뀌지만, 원래 이력의 평균적 이점은 거의 없다. 주요 할당에서 일치 교체는 체크포인트에 따라 중립 마스킹보다 평균 RR이 0.002770에서 0.006604만큼 더 높다. 이 차이에 대한 조정된 구간은 주요 할당과 체크포인트당 다섯 개의 대안 할당 모두에서 0 위에 있다. 검색 감사는 어떤 입력이 바뀌었고 무엇으로 대체되었는지를 명시하고, 순위가 얼마나 자주 움직이는지와 원래 검색이 얼마나 도움이 되는지를 모두 보고해야 한다.

arXiv:2610.19608v2cs.IR

LLM 답변 속 브랜드 언급 예측: 수 시간에서 수 주에 걸친 동결 예측 평가

Forecasting Brand Mentions in LLM Answers: Frozen Predictions Evaluated from Hours to Weeks

기업과 에이전시는 이제 구매자가 추천을 요청할 때 대규모 언어 모델(LLM)이 어떤 브랜드를 언급하는지 모니터링한다. 답변은 실행마다 달라지므로 한 번의 확인은 오해를 낳을 수 있고, 반복 확인에는 비용이 든다. 본 연구는 이전의 20일 재현 연구를 확장하여, 과거의 브랜드 언급이 7주에 걸쳐 이후의 언급을 얼마나 잘 예측하는지 살펴본다. 동일한 54개의 구매자 질문에 대한 Gemini 3.1 Pro 답변의 전향적 수집 4개 웨이브 각각에 앞서 확률적 예측을 동결하였다. 질문은 영어, 에스토니아어, 핀란드어로 구성된 9개 질문군을 각각 두 시장에 대해 구성한 것이며, 질문마다 추적 대상 12개 브랜드 중 4개를 포함한다. 웨이브는 가장 이른 예측에 사용된 이력으로부터 1.5시간에서 52일 사이에 수집되었고, 각 웨이브는 162개 답변에서 얻은 648개의 브랜드 및 답변 라벨로 채점되었다. 평활화된 질문별 이력은 1.5시간 시점에서 Brier 점수 0.0599를 기록하였으며, 브랜드별 비율은 0.1131, 상수 0.5는 0.25였다. 첫 시험 이전에 도전자로 지정된 0.05–0.95로 클리핑된 통합 비율은 8시간 후 0.0259, 30일 후 0.0269, 52일 후 0.0328을 기록하였다. 이전 답변 전체 또는 전무에서 언급된 브랜드-질문 셀 중 94.5%~97.5%는 이후 각 웨이브에서도 그 패턴을 유지하였으며, 항상 언급에서 전혀 언급하지 않음으로, 또는 그 반대로 바뀐 경우는 없었다. 검색 지시를 주었을 때 162개 답변 중 100개에서 검색 활동이 나타난 반면, 이전의 Pro 답변은 540개 중 1개였다. 이 경우에도 언급은 예측 가능하였으며(Brier 0.0563), Pro의 이력은 더 작은 모델의 답변을 덜 잘 예측하였다(0.0787). 사람의 코딩은 샘플링된 300개 자동 라벨 중 298개와 일치하였고, 두 코더는 공유 항목 100개 중 99개에서 일치하였다(kappa = 0.98). 결과는 하나의 제공자 계열, 고정된 후보 집합, 어휘적 언급에 한정된다. 이 결과는 질문별 이력이 LLM 브랜드 언급에 대한 모든 예측 또는 모니터링 방법이 능가해야 할 기준선임을 뒷받침한다.

arXiv:2610.05107v3cs.IR

SearchJev: 검색 에이전트를 위한 보정된 System-1 모델

SearchJev: A Calibrated System-1 Model for Search Agents

검색 에이전트는 관련성, 증거 충분성, 검색 행동에 관한 짧은 결정을 반복적으로 내린다. 이러한 결정에 생성형 언어 모델을 사용하면 지연 시간이 늘고 신뢰도가 불안정해진다. 본 논문은 검색 결정을 System-2의 추론 및 생성과 분리하는 보정된 System-1 모델 SearchJev를 제시한다. 검색 상태와 결정 스키마가 주어지면 SearchJev는 자기회귀적 출력 생성 없이 유효한 선택지에 점수를 매긴다. 불확실한 지도 신호로부터 결정 확률을 학습하고 결정 신뢰도의 신뢰성을 높이기 위해 보정된 결정을 위한 소프트 라벨 학습(SLCD)을 제안한다. 이중 시스템 검색 에이전트에서 SearchJev는 짧은 결정을 처리하고 불확실한 판단은 계획, 질의 생성, 답변 작성을 담당하는 System 2에 위임한다. 또한 학습과 평가를 위해 여섯 가지 유형의 검색 결정을 통합한 벤치마크 SearchDecision-Bench를 도입한다. SearchDecision-Bench에서 SearchJev는 동일 크기의 Qwen3.5 자기회귀 모델보다 결정 품질을 향상시키고, 결정 속도가 5.2~5.3배 빠르며, 평균 기대 보정 오차를 41~74% 줄인다. BrowseComp-Plus에서 이중 시스템 에이전트는 능동 검색 시간에서 3.7~4.7배의 속도 향상을 달성하면서 답변 정확도를 45%에서 최대 54%까지 높인다.

arXiv:2609.04504v2cs.AI

BioSync: 멀티모달 웨어러블 디지털 바이오마커를 위한 트랜스포머 융합

BioSync: Transformer Fusion for a Multimodal Wearable Digital Biomarker

멀티모달 웨어러블 디지털 바이오마커는 이질적인 생리 신호, 누락되거나 손상된 센서 스트림, 그리고 엄격한 온디바이스 메모리 예산을 처리해야 한다. 우리는 연속적인 웨어러블 배포를 위해 설계된 소형 트랜스포머 기반 교차 모달 융합 아키텍처 BioSync(매개변수 1,119개, FP32에서 4.6 kB, INT8 가중치 양자화 시 1.3 kB)를 제시한다. 11개의 합성 생리 체제와 다섯 개의 실제 데이터셋(RESILIENT, AI-READI, WESAD, 스트레스 회복탄력성 HCI 데이터셋, PADS; N = 15~469)에 걸쳐, 품질 게이트 변형, 용량 라우팅 혼합 모델, 고전적 및 신경망 베이스라인과 함께 BioSync를 평가한다. BioSync는 체제 전반에서 가장 작은 최악 사례 후회값(베이스라인은 0.048~0.107인 데 비해 0.034)을 달성하면서 실제 웨어러블 벤치마크에서도 경쟁력을 유지한다. 또한 품질 게이팅, 테스트 시점 토큰 마스킹, 용량 라우팅 가중치에 대해 실제 데이터에서 엇갈린 결과를 보고하여, 소형 트랜스포머 융합이 도움이 되는 경우와 단순한 베이스라인이 여전히 강한 경우에 대한 실증적 특성을 제공한다.

arXiv:2609.02486v3cs.IR

ViSAR: 문서 시각 질의응답을 위한 학습이 필요 없는 적응형 $k$ 검색

ViSAR: Training-Free Adaptive-$k$ Retrieval for Document Visual Question Answering

문서 시각 질의응답(DocVQA)은 검색 증강 생성(RAG)을 활용하는 경우가 많으며, 여기서는 대규모 시각-언어 모델(LVLM)이 답변을 생성하기 전에 사용자 질의와 관련된 문서 페이지를 식별하는 데 후기 상호작용 인코더가 흔히 사용된다. 기존 접근법은 일반적으로 질의의 복잡도와 무관하게 고정된 top-$k$ 개수의 페이지를 검색하는데, 이는 LVLM의 지연 시간을 늘리고 더 적은 페이지로 충분한 경우 답변 정확도를 떨어뜨릴 수 있다. 우리는 후기 상호작용 시각 문서 검색을 위한, 학습이 필요 없고 예산을 인지하는 적응형 $k$ 검색 방법인 ViSAR(Visual Semantic Activation Retrieval)를 제안한다. ViSAR는 임베딩 공간에서 직접 동작하여 질의와 관련된 의미를 강조하는 질의 조건부 페이지 수준 유사도 행렬을 구성하고, 주어진 페이지 예산 내에서 검색할 페이지 수를 동적으로 결정한다. 우리는 여러 데이터셋, 인코더, LVLM에 걸쳐 본 방법을 평가한다. ViSAR는 간결하고 질의에 적응된 페이지 집합을 검색하여, 고정 top-$k$ 및 적응형 검색 휴리스틱과 비교해 통계적으로 유의한 정확도 손실 없이, 그리고 여러 설정에서는 유의한 향상과 함께, 종단 간 RAG 지연 시간을 최대 58.9\%까지 줄인다. 더 나아가 유사도 행렬의 구조가 답변 정확도와 상관관계가 있음을 보이며, 이는 검색 품질을 인지하는 문서 이해라는 향후 방향을 시사한다.

arXiv:2608.30468v2cs.CL

Hi-Q: 멀티홉 질의응답을 위한 계층적 증거 기반 쿼리 정제

Hi-Q: Hierarchical Evidence-guided Query Refinement for Multi-Hop Question Answering

멀티홉 질의응답(Question Answering, QA)의 핵심적인 병목점은 질문이 표현되는 세분성(granularity)과 말뭉치(corpus) 증거를 검색할 수 있는 세분성이 서로 다른 경우가 많다는 점이다. 기존 방법들은 말뭉치에 고정된 그래프 구조를 부여하거나, 쿼리를 반복적으로 재구성하거나, 쿼리에 대해 생성된 프로그램을 실행함으로써 이러한 불일치를 해결하려 하지만, 이러한 전략들은 쿼리 단위가 이미 증거에 의해 뒷받침되는 시점과 정제되어야 하는 시점을 명시적으로 결정하지 못한다. 본 연구에서는 이 병목점을 검색 가능한 세분성 발견(retrievable granularity discovery) 문제로 정의하고, 계층적 쿼리 정제를 위한 증거 조건부 프레임워크인 Hi-Q를 소개한다. 각 쿼리 노드(node)에서 해결 연산자(resolution operator)는 검색된 증거가 현재 쿼리 단위를 뒷받침하는지 테스트하며, 해결된 노드는 종료되는 반면 미해결 노드는 의존성을 보존하는 이항 연산자에 의해 확장되고 의미론적 커버리지 검증기(semantic coverage verifier)를 통해 검증된다. 따라서 Hi-Q는 고정된 분해 템플릿이나 사전에 구축된 그래프 대신 말뭉치의 뒷받침 신호에 의해 위상이 결정되는 쿼리 트리를 성장시킨다. 저자들은 세 가지 멀티홉 QA 벤치마크에서, 주로 소규모의 주석 풀 내부가 아닌 오픈 도메인 방해 요소들 사이에서 의존적 증거를 찾아야 하는 전체 말뭉치 검색(full-corpus retrieval) 환경을 바탕으로 Hi-Q를 평가한다. 이 설정에서 Hi-Q는 말뭉치 전반의 그래프 구축 없이 세 벤치마크 평균 52.3 EM 및 64.0 F1을 달성하여, 동일한 평균에서 반복 검색 기준선(baseline)인 IRCoT를 15.1 EM / 18.2 F1 차이로 앞서고 MuSiQue-full에서는 그래프 기반 검색-증강 생성(RAG) 기준선인 PropRAG를 11.5 EM / 12.0 F1 차이로 앞선다. 이전 연구에서 사용된 제한된 지지/방해 요소 설정에서도 Hi-Q는 평균 57.9 EM 및 69.3 F1으로 최고 정확도를 달성하며, PropRAG를 5.6 EM / 3.9 F1, IRCoT를 13.7 EM / 15.8 F1 차이로 앞선다. 프로젝트 페이지는 https://hi-q-project.github.io/ 에서 확인할 수 있다.

arXiv:2606.25787v2cs.IR

브랜드에 관한 LLM 답변에 인용된 웹 출처: 다국어 감사

Cited Web Sources in LLM Answers about Brands: A Multilingual Audit

표시되는 인용은 생성형 검색의 일부를 관찰 가능하게 하지만, 그 전체 검색 과정을 드러내지는 않는다. 본 감사는 128개 브랜드, 13개 언어, 12개 본거지 시장에 걸쳐 URL이 포함된 인용 항목 167,551건을 담은 세 개의 아카이브 데이터셋을 대상으로 한다. 주요 구성 요소인 북유럽-발트 지역에서는 21,033개의 등록 가능 도메인 중 3,863개가 131,514건의 인용 중 80%를 차지한다. 12개 질의 언어 중 11개에서 Wikipedia가 선두이다. 복원된 별도의 브랜드 연관 웹사이트 분류는 131,512개 항목을 유지하며, 이 중 108,410건(82.4%)은 브랜드 연관 범주 밖에, 23,102건(17.6%)은 범주 안에 속한다. 이 분류는 법적 소유권을 확립하지 않는다. 57개 브랜드 전체의 폴란드어 집계에서는 채용 관련 호스트 네 곳이 637건의 인용을 받은 반면 폴란드어 Wikipedia는 297건을 받는다. 이러한 결과는 정규화, 분류 규칙, 분모가 인용 감사에 포함되어야 하는 이유를 보여 준다. 이 결과는 표시된 링크를 기술할 뿐이며 브랜드 평판에 대한 인과적 효과를 추정하지는 않는다.

arXiv:2605.12335v3cs.IR

EHR-RAGp: 임상 예측 모델을 위한 종단적 전자 건강 기록의 프로토타입 유도 검색

EHR-RAGp: Prototype-Guided Retrieval of Longitudinal Electronic Health Records for Clinical Prediction Models

전자 건강 기록(EHR)은 풍부한 종단적 환자 정보를 담고 있으며 예측 모델링 응용에 널리 사용된다. 그러나 긴 궤적, 이질적인 사건, 시간적 불규칙성, 과거 임상 맥락의 가변적인 관련성 때문에 과거 데이터를 효과적으로 활용하기는 여전히 어렵다. 기존 접근법은 고정된 윈도우나 균일한 집계에 의존하는 경우가 많아 임상적으로 중요한 신호를 가릴 수 있다. 본 연구는 다양한 임상 사건 유형으로 구성된 가장 관련성 높은 환자 이력을 동적으로 통합하는 검색 기반 프레임워크 EHR-RAGp를 제안한다. 정렬 메커니즘으로 작동하며 주어진 예측 과제에 대해 검색된 과거 청크의 관련성을 추정하여 모델이 가장 유익한 맥락으로 향하도록 유도하는 프로토타입 유도 검색 모듈을 제안한다. 여러 임상 예측 과제와 두 개의 벤치마크 데이터셋에서 EHR-RAGp는 최신 EHR 기반 및 트랜스포머 기반 기준 모델을 일관되게 능가한다. 더욱이 EHR-RAGp는 모델 비종속적이어서 다양한 백본 모델과 통합할 때 상당한 성능 향상을 가져온다. 종합하면, EHR-RAGp는 검색을 통해 하위 작업 성능을 개선하기 위해 장거리 임상 맥락을 모델링하는 새로운 방향을 제시한다.

arXiv:2605.00087v3cs.NI

DeGenTWeb: MGT 우세 웹사이트에 대한 첫 고찰

DeGenTWeb: A First Look at MGT-dominant Websites

많은 뉴스 보도가 대규모 언어 모델(LLM)이 생성한 기계 생성 텍스트(MGT)가 웹을 장악하고 있다고 주장해 왔다. 그러나 이러한 주장은 대개 웹의 대표 표본에 기반하지 않으며, 그 근거가 되는 방법론도 불투명한 경우가 많다. 그 결과 웹에서 MGT가 실제로 얼마나 널리 퍼져 있고 어떤 특성을 갖는지에 대한 이해가 부족하다. 본 논문은 정보성 산문 콘텐츠가 대부분 MGT이고 사람의 개입이 거의 없는 사이트, 즉 MGT 우세 웹사이트를 체계적으로 식별하는 DeGenTWeb을 소개한다. 우리는 MGT 탐지기를 웹 페이지에 적용하도록 조정하는 방법과, 정확한 사이트 수준 분류를 위해 한 사이트의 여러 페이지에서 얻은 탐지 결과를 집계하는 방법을 제시한다. DeGenTWeb은 사람이 작성한 사이트 중 0.12%만을 MGT 우세로 잘못 분류한다. 분석 결과, 2026년 1월부터 7월까지 Common Crawl이 아카이빙한 사이트의 20.9%와 2025년 Bing 검색 결과에 링크된 사이트의 13.6%가 MGT 우세로 나타났다. 이 수치는 MGT 우세 사이트 비율의 하한이다. 또한 MGT 우세 사이트의 비율이 시간이 지남에 따라 증가하고 있으며, 이러한 사이트 중 다수가 동일한 소유자를 공유함을 확인했다. 논문 게재 후 모든 코드와 데이터를 공개할 예정이다.