농밀하고 추상적인 속담을 매력적이고 도덕적으로 충실한 서사로 변환하는 것은 깊은 문화적 이해와 견고한 의미적 그라운딩(grounding)을 필요로 합니다. 우리는 이 문제를 *제약된 의미적 압축 해제* 작업으로 정의하고, 대규모 언어 모델(LLM)의 추상화에서 실현(abstraction-to-realization)을 위한 테스트베드로서 속담 조건부 이야기 생성을 연구합니다. 페르시아어에 초점을 맞춰, 우리는 속담과 인간이 작성한 이야기 및 명시적인 의미를 짝지은 Proverb Aligned Narrative Dataset (PAND) 데이터셋을 소개합니다. 인간 보정 LLM-as-a-Judge와 구조적 지표를 결합한 하이브리드 평가 프레임워크를 통해, 우리는 다양한 프롬프팅(prompting) 체제에서의 모델 행동을 분석합니다. 우리의 연구 결과는 지속적인 *압축 해제 격차(decompression gap)*를 보여줍니다: 현재의 LLM은 종종 강력한 표면적 유창성을 달성하지만, 속담에 인코딩된 근본적인 도덕적 및 인과적 구조를 충실히 구현(instantiate)하는 데에는 실패합니다. 우리는 또한 명시적 추론과 반복적 정제(iterative refinement)가 이러한 실패를 부분적으로 완화할 수 있음을 보여주며, 이는 많은 압축 해제 오류가 관련 지식의 완전한 부재가 아니라 추상적인 의미를 서사 형태로 번역하는 데서 오는 어려움에서 기인함을 시사합니다. 우리가 제안한 작업은 압축된 문화적 지식의 다른 형태로 자연스럽게 확장될 수 있습니다.
과학 도표는 복잡한 파이프라인을 하나의 캔버스로 압축하지만, 이를 이해하기 위해서는 시각적 하이라이트와 정렬된 논문 기반의 단계별 설명이 필요합니다. 이는 현재 비디오 생성 시스템과 벤치마크에서 결여된 기능입니다. 이를 해결하기 위해 우리는 논문 기반 도표-비디오 생성(figure-to-video generation)을 소개합니다. 이는 도표와 해당 논문을 사용하여 설명이 포함되고 영역 그라운딩(grounding)된 워크스루 비디오를 생성하는 방식입니다. 우리는 논문 기반 설명을 생성하고 이를 도표 영역에 순차적으로 그라운딩(grounding)하는 파이프라인인 MINARD를 제안합니다. 또한, 새로운 순차적 및 구성 요소 수준의 그라운딩(grounding) 메트릭(지표)이 포함된 FigTalk 벤치마크를 공개합니다. FigTalk에서 MINARD는 사람과 같고 논문에 충실한 설명을 생성하며, 자동 및 인간 평가 모두에서 기존 접근 방식보다 설명 조건부 도표 공간 그라운딩(grounding) 성능이 뛰어납니다.
고등 교육의 모든 단계에 있는 학생들은 정보 과잉이라는 형태의 중대한 장벽에 직면하며, 이는 종종 연구 과정의 초기 단계를 마비시키고 동기를 저하시킵니다. 이에 대응하여, 본 논문은 과학적 동향의 요약을 자동으로 생성하도록 설계된 대규모 언어 모델(LLM)로 구동되는 플랫폼인 AI SciBrief를 활용하는 교육학적 프레임워크를 소개합니다. 우리는 금융, 의학, 교육을 초기 범위로 포함하는 이 학제간 도구를 커리큘럼에 통합하여 이 '진입 장벽'을 극복하는 방법을 설명합니다. 이 프레임워크는 이러한 요약을 활용하여 학기말 과제의 주제 선정을 돕고, 논문의 문헌 조사를 가속화하며, 대학원생이 신흥 동향을 지속적으로 모니터링할 수 있게 하는 구체적인 방법론을 제공합니다. 우리는 AI SciBrief가 학생들의 인지 부하를 효과적으로 줄이고 정보 검색에서 지식 창출로 더 빠르게 전환할 수 있도록 지원하는 '연구의 관문'으로 기능한다고 결론지습니다.
직접 선호도 최적화(DPO)가 구조화된 생성에서 겪는 그라디언트 희석 및 토큰 침식 문제를 해결하기 위해, 토큰 수준 적응형 장벽을 활용한 TAB-PO를 제안한다. 이 방법은 SciERC 벤치마크에서 기존 SFT 및 DPO 변형 모델들보다 온톨로지 관련 메트릭에서 평균 11.59%의 성능 향상을 달성했다.
기존 벤치마크가 고자원 언어에 편중된 문제를 해결하기 위해 2700개 이상의 언어를 포괄하는 대규모 다국어 벤치마크인 ChiKhaPo를 제안하여 대규모 언어 모델(LLM)의 어휘 이해 및 생성 능력을 평가합니다. 6개의 최신 모델이 해당 벤치마크에서 어려움을 겪는 것으로 나타나, 언어 계통과 자원의 풍부함이 성능에 주요한 영향을 미침을 확인했습니다.
Diffusion LLM의 추론을 가속화하는 Spiffy 알고리즘은 자동 추측(auto-speculation)과 보정된 방향성 드래프트 그래프를 활용하여 모델의 출력 분포를 보존한다. 이 방법은 LLaDA, Dream, SDAR 모델에서 모델 추론 횟수를 최대 8.6배 줄이고 토큰 생성 속도를 6.3배 향상시켰다.
이산 확산 모델은 시퀀스 생성을 위한 간단하고 안정적인 가능도 기반 프레임워크를 제공하며, 최근 토큰 삽입을 통해 임의 길이 설정으로 확장되었습니다. 그러나 임의 길이 이산 확산을 위한 체계적인 보상 기반 미세조정은 대부분 탐구되지 않았습니다. 우리는 적응형 디코딩을 위한 임의 길이 이산 확산 미세조정(A2D2)을 소개합니다. 이는 삽입 및 마스킹 해제 정책의 공동 최적화와 품질 기반 추론 스케줄을 통해 임의 길이 이산 확산 모델의 보상 기반 미세조정을 위한 통합 프레임워크입니다. 우리는 결합 삽입-마스킹 해제 경로 측도에 대한 라돈-니코딤 도함수를 도출하여, 타겟 샘플 없이도 계산 불가능한 보상 기울어진 시퀀스 분포로의 이론적으로 보장된 수렴을 가능하게 합니다. 이를 바탕으로, 우리는 디코딩 오차를 최소화하기 위한 다루기 쉬운 접근 방식으로 마스킹 해제 및 삽입 품질을 확립하고, 보상 기울어진 분포를 생성하는 최적 경로 측도를 증명 가능하게 산출하는 적응형 공동 디코딩(AJD) 손실을 소개합니다. 실험적으로 A2D2는 기존의 고정 길이 미세조정 및 추론 시점 가이던스 방법에 비해 생성 유연성과 정확도를 향상시키면서 보상 최적화를 개선합니다.
정적 데이터셋에 저장된 응답 쌍만 사용하는 기존 직접 선호 최적화(DPO)의 한계를 극복하기 위해, 참조 모델이 생성할 응답에 대한 게이트된 페널티를 추가하는 DPOP를 제안한다. DPOP는 Llama-3-8b-it 및 Gemma-2-9b-it 모델에서 AlpacaEval 2.0의 길이 제어 승률을 기존 방법 대비 각각 5.3%와 4.4% 향상시켰다.
유머는 인간 사회관계에서 중심적인 역할을 하며, 최근 계산 유머(computational humor)의 발전은 인간-로봇 상호작용(HRI)에 유머를 통합할 새로운 기회를 만든다. 대규모 언어 모델(LLM)은 다양한 형태의 유머를 생성할 수 있지만, 그룹 환경에서 유머 스타일, 농담 내용, 언어 선호가 로봇 전달 유머에 대한 인식을 어떻게 형성하는지는 여전히 불명확하다. 본 탐색적 연구에서 우리는 대학 강의실에서 로봇이 전달한 AI 생성 농담을 참가자들이 평가하는 혼합 요인 설계(mixed factorial design)를 적용했다. 우리는 유머 유형(Affiliative, Self-Enhancing, Aggressive, Self-Defeating)과 농담 내용(인물 관련 vs. 정치적)이 지각된 재미와 적절성, 그리고 선호 언어에 미치는 영향을 조사했다. 결과는 유머 유형이 재미에 유의미한 영향을 미치며, Aggressive와 Affiliative 유머가 더 높게 평가되었고, 농담 내용은 주로 적절성에 영향을 미치며 정치적 농담보다 인물 관련 농담이 선호되었음을 보여준다. 언어 선호는 농담 내용과 참가자의 자가 보고 유창성 및 유머 관행 모두에 의해 형성되었다.
마스크드 디퓨전 언어 모델(dLLMs)은 최근 병렬 토큰 생성을 통한 더 빠른 추론 가능성을 제시하며 자기회귀 언어 모델에 대한 경쟁력 있는 대안으로 부상했습니다. 그러나 마스킹 방식의 주요 제한 사항은 토큰이 한 번 마스크 해제(unmasked)되면 더 이상 수정될 수 없다는 점으로, 이로 인해 dLLMs는 초기 샘플링 오류에 취약해집니다. 이를 해결하기 위해, 자가 교정(remasking) 기능을 통해 마스크드 dLLMs를 확장하려는 연구가 증가하고 있습니다. 이러한 방법들 중 매력적인 일부는 토큰 신뢰도를 기반으로 학습(training) 없이 사후(post-hoc)적으로 이를 수행하며, 초기 보고된 결과는 고무적입니다. 본 연구에서는 대표적인 사후(post-hoc) 재마스킹 방법인 WINO [Hong et al., 2026]의 실증적 평가를 재검토하고, 표준 디코딩 설정(더 짧은 블록 길이)에서는 신뢰도 기반 언마스킹 단독 [Wu et al., 2025]에 비해 거의 이득이 없음을 발견했습니다. 평가를 비탐욕적(non-greedy) 디코딩으로 확장한 결과, 신뢰도 기반 재마스킹이 증가된 확률성으로 인한 오류를 어느 정도 완화할 수 있지만, 신뢰도 기반 언마스킹에 대해 이전에 보고된 다양성 붕괴(diversity collapse)를 악화시킴을 알 수 있습니다. 전체적으로, 본 연구의 결과는 사후(post-hoc) 신뢰도 기반 재마스킹의 이점이 설정에 매우 의존적임을 보여주며, 더 포괄적인 평가 프레임워크의 필요성을 강조합니다.
대규모 언어 모델(LLM)은 매개변수 갱신 없이 새로운 분포에 적응하기 위해 문맥 내 학습(ICL)에 의존하며, 구조화된 데이터를 위한 조건부 생성기로 점점 더 많이 사용되고 있다. 우리는 분포 불일치 상황에서 구조화된 생성에 대한 ICL의 한계를 조사하고, 고카디널리티 표 형식 데이터를 통제된 테스트 사례로 사용하여, 사전학습으로부터 상속된 토큰 분포에 대한 모델의 사전분포를 ICL이 갱신하지 못하는 구조적 실패 양상을 밝혀내며 이를 범주형 사전분포 고착(categorical prior lock-in)이라 부른다. 70억 매개변수 규모의 공개 가중치 모델 두 개에 걸쳐, ICL은 추가 예시로 수치적 충실도는 개선하지만 범주형 분포에서는 급격한 상한을 보이며 희귀 클래스를 전혀 재현하지 못한다. 매개변수 효율적 미세조정(LoRA)은 이러한 한계를 극복하지만 측정 가능한 암기 위험을 유입하고, 경우에 따라 구조화된 출력 생성을 불안정화하여 적응성과 프라이버시 사이의 근본적 트레이드오프를 부각한다.
온-정책 자기 증류(OPSD)는 모델 자신의 분포를 특권 컨텍스트(주로 검증된 해답) 하에서 생성하는 분포와 정렬시킴으로써, 추론 모델에게 조밀한 토큰 수준의 감독(supervision)을 제공합니다. 그러나 우리는 이 분포 차이에서 도출된 학습 신호가 힌트를 받은 모델이 더 직접적이고 짧은 출력을 생성하려는 경향 때문에 과제 수행 토큰(task-bearing tokens)보다는 스타일 토큰(style tokens)에 집중된다는 것을 보여줍니다. 우리는 이러한 병리 현상을 특권 유발 스타일 드리프트(privilege-induced style drift)라고 명명하며, 이는 학습을 불안정하게 만들거나 응답 길이를 축소시킵니다. 이를 해결하기 위해 우리는 **RLCSD** (대조적 온-정책 자기 증류를 활용한 강화학습)를 제안합니다. RLCSD는 올바른 힌트 하에서의 교사-학생 간 차이(teacher-student gap)를 잘못된 힌트 하에서의 차이와 대조하여 이러한 드리프트를 완화합니다. 이는 힌트를 조건으로 할 때 정답 여부와 상관없이 유발되는 스타일 변화를 억제하고, 과제 수행 토큰에 더 집중된 신호를 생성합니다. Qwen3 (1.7B/4B/8B) 및 Olmo-3-7B-Think를 사용한 수학 및 논리 추론에 대한 실험 결과, RLCSD가 GRPO 및 기존 OPSD 방법론보다 일관되게 더 뛰어난 성능을 보임을 확인했습니다. 또한 우리는 대조 원칙이 일반적임을 보여줍니다: 이는 기존 OPSD 방법론에 적용되어 이를 개선할 수 있으며, 그 기본 통찰은 더 넓은 교차 모델 온-정책 증류(cross-model on-policy distillation) 설정으로 확장됩니다.
대규모 언어 모델(LLM)의 널리 퍼진 배포로 인해, 새로 학습된 모델이 사용자 지시에 안전하고 효과적으로 응답하도록 하기 위해 모델 정렬이 필수적이 되었습니다. 여러 방법 중에서, 추론 시점 정렬(inference-time alignment)은 출력 생성 중에만 개입(즉, 가이던스를 제공)하므로 종종 더 비용 효율적입니다. 기존 제안들은 특정 정렬된 모델에서 추출한 가이던스를 적용하지만, 그 신뢰성을 적절히 평가하지 못합니다. 그럼에도 불구하고, 우리의 체계적인 평가에 따르면 가이던스의 효과성은 모델마다 크게 다릅니다. 비효과적인 가이던스는 추가적인 혼란을 야기하고 결과적으로 더 많은 개입을 유발하므로, 이러한 과도한 개입은 일반적으로 낮은 성능을 나타냅니다. 개입을 더 효과적이고 효율적으로 만들기 위해, 우리는 이진 결정에서 벗어나 두 모델의 지식을 통합하는 하이브리드 분포를 생성하는 BlendIn이라는 추론 시점 정렬 프레임워크를 소개합니다. BlendIn은 품질 인식 정렬(quality-aware alignment)을 수행하고 신뢰성을 기반으로 각 모델의 기여에 비례하여 가중치를 부여함으로써 추론 시점 정렬을 안정화합니다. 기존 연구와 비교할 때, BlendIn은 신뢰할 수 없는 제안의 가중치를 낮추면서 유익한 가이던스를 보존합니다. BlendIn은 오정렬된 가이던스에 대한 진단 신호와 완화 전략을 모두 제공하며, 도전적인 모델 쌍에서 최대 50%까지 일관된 성능 향상을 달성했습니다. 우리의 코드는 다음에서 확인할 수 있습니다: https://github.com/DecayingSeart/BlendIn.
본 개요 논문은 멀티모달 검색을 통한 멀티모달 증강 생성(MAGMaR) 제2차 워크샵의 공유 과제 결과를 제시합니다. 이 공유 과제에서 참가자들은 (i) 비디오 검색 또는 (ii) 검색된 비디오가 주어졌을 때 기사의 그라운딩된 생성(grounded generation) 중 하나에 초점을 맞춘 시스템을 제출했습니다. 팀은 두 과제 중 하나에 제출할 수 있었습니다. 검색 과제의 경우, 총 17개의 시스템을 제출한 2개의 참가 팀이 있었으며, 이 모든 시스템은 작년 공유 과제 우승자에서 파생된 기준선(baseline)을 능가했습니다. 생성 측면에서는 4개 팀이 16개의 시스템을 제출했습니다. 모든 팀은 인간 주석자에 의해 최고라고 라벨링된 생성된 리포트를 최소 하나 이상 보유하고 있었습니다.
현대의 대화형 에이전트는 매 턴마다 끊임없이 증가하는 대화 기록을 조건으로 사용하며, 이로 인해 대화 길이에 비례하여 증가하는 중복 어텐션 및 인코딩 비용이 발생합니다. 단순 절단이나 요약은 충실도를 저하시키는 반면, 기존 문맥 압축기는 턴 간 메모리 공유나 수정 기능이 부족하여 긴 대화에서 정보 손실과 오류 누적을 초래합니다. 우리는 대화 역학 관계 하에서 문맥 압축을 재조명하고 그 취약성을 실증적으로 제시합니다. 효율성과 견고성을 모두 향상시키기 위해, 우리는 대화를 얽힌 문맥 스레드로 간주하고 수정 가능한 스레드별 압축 상태를 단일한 컴팩트한 대화 메모리에 저장하는 문맥 기반 증분 압축(C-DIC)을 도입합니다. 매 턴마다 가벼운 검색, 수정, 쓰기 루프가 턴 간 정보를 공유하고 오래된 메모리를 업데이트하여 장기적 행동을 안정화합니다. 또한, 우리는 잘린 시간 역전파(TBPTT)를 멀티턴 설정에 맞게 적용하여 전체 기록에 대한 역전파 없이 턴 간 의존성을 학습합니다. 장문 대화 벤치마크에 대한 광범위한 실험을 통해 C-DIC의 우수한 성능과 효율성을 입증했습니다. 특히 C-DIC는 수백 턴의 대화에 걸쳐 안정적인 추론 지연 시간과 혼란도를 보여주며, 고품질 대화 모델링을 위한 확장 가능한 경로를 뒷받침합니다.
디퓨전 대규모 언어 모델(dLLMs)은 병렬 디코딩을 통해 자기회귀 모델에 대한 효율적인 대안을 제공하지만, 기존 사후 학습 방법은 대부분 내재적 토큰 의존성을 간과하는 무작위 마스킹 전략에 의존합니다. 본 연구에서는 dLLM 내 어텐션에 대한 실증적 분석을 제시하며, 마스킹되지 않은 컨텍스트에 더 강하게 어텐션을 하는 토큰이 더 큰 생성 안정성을 보이며 추론에서 중요한 역할을 한다는 것을 보여줍니다. 이러한 발견에 동기를 부여받아, 우리는 학습과 최적화를 어텐션에서 파생된 의존성과 정렬시키는 어텐션 유도 디노이징 및 최적화 프레임워크인 AGDO를 제안합니다. AGDO는 어텐션 구조를 기반으로 디노이징 순서를 결정하고, 지도 미세조정 및 강화학습 동안 어텐션에 중요한 토큰을 강조합니다. 수학 및 코딩 벤치마크에 대한 실험 결과, AGDO가 추론 성능을 일관되게 향상시키며 dLLM을 위한 최첨단 사후 학습 방법보다 우수함을 입증합니다.
대규모 언어 모델(LLM)의 출력을 제어하는 것은 신뢰할 수 있는 배포를 위한 핵심 과제이지만, 관련된 상충 관계에 대한 명확한 이해는 여전히 모호합니다. 현재 컨디셔닝 접근 방식들은 종종 대상 개념을 주입하거나 제거하는 효과성에만 좁게 초점을 맞춰 평가되며, 생성 품질은 간과되곤 합니다. 우리는 개념 주입 및 제거 시나리오 모두에서 다양한 컨디셔닝 방법들을 체계적으로 조사했습니다. 그 결과, 효율적인 스티어링 방법들이 종종 유창성을 크게 희생하면서 컨디셔닝을 달성함을 발견했습니다. 또한, 학습 패러다임과의 중요하지만 이전에 간과되었던 상호작용을 확인했습니다: 활성화 스티어링 방법들은 베이스 모델에 비해 인스트럭션 튜닝된 모델에서 훨씬 덜 효과적입니다. 반면, 간단한 프롬프팅과 완전한 지도 미세조정은 개념 주입에는 실행 가능한 옵션이지만, 개념 제거에는 그다지 효과적이지 않습니다. 마지막으로, 저렴하게 계산된 텍스트 메트릭스는 비용이 많이 드는 LLM-as-judge 점수와 높은 상관관계를 보이며, 컨디셔닝 방법의 동작에 대한 통찰을 제공합니다.
자기 일관성(Self-consistency)은 여러 출력을 샘플링하고 가장 일관된 답변을 선택함으로써 대규모 언어 모델(LLM)의 추론 능력을 향상시키지만, 기존의 정의는 대부분 정확한 일치에 의존하므로 범주형 출력이 있는 작업으로 제한됩니다. 본 연구에서는 코드 생성 및 텍스트 요약과 같은 개방형 생성 작업에서의 자기 일관성을 연구합니다. 우리는 일관성을 생성 공간의 기하학적 속성으로 이해할 수 있다고 가정합니다. 즉, 의미적으로 호환되는 생성물들은 표현 공간의 유사한 영역에 집중된다는 것입니다. 이 가설을 연구하기 위해, 우리는 임베딩 공간에서 샘플링된 생성물을 클러스터링하여 일치도를 추정하는 간단한 학습이 필요 없는 구현 방법인 임베딩 기반 일치(Embedding-Based Agreement, EBA)를 제안합니다. 수학적 추론, 코드 생성, 요약에 대한 실험을 통해, 표현 공간에서의 일치가 개방형 작업에 대한 자기 일관성의 강건하고 확장 가능한 신호를 제공함을 보여줍니다. 특히, EBA는 무작위 선택을 지속적으로 능가하며, LLM 평가나 불확실성 추정에 기반한 최근 선택 방법보다 더 안정적인 스케일링 양상을 보입니다. 또한, 이러한 일치 신호는 기본 은닉 표현을 사용하는 경우에도 모델 계열 및 임베딩 공간 전반에서 안정적으로 유지됨을 보여줍니다. 마지막으로, 우리의 분석은 샘플링된 생성물이 차지하는 기하학적 위치가 생성 품질과 강한 상관관계가 있음을 보여줍니다. 표현 공간의 중심 영역 근처에 집중된 생성물은 더 신뢰할 수 있는 출력에 해당하는 경향이 있는 반면, 주변부 생성물은 정확도가 현저히 낮습니다. 전반적으로, 우리의 연구 결과는 자기 일관성을 정확한 기호적 중첩이 아닌 샘플링된 생성물의 기하학적 구성 속성으로 보는 것을 뒷받침합니다.
벵골어는 세계에서 가장 널리 사용되는 언어 중 하나이지만, 교육용 자연어 처리(NLP) 연구에서는 여전히 소외되어 있습니다. 많은 오지 및 농촌 지역에서는 자격 있는 전문 교사에 대한 접근성이 제한적이어서, 서면 답변은 대부분 수작업으로 채점되며, 이는 적시적이고 일관된 피드백을 제한합니다. 자동 평가는 의미적으로 정확한 응답이 표면 형식에서 상당히 다를 수 있기 때문에 어렵습니다. 우리는 어휘적 중첩보다 의미적 정확성을 우선시하는 저자원 교육 환경을 위해 설계된 이중 언어(벵골어-영어) 평가 시스템을 제시합니다. 우리의 접근 방식은 경량 언어 모델을 파인튜닝하여 질문, 참조 답안, 학생 답안을 사용하여 각 응답을 채점하고, 교실 현장 배포에 적합한 수치 점수와 간결하며 문맥에 기반한 피드백을 생성합니다. 또한 우리는 제어된 학습과 평가를 가능하게 하기 위해 합성 이중 언어 데이터셋을 구축합니다. 통합된 프로토콜 하에서 평가된 독점 및 오픈 소스 대규모 언어 모델(LLM) 전반에서, 우리의 QLoRA로 튜닝된 Qwen3-8B는 합성 평가에서 가장 누출 저항성이 높은 피드백(RoRa = 0.819)을 생성하고 전용 인간 연구에서 인간 점수와 가장 강력한 일치도(rho = 0.936, MAE = 0.725)를 보여주어 지속적인 개선을 확인했습니다.
정서적 확인(Emotional Validation) - 사용자의 감정이 타당함을 명시적으로 인정하는 것 -은 치료적 가치가 입증되었으나 계산적 측면에서는 큰 주목을 받지 못했습니다. 대화 시스템에서의 정서적 확인은 (i) 확인 반응 식별, (ii) 확인 타이밍 감지, (iii) 확인 반응 생성으로 분해될 수 있습니다. 이 세 가지 하위 작업에 대한 연구를 지원하기 위해, 우리는 수동 및 자동 주석의 하이브리드 방식으로 생성된 12만 개의 영어-일본어 다국어 말뭉치인 M-EDESConv와 다국어 구어 대화 테스트 세트인 M-TESC를 공개합니다. 타이밍 감지를 위해, 우리는 크로스 모달 어텐션(attention)과 게이티드(gated) 융합을 통해 동결된 XLM-RoBERTa의 의미를 언어별 감정 인코더와 융합하는 MEGUMI(Multilingual Emotion-aware Gated Unit for Mutual Integration)를 제안합니다. MEGUMI는 M-EDESConv와 M-TESC 데이터셋(dataset) 모두에서 객관적 및 주관적으로 우수한 성능을 보여줍니다. 마지막으로, GPT-4.1 Nano와 Llama-3.1 8B에 대한 우리의 EmoValidBench 벤치마크(benchmark) 결과는 현재의 대규모 언어 모델(LLM)이 문맥적으로 유사하고 다양한 확인 반응을 생성할 수 있지만, 정서적 이해는 여전히 개선이 필요한 주요 영역임을 나타냅니다. 프로젝트 페이지: https://github.com/zihaurpang/Multilingual-Emotional-Validation