PyTorchKR Papers

최신 논문

총 11,108편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.24419v1cs.AI

실패는 지표가 놓치는 것을 드러낸다: ECG 분류기 재귀적 정제를 위한 증거 기반 에이전트

Failures Reveal What Metrics Miss: An Evidence-Driven Agent for Recursive Refinement of ECG Classifiers

딥 모델이 12-lead ECG 분류를 크게 발전시켰지만, 분류기 설계의 정제는 여전히 실패 사례를 검토하고 설계를 반복적으로 수정하는 데 인간 전문가에 크게 의존한다. 최근 대규모 언어 모델(LLM) 기반 에이전트는 자동화된 모델 설계의 잠재력을 보여주었지만, 집계 성능 지표만으로 안내될 때는 개별 사례가 왜 실패하는지, 분류기를 어떻게 수정해야 하는지에 대한 통찰을 부족하다. 우리는 RecursiveECG를 제안한다. 이는 구체적인 실패와 객관적인 ECG 증거를 바탕으로 ECG 분류기를 정제하는 오프라인 모델 설계자 역할을 LLM이 수행하는 증거 기반 LLM-as-Designer 프레임워크이다. 실패 진단을 실행 가능한 증거에 그라운딩(grounding)하기 위해, Criteria-to-Measurement Compilation은 엄선된 ECG 기준을 검증된 결정론적 함수로 변환하여 개별 ECG에 대해 재현 가능하고 참조가 뒷받침되는 측정값을 생성한다. 이러한 측정값을 기반으로, Evidence-Grounded Failure Review는 원시 파형, 측정값, 모델 출력을 함께 고려하여 실패 사례와 비교 사례를 분석하고, LLM이 분류기의 한계를 진단하고 표적화된 수정안을 수립할 수 있게 한다. 후보 수정안은 고정된 문제 계약 하에서 실행되고 재평가되며, 증거로 뒷받침되는 업데이트만 유지된다. 그 결과로 얻은 예측기는 정제 후 고정되며 배포 시 LLM 추론이 필요 없고, 감사 추적(audit trail)은 각 수락된 수정안을 이를 뒷받침하는 증거와 연결한다. PTB-XL, Georgia, CPSC2018에서 RecursiveECG는 강력한 베이스라인을 일관되게 능가하며, 평균 상대적 개선율 10.0%를 달성한다. 광범위한 ablation 및 전이(transfer) 연구는 증거 기반 정제 과정의 효과를 추가로 검증한다.

arXiv:2607.24341v1cs.AI

거래 비용 인식 LLM 에이전트를 활용한 에너지 정책 개입에 대한 세입자 반응 시뮬레이션

Simulating Tenant Responses to Energy Policy Interventions with Transaction-Cost-Aware LLM Age

최근 연구들은 인구통계적, 태도적 또는 페르소나 기반 설명으로 모델에 프롬프트를 제공하여 대규모 언어 모델(LLM)로 인간의 의견과 의사결정을 시뮬레이션한다. 그러나 이러한 시뮬레이션은 사람들이 정책 개입에 어떻게 반응하는지를 형성하는 실무적, 인지적 또는 사회적 마찰을 거의 모델링하지 않는다. 지각된 거래 비용(perceived transaction cost, PTC)은 정보 부담, 행정적 노력, 조정(coordination) 요구, 지각된 불확실성 등 정책 반응을 형성하는 실무적 마찰을 모델링하는 데 유용한 렌즈를 제공한다. 우리는 이 렌즈를 사용하여 LLM 기반 시뮬레이션을 위한 마찰 인식(friction-aware) 페르소나 모델링 접근법을 개발한다. 에너지 효율 리노베이션(energy-efficient renovation, EER) 맥락에서 세입자는 인구통계적으로 누구인지뿐만 아니라, 제안된 리노베이션 계획과 관련된 비용, 이익, 장벽, 불확실성을 어떻게 지각하는지에 의해 표현된다. 네덜란드에서 1,068명의 시민으로부터 수집하고 약 40,548개의 설문 질문-답변 쌍으로 구성된 설문 데이터를 사용하여, GPT-3.5-turbo, Ministral-8B-Instruct, Llama-3.1-8B-Instruct에 걸쳐 프롬프트 전용(prompt-only) 및 미세조정(fine-tuned) 설정을 비교하고, 로컬 오픈 가중치(open-weight) 모델에 대해 지도 미세조정(SFT) 및 Group Relative Policy Optimization(GRPO)을 평가한다. 결과는 PTC 기반 페르소나와 추론(reasoning)을 통합하면 프롬프트 전용 및 미세조정 설정 모두에서 모델 성능이 일관되게 향상됨을 보여주며, PTC 기반 페르소나 설계가 제도적 정책 이론과 해석 가능한 LLM 기반 정책 시뮬레이션 사이의 유용한 가교를 제공함을 시사한다. 코드는 https://github.com/xiaweijie1996/socialagent 에서 제공된다.

arXiv:2607.24339v1cs.AI

Gubernaut: 정서 조절 LLM 에이전트를 위한 결정론적 항상성 컨트롤러, 독립 모델 계열 간 검증

Gubernaut: A Deterministic Homeostatic Controller for Affect-Regulated LLM Agents, Validated Across Independent Model Families

대규모 언어 모델(LLM) 에이전트는 반응적 실패 양상을 물려받는다: 도발에 따른 에스컬레이션, 아첨에 따른 아첨적(sycophantic) 표류, 막혔을 때의 지속(perseveration). 이것들은 능력(capability)이 아니라 성향(propensity)의 실패이며, 지속적인 압력 하에서 모델이 무엇을 하는지에 관한 것이다. 이는 학습 시점 정렬(alignment)이 줄이지만 런타임에서는 제거하지 못한다. 이 연구는 Gubernaut Cognitive Controller(GCC)로 이어졌다. GCC는 Nelson-Narens 모니터링-제어 루프 내의 모델 불문 런타임 제어 층으로, 객체 수준(object level)은 텍스트를 읽고 쓰는 반면, 결정론적 메타 수준(meta level)은 수치 텔레메트리 {intensity, valence, repetition}만 읽고 조절 자세(regulating posture)를 반환한다. 메타 수준이 토큰을 전혀 섭취하지 않기 때문에, 설계상 컨트롤러로의 주입 채널이 존재하지 않는다(건축적 속성이며, 아직 적대적으로 테스트되지 않음). 텍스트에 노출된 중재자(arbiter)의 준수(compliance)는 가정되지 않고 측정된다. 우리는 사전 등록된 generate-once/judge-many 프로토콜로 GCC를 4개의 프론티어 모델(GPT-5.5, Claude Opus 4.8, Gemini 3.5 Flash, Grok 4.3) 4×4 행렬에서 평가했으며, 각 모델은 생성기와 판정자(judge) 모두로 작동했다. 조절 arm은 16개 셀 중 13개에서 p<.05 수준에서 더 차분하고, 부호 기준으로는 16개 중 15개에서 더 차분하다. -0.04 null을 포함한 임계값 미만의 세 셀은 모두 단일 near-saturated 호스트에 해당한다. 이 효과는 계보(lineage)와 무관한 네 번째 판정자 계열(xAI)에서도 유지되며, 이는 공유된 판정자 스타일의 인공물(artifact)이 아님을 강하게 뒷받침한다. 가장 명확한 메커니즘은 회복 시그니처(recovery signature)이다: 공격 하에서 통합(integrate)되는 각성(arousal)이 비등화(de-escalation) 시 valence-gated 방식으로 감쇠(decay)하며, 네 계열 모두에서 재현된다. 트랜스크립트와 패널은 SHA-256 출처(provenance)와 함께 제공되며 재판정(re-judgeable) 가능하다. 다섯 가지 실패 모드는 사전 등록되어 있다. 의식(consciousness) 주장은 하지 않는다.

arXiv:2607.24280v1cs.AI

독점에서 오픈소스로: 에이전틱 검색에서 다중 에이전트 프로토콜 증류를 통한 분포 격차 해소

From Proprietary to Open-Source: Bridging the Distribution Gap via Multi-Agent Protocol Distillation in Agentic Search

에이전틱 검색은 다단계 추론과 검색을 교차 수행하여 대규모 언어 모델(LLM)이 지식 집약적 과제를 해결할 수 있게 하지만, 결과 기반 강화학습(RL)으로 이를 최적화하면 희소한 감독만 제공된다. 지식 증류는 더 밀집된 지도를 제공할 수 있으며, 강력한 추론 능력을 갖춘 고급 독점 모델은 유망한 교사 모델이다. 독점 모델로부터의 증류가 이러한 감독 신호를 밀집화할 수 있지만, 기존의 로짓 매칭은 숨겨진 로짓과 불일치하는 토큰화기로 인해 불가능하며, 원시 자연어 궤적 모방은 핵심 추론 역량보다는 표면적인 스타일적 인공물을 전달한다. 이질적 증류 문제를 해결하고 분포 격차를 메우기 위해, 우리는 구조화되고 스타일이 정규화된 프로토콜을 중간 표현으로 사용하는 결합 증류-강화학습 프레임워크인 Multi-Agent Protocol Distillation(MAPD)를 제안한다. 오프라인 다중 에이전트 시스템(MAS)은 각 쿼리를 분해하고, 지원 증거를 검색하며, 실패한 검색을 복구하고, 그 결과로 얻은 탐험 trace를 과제 유형, 추론 계획, 추출적 그라운딩 사실을 포함하는 JSON 프로토콜로 변환한다. 학습 중 프로토콜은 학생 정책(student policy)의 특권 분기(privileged branch)에만 제공되며, 해당 분기의 토큰 분포가 희소한 RL 목표와 함께 밀집된 증류 신호를 제공한다. 7개 QA 벤치마크에 걸친 광범위한 평가에서 MAPD는 경쟁력 있는 증류 및 RL 방법을 지속적으로 능가하며, Qwen3-1.7B에서 평균 성공률 39.4%, Qwen3-4B에서 44.4%를 달성한다. 중요하게도, 이 프레임워크는 다양한 독점 교사 모델에 걸쳐 견고하게 일반화되며, 학생 정책의 스타일 표류(style drift)와 장황함 퇴화(verbosity degeneration)를 효과적으로 완화한다.

arXiv:2607.24259v1cs.AI

대기 네트워크 이미지를 검증 가능한 시뮬레이션 모델로 변환하는 생성형 인공지능(GenAI): 오픈 가중치 LLM 워크플로우 접근법

Generative Artificial Intelligence (GenAI) to convert images of queuing networks into verifiable simulation models: an open-weight LLM workflow approach

최근 연구에서는 대규모 언어 모델(LLM)을 이용해 시뮬레이션 모델 구축을 자동화하는 방법이 탐구되어 왔으며, 일반적으로 자연어 설명으로부터 실행 가능한 코드를 직접 생성하는 방식을 사용한다. 그러나 이는 특히 프로그래밍 전문 지식이 없는 사용자에게 검증과 재현성에 대한 과제를 야기한다. 우리는 Sketch2DES를 제안한다. 이는 오픈 가중치 LLM을 사용하여 대기 네트워크의 도식적 표현을 검증 가능한 이산 사건 시뮬레이션 모델로 변환하는 스케치-투-시뮬레이션 워크플로우이다. 워크플로우는 세 단계로 구성된다: (1) 멀티모달 LLM을 사용하여 도표를 반구조화된 텍스트 설명으로 변환; (2) 반성(reflection) 기반 검증 루프를 갖춘 LLM을 통해 스키마 검증된 구조화 데이터(JSON)로 변환; (3) 소프트웨어 어댑터를 사용하여 실행 가능한 시뮬레이션 모델로 결정론적 변환. 따라서 중간 산출물은 실행 전에 검사하고 자동으로 검증할 수 있다. 우리는 다양한 복잡도를 갖는 8개의 대기 네트워크 도표에 대해 이 접근법을 평가한다. 워크플로우는 모든 단계에서 높은 신뢰성을 달성했으며, 결과는 사람이 작성한 코드 및 해석적 벤치마크와 통계적으로 구분되지 않았다. 직접 코드 생성과 비교할 때, 이 워크플로우는 재현성, 투명성, 검증 가능성을 향상시키면서 프로그래밍 전문 지식에 대한 필요를 줄인다. 한계로는 제한된 모델 범위와 정확한 시각적 해석에 대한 의존성이 포함된다. 결과는 LLM 지원 시뮬레이션 모델링을 위한 견고한 기반으로서 구조화된 워크플로우 기반 모델 생성의 실현 가능성을 보여준다.

arXiv:2607.24167v1cs.AI

자기 수정 웹 에이전트를 위한 반증 가능한 약속 계획

Falsifiable Commitment Planning for Self-Correcting Web Agents

장기 웹 에이전트는 최종 실패 전에 종종 궤도를 이탈한다. 현재 상태, 재사용된 스킬, 또는 계획 가정이 더 이상 사용자 지시를 뒷받침하지 않은 후에도 궤적은 국소적으로 그럴듯하게 유지될 수 있다. 기존 에이전트는 계획하고, 반성하거나, 경험을 재사용할 수 있지만, 그들의 계획은 활성 단계가 여전히 신뢰되어야 하는 근거를 거의 명시하지 않는다. 우리는 견고한 장기 웹 에이전트를 위한 반증 가능한 약속 계획(falsifiable commitment planning) 프레임워크인 FCPAgent를 제안한다. FCPAgent는 각 계획 단계를 반증 가능한 약속 단위(Falsifiable Commitment Unit, FCU)로 표현한다. 이는 재사용 가능한 스킬에 그라운딩(grounding)된 하위 목표와 함께 확인 증거, 반증 증거, 신뢰도 점수를 포함한다. 실행은 계획-검증-수리(plan-test-repair) 루프로 구성된다. 하이브리드 약속 검증 모듈은 후보 행동이 브라우저를 수정하기 전과 실행 후 관측을 검증한다. 효율성을 위해 경량 증거 매칭과 대규모 언어 모델(LLM) 기반 진단 검증을 결합한다. 증거가 약속을 반증하면, 범위 인식(scope-aware) 수리가 모순을 실행, 스킬, 또는 계획 수준으로 국한하고 가장 작은 적절한 부분을 수정한다. WebArena에서 FCPAgent는 가장 강력한 기준선 대비 평균 성공률에서 13.8% 상대적 향상을 달성하며, 특히 장기 작업에서 큰 이득을 보인다.

arXiv:2607.24097v1cs.AI

MemChain: 메모리 증강 LLM 에이전트를 위한 해석 가능한 메모리 추적 학습

MemChain: Learning Interpretable Memory Traces for Memory-Augmented LLM Agents

메모리 증강 LLM 에이전트는 일반적으로 관련 메모리를 검색하여 답변 모델에 직접 전달함으로써 쿼리에 답한다. 이 검색-근거(retrieval-as-evidence) 패러다임은 검색된 메모리가 이미 추론에 적합하다고 가정하며, 답변 모델이 중복성, 충돌, 낮은 관련성을 해결해야 하고 장기 메모리 작업에서 상당한 컨텍스트 오버헤드를 발생시킨다. 우리는 MemChain을 제안한다. 이는 검색 후(post-retrieval) 학습 가능한 메모리 정책으로, 검색된 후보를 답변 지향적 활성 메모리로 변환하며, 이는 간결하고 그라운딩된(grounded) 근거 컨텍스트로 표현된다. 사용자 쿼리와 검색된 후보가 주어지면, MemChain은 먼저 질문 조건부 근거 계획을 생성하고, 다음으로 의미적 역할과 의존성에 따라 검색된 메모리를 구성하는 순서화된 그라운딩된 근거 추적(trace)을 구축하며, 마지막으로 명시적 메모리 액션을 실행하여 답변 생성을 위한 간결한 근거 컨텍스트를 생성한다. 중재자(mediator)를 학습하기 위해, 우리는 2단계 학습 프레임워크를 도입한다. 지도 학습 기반 추적(trace) 학습은 먼저 정책이 구조적으로 유효한 계획, 추적, 액션, 근거 컨텍스트를 생성하도록 가르친다. 그다음 우리는 Trace-Guided Memory Policy Optimization(TMPO)을 제안한다. 이는 하류 답변 품질을 사용하여 메모리 정책을 최적화하는 강화학습(reinforcement learning) 목적 함수로, 여러 롤아웃에 걸쳐 추적 그라운딩, 근거 지원, 구조적 유효성, 답변 안정성을 공동으로 장려한다. LoCoMo 및 LongMemEval-S에서의 실험은 MemChain이 폐쇄형 및 오픈 가중치(open-weight) 고정 답변 모델 모두에서 일관되게 최첨단(state-of-the-art) 성능을 달성하면서, 답변 모델에 전달되는 메모리 컨텍스트를 상당히 줄인다는 것을 보여준다.

arXiv:2607.24032v1cs.AI

생성형 AI 증거의 반감기: 40건 기록 감사, 주장 통용성 프레임워크, 그리고 프론티어 모델 지원 연구의 반성적 사례

The Half-Lives of Generative-AI Evidence: A 40-Record Audit, a Claim-Currency Framework, and a Reflexive Case of Frontier-Model-Assisted Research

생성형 AI 평가는 출판 이전에 이미 구식이 될 수 있지만, 경과 일수가 모든 결론에 동일하게 영향을 미치지는 않는다. 본 논문에는 두 가지 연결된 목적이 있다. 첫째, 2025년 7월 18일부터 2026년 7월 17일 사이에 등장한 40건의 실증 기록으로 구성된 최대 변이 목적 표집 코퍼스를 감사한다. 감사에서는 출판 경로, 실행 시점, 모델 식별, 최신 명명 세대 또는 불변 스냅샷의 연령, 동일 계열 내 대체 및 갱신 행위를 코딩했다. 등장 시점에서 최신 명명 모델의 중앙값 연령은 281일이었다(중간 50%: 75-478; 범위: 11-939). 중앙값 연령은 저널 논문 25편에서 395일, 프리프린트 14편에서 56일, 실험실 보고서 1건에서 49일이었다. 35건에는 대체된 계열이 포함되어 있었고, 7건은 정확한 날짜 식별자를 제공했으며, 3건은 모델 증거를 명확히 갱신했고, 1건은 후기 민감도 검사를 추가했다. 40건 모두 OpenAI 시스템을 포함했는데, 이는 보급률 추정치가 아니라 이 코퍼스의 특징이다. 논문은 모델 연령과 주장 통용성(claim currency)을 구분하고 여섯 가지 보고 관행을 제안한다. 둘째, 논문은 자체 2일간의 작성 과정을 프론티어 모델 지원 연구 창작의 반성적 사례로 다룬다. ChatGPT의 GPT-5.6 Sol Pro는 후보 발견, 출처 대조, 계산, 초안 작성 및 비평을 지원했으며, 저자는 출처를 확인하고 모든 실질적 결정을 내렸으며 책임을 진다. 이는 실천 증명(proof-of-practice)이며, 생산성이나 품질에 대한 통제된 추정치가 아니다. 자체 Model Facts 및 모델 통용성(model-currency) 진술을 적용함으로써, 논문은 모델 출력을 독립적 검증으로 취급하지 않으면서도 신속한 AI 지원 연구를 어떻게 점검 가능하게 만들 수 있는지 보여준다. 제목은 반감기를 은유적으로 사용하며, 보편적 감쇠율은 추정하지 않는다.

arXiv:2607.23975v1cs.AI

Plato-Bio: 검증 우선 생물학적 신규성 스크리닝, 시간적 재발견 및 구조 벤치마크

Plato-Bio: verification-first biological novelty screening with temporal rediscovery and structural benchmarks

대규모 언어 모델 연구 에이전트는 문헌 검색, 분석 코드, 원고 작성을 연결할 수 있지만, 일관된 출력만으로는 과학적 타당성이 확립되지 않는다. 우리는 명시적 워크플로 상태, 출처 기록, 인용 검사, 주장-증거 연결, 범위 지정 파일 쓰기, 출판 게이트를 결합한 오픈 Plato/Denario 아키텍처의 생물학 라우팅 확장인 Plato-Bio를 개발했다. 소스 감사는 평가를 왜곡할 수 있는 세 가지 결함을 식별하고 수정했다: 기본 팩토리에서의 작업 도메인 손실, 스코어링에서 선언된 방법 신호의 누락, 그리고 초안 주장 분모가 없는 증거 사이드카. 현재 정제된 개정판에서 전체 Python 테스트 스위트는 931개 통과, 6개 스킵, 실패나 오류 없이 완료되었으며, 생물학, 유전체학, 증거/인용, 적대적 안전성을 대상으로 한 테스트 스위트도 마찬가지로 실패 없이 완료되었다. 우리는 두 가지 좁은 사용 사례를 평가했다. 동결된 역사적 재발견 작업에서, 1986년 이전 문헌을 독립적으로 연결한 방식은 어유와 Raynaud 현상 사이의 이후 연구된 관계를 1위로 순위화했고, TF-IDF는 2위, 코퍼스 빈도는 3위였다. 이 단일 큐레이션 작업은 전향적 발견이 아니라 회고적 순위화를 측정한다. 15개 인간 단백질에 대한 AlphaFold 모델과 실험 구조의 별도 비교에서, 11개 표적은 고신뢰도 코어 C-alpha RMSD가 1 옹스트롬 미만이었다(중앙값 0.501 옹스트롬). 4개 표적은 2 옹스트롬을 초과했으며, 신뢰도 마스킹은 74개 잔기에 걸쳐 SUMO1 불일치를 16.61에서 2.58 옹스트롬으로 줄였다. 워크플로는 27개의 추적 가능한 불일치 영역을 출력했으며, 모두 미검증 가설로 보존되었다. 따라서 Plato-Bio는 재현 가능한 소프트웨어 계약과 감사 가능한 스크리닝 기준선을 제공한다; 에이전트 효능이나 생물학적 신규성에 대한 더 넓은 주장은 사전 등록 평가, 독립 검토, 전향적 검증이 필요하다.

arXiv:2607.23944v1cs.AI

DICA: 멀티모달 대규모 언어 모델에서 이중 지표 유도 대조 정렬

DICA: Dual-Indicator Guided Contrastive Alignment in Multimodal Large Language Models

인간의 시각적 추론은 일반적으로 전역 장면 이해에서 시작하여 점차 질문과 관련된 영역에 집중하는 거친-세밀(coarse-to-fine) 어텐션 과정을 따른다. 그러나 멀티모달 대규모 언어 모델(MLLM)은 어텐션 드리프트(attention drift)와 시각적 증거의 미활용으로 인해 이러한 패턴에서 벗어날 수 있으며, 이는 환각(hallucination)으로 이어질 수 있다. 이러한 문제를 완화하기 위해, 본 연구는 추론 중 두 가지 정보 이론적 지표를 추적하는 이중 지표 유도 대조 정렬(Dual-Indicator Guided Contrastive Alignment, DICA)을 제안한다: 시각 어텐션의 집중도를 반영하는 Visual Attention Entropy(VAE)와 생성 출력이 시각 입력에 의존하는 정도를 측정하는 Output Image Correlation(OIC). VAE의 비정상적 증가 또는 OIC의 감소는 서로 다른 실패 모드에 해당하며, 이는 시각적 그라운딩(visual grounding)을 복원하기 위한 표적화된 대조 정렬을 유발한다. 여러 벤치마크에 걸친 실험 결과는 DICA가 기존 접근법을 일관되게 능가하고 환각을 상당히 줄임을 보여주며, 멀티모달 추론 신뢰성 향상에서 지표 기반 개입의 효과를 강조한다. 코드는 https://github.com/BGWH123/DICA/ 에서 공개적으로 이용 가능하다.

arXiv:2607.23942v1cs.AI

인지 아키텍처에서 언어 에이전트로: 계보, 수렴, 이전 격차에 대한 메커니즘 수준 리뷰

From Cognitive Architectures to Language Agents: A Mechanism-Level Review of Lineage, Convergence, and Migration Gaps

메모리, 계획, 반성(reflection), 도구 사용은 종종 특징 라벨로 비교되어, 에이전트가 실제로 어떻게 실행되는지를 결정하는 제어 의미론(control semantics)을 가려 버린다. 이 리뷰는 10개의 역사적 인지 아키텍처, 8개의 언어 에이전트 런타임 계열, 42개의 메커니즘 중심 현대 시스템을 연결한다. 각 메커니즘을 상태, 제어, 전이, 지속성, 실패, 학습, 자원 거버넌스를 통해 재구성한 뒤, 증거 관계(E1–E4)와 이전 깊이(D0–D4)를 별도로 코딩한다. 그 결과로 드러난 지형은 고르지 않다. 현대 에이전트는 적응형 메모리, 실패 복구, 동적 팀 선택, 워크플로우 탐색, 스킬 유도(skill induction), 자원 스케줄링, 불확실성 조건 행동(uncertainty-conditioned action)의 상당 부분을 실현화했지만, 종종 문서화된 계승(inheritance)보다는 독립적인 수렴을 통해 이루어졌다. 가장 큰 남은 기회는 메커니즘 간 결합(couplings)에 있다. 가장 근접한 기준선 스크리닝은 제안된 격차 중 하나를 메운다: GraSP는 이미 보정된 다중 스킬 선택, 타입화된 컴파일, 검증, 경계(bounded) 수리, 재계획 또는 ReAct 폴백을 결합한다. 5개의 잔여 번들이 남아 있다: 지연(latency)과 행동 유틸리티(action utility)를 갖춘 활성화(activation); 격리된 하위 상태(isolated substates)와 해결 컴파일(resolution compilation)을 갖춘 타입화된 교착 상태(typed impasse); 브로드캐스트와 승인 학습(admission learning)을 갖춘 경계 내 콘텐츠 경쟁(bounded content competition); 재고(reconsideration)와 실시간 방법 권한(live method authority)을 갖춘 지속적 의도(persistent intention); 자원 할당, 중단(interruption), 정지(stopping)를 갖춘 불확실성. 우리는 독특한 메커니즘 카탈로그, 감사 가능한 증거 깊이 프레임워크, 이 번들들을 조합 가능한 런타임 불변량(composable runtime invariants)으로 검증하기 위한 반증 가능한(falsifiable) 의제를 기여한다.

arXiv:2607.23929v1cs.AI

MemTX: 상태 유지 에이전트 메모리를 위한 트랜잭션 신념 커밋

MemTX: Transactional Belief Commit for Stateful Agent Memory

대규모 언어 모델(LLM) 에이전트는 점점 더 영속적인 공유 메모리를 통해 협조하고 있다. 한 에이전트의 쓰기는 다른 에이전트의 전제가 되고, 결국 실제 부작용을 가진 도구 호출로 이어진다. 현재의 에이전트 메모리 시스템은 수락된 모든 쓰기를 즉시 실행 가능한 진실로 취급하므로, 오염된 도구 결과, 오래된 업데이트, 또는 팀원의 미완성 메모가 조용히 되돌릴 수 없는 행동을 유발할 수 있다. 우리는 메모리 쓰기가 신념 커밋(belief commit)이 아니라고 주장한다. 우리는 트랜잭션 신념 커밋 프로토콜인 MemTX를 제안한다. 각 레코드는 증거, 권한, 출처(provenance), 유효성을 담는다. 쓰기는 스냅샷 격리 트랜잭션 내에서 스테이징되고 검증-커밋 파이프라인에 의해 승인되며, 되돌릴 수 없는 도구 호출은 진행 중인 신념 상태에 의해 게이팅되고, 신념을 철회하면 파생 레코드와 도구 부작용에 대한 타입화된 연쇄 수리(cascading repair)가 트리거된다. 행동 안전 게이팅(action-safety gating)과 연쇄 수리 완전성(cascade-repair completeness)이라는 두 불변식은 속성 기반 테스트(property-based testing)와 550만 개의 프로토콜 상태에 대한 유계 완전 열거(bounded exhaustive enumeration)로 기계 검증되었으며, 위반은 0건이었다. 세 모델 패밀리의 다섯 백본(backbone)에 걸쳐 MemTX는 네 백본에서 paired-McNemar 유의성으로 여덟 기준선을 모두 앞서며, 다섯 번째이자 가장 강력한 백본에서는 최고 기준선과 통계적으로 동률을 이루면서, 모든 백본에서 하류 피해(downstream harm)가 0인 유일한 방법으로 남는다. 백본 역량은 커밋 규율(commit discipline)을 대체할 수 없다.

arXiv:2607.23927v1cs.AI

대규모 언어 모델의 현실 모니터링: 대화 기억에 따라 변하는 자기 지식

Reality Monitoring in Large Language Models: Self-Knowledge That Transforms with Conversation Memory

대화형 AI가 자신의 출력과 사용자가 말한 내용을 구별하지 못하면, 자신의 실수를 사용자가 제공한 사실로 취급하게 된다. 인간에게 이 능력은 현실 모니터링(reality monitoring)이라 불리며, 그 실패는 환각(hallucination), 망상, 담합(confabulation)과 연관되지만, LLM이 이를 갖추고 있는지는 아직 검증되지 않았다. 여기서 우리는 두 개의 실험과 6개의 LLM에 걸쳐, 출처 귀속(source attribution)이 대화 기억이 어떻게 구조화되느냐에 따라 달라짐을 보인다. 최소한의 기억 부담 하에서 자기 생성 콘텐츠에 대한 천장 수준의 정확도는, 에피소드 지연(episodic delay)이 그 지름길을 제거하면 취약한 외부 항목 우위로 역전된다. 피드백(feedback)은 두 가지 실패를 드러낸다. 일부 모델에서는 내부 판단과 외부 판단이 뒤바뀌고, 다른 모델에서는 정확도는 향상되지만 확신(confidence)이 정확성에서 분리되어, 이러한 분리(dissociation)는 기존 벤치마크에서는 드러나지 않는다. 모델 전반에 걸쳐 이 패턴은 총합이 아닌 활성(active) 매개변수 수를 시사한다. 이는 AI 시스템이 자율적이고 다회차(multi-turn) 역할을 맡을수록, 그들이 무엇을 아는지 평가하는 것만으로는 부족하며, 그 지식이 어디에서 왔는지 추적하는 것이 동등하게 중요할 수 있음을 시사한다.

arXiv:2607.23809v1cs.AI

ACM: 장기 호라이즌 과제를 위한 에이전트형 컨텍스트 관리

ACM: Agentic Context Management for Long Horizon Tasks

에이전트 과제는 본질적으로 장기 호라이즌이며 다중 턴(multi-turn) 구조로, 환경과의 상호작용을 통해 지속적으로 컨텍스트를 축적한다. 기존 컨텍스트 압축 방법은 불가피하게 정보 손실을 초래하며, 경직된 휴리스틱 규칙에 의해 트리거되어 에이전트의 변화하는 추론 초점과 정렬되지 않는다. 우리는 무손실 컨텍스트 관리를 위해 에이전트에 목적에 맞게 설계된 컨텍스트 편집 도구를 제공하는 프레임워크인 에이전트형 컨텍스트 관리(Agentic Context Management, ACM)를 제안한다. 단기 및 장기 인간 기억 간의 상호작용에서 영감을 받아, 에이전트는 컨텍스트를 압축할 시점을 자율적으로 결정하고, 폐기된 내용을 외부 메모리 시스템으로 오프로드하며, 이후 검색을 위해 필요 시 이를 조회한다. 이 프레임워크를 기반으로, 우리는 컨텍스트 관리의 고품질 시연(demonstration)을 구축하고 에이전트형 검색 및 코딩 과제 모두에서 모델 성능을 향상시키는 사후 학습 파이프라인을 추가로 개발한다. 추가 분석 결과, 효과적인 컨텍스트 관리는 피크 토큰 부담을 줄이고, 확장된 탐색을 가능하게 하며, 독립적인 시행 간 더 일관된 해법을 산출함을 보여준다. 코드, 데이터, 모델 체크포인트는 https://github.com/lixiaochuan2020/agentic-context-management 에서 이용할 수 있다.

arXiv:2607.23771v1cs.AI

추론 시점 컨트롤러와 협력하도록 언어 모델 학습

Training Language Models to Cooperate with Inference-Time Controllers

대규모 언어 모델(LLM)의 성능은 점점 더 기본 모델뿐 아니라 추론을 구성하는 데 사용되는 추론 시점 컨트롤러에도 의존한다. 그러나 기존 사후 학습 방법은 실제 배포 환경에서는 사고의 연쇄(Chain-of-Thought), self-consistency, debate, planning, verification 파이프라인 등 다양한 컨트롤러에 의존함에도 불구하고, 일반적으로 단일 고정 상호작용 패턴에 최적화된다. 이는 학습-배포 불일치를 야기하며 새로운 워크플로에 대한 전이를 제한한다. 우리는 컨트롤러를 학습 루프에 명시적으로 배치하는 사후 학습 프레임워크인 CALM(Controller-Aware Language Models)을 제안한다. 컨트롤러 인식 사후 학습을 컨트롤러가 유도하는 상호작용 프로토콜에 대한 다중 과제 강화학습으로 공식화하며, 여기서 컨트롤러는 재사용 가능한 지역적 추론 모듈의 조합이다. 이 구조는 또한 턴 수준 GRPO 목적 함수 하에서 혼합 컨트롤러 학습의 모듈 수준 분해를 유도하여, 컨트롤러 및 모듈 인식 학습 전략의 체계적 연구를 가능하게 한다. 우리는 학습에 포함되지 않은 컨트롤러 조합과 더 넓은 컨트롤러 전환에 대해 CALM을 평가하고, 컨트롤러 인식 사후 학습이 단일 컨트롤러 최적화를 넘어 추론 시점 워크플로 전반에 걸친 일반화를 향상시킴을 보인다.

arXiv:2607.23722v1cs.AI

E-Bench: 실제 제품 시나리오에서의 다단계 도구 사용 에이전트 벤치마킹

E-Bench: Benchmarking Multi-Step Tool-Use Agents in Real-World Product Scenarios

대규모 언어 모델(LLM)은 점점 더 여러 단계에 걸쳐 상태를 유지하는 환경과 상호작용하는 에이전트로 배포되고 있다: 숨겨진 정보를 수집하고, 도구 호출을 조합하며, 상태 변경을 수행한다. 우리는 이러한 능력을 다단계 도구 사용(multi-step tool use)이라고 부른다. 기존 벤치마크는 도구 사용 에이전트 평가를 발전시켜 왔지만, 종종 고립된 API 호출, 짧은 궤적(trajectory), 또는 확장하거나 제어하기 어려운 설정에 초점을 맞춘다. 우리는 E-Bench를 소개한다. 이는 Honor of Kings, QQ Music, Tencent Meeting 세 가지 제품 도메인에 걸친 323개의 상태 변경 작업을 포함하는 완전 합성 벤치마크이다. E-Bench는 환경 합성과 작업 합성을 분리한다: 그래프 기반 데이터베이스 채우기(graph-guided database filling)가 재사용 가능하고 고아 레코드가 없는(orphan-free) 제품 환경을 구축하는 반면, 생성자-솔버 비대칭(generator-solver asymmetry)은 정보 격차(information gap)와 도구 격차(tool gap)를 모두 갖는 작업을 생성하여, 에이전트가 상태를 변경하기 전에 숨겨진 데이터를 발견하고 여러 도구 호출을 조합해야 하도록 요구한다. 결과는 데이터베이스 상태 차이(database-state diffs)에 의해 결정적으로 채점된다. 환경과 작업 모두 합성적이므로 E-Bench는 환경 수준에서 제어 가능하고 작업 수준에서 확장 가능하다. 11개의 최첨단 LLM을 벤치마킹한 결과, 다단계 도구 사용은 여전히 어려운 과제임을 보여준다: 가장 강력한 모델에서도 Pass^3는 60% 미만이며, E-Bench-Code 확장에서 코드 실행을 사용하더라도 신뢰성(Pass^3)은 70% 미만에 머문다.

arXiv:2607.23700v1cs.AI

멀티모달 추론을 위한 오프라인-온라인 커리큘럼 강화학습

Offline-Online Curriculum RL for Multimodal Reasoning

멀티모달 대규모 언어 모델은 추론 과제에서 능력을 보이지만, 최종 답은 맞으면서도 중간 단계에서 결함이 있는 결과를 내는 경우가 많다. 이러한 행동은 해석 가능성과 신뢰성을 훼손하며, 충실한 추론보다는 가짜 지름길(spurious shortcuts)에 의존하고 있음을 시사한다. 단계 수준의 지도학습을 탐구한 연구가 있었지만, 결정적인 단계와 중복 단계를 구분하는 것은 여전히 어렵다. 우리는 반복적인 오프라인-온라인 패러다임을 통해 핵심 단계 인식(critical-step awareness)을 도입하는 새로운 커리큘럼 강화학습 프레임워크인 $O^2$-CritiCuRL을 제안한다. 오프라인 단계에서 $O^2$-CritiCuRL은 단계 주석이 달린 궤적에 대해 다중 롤아웃 분석을 수행하여 단계 수준의 중요도를 추정하고, 이를 통해 핵심 추론 단계를 증류(distill)하고 중복 단계를 걸러낸다. 온라인 단계에서는 점진적인 단계 수준 강화학습 전략을 사용하며, 잘린 연쇄(truncated chains)가 모델이 누락된 단계를 추론하고 추론을 정교화하도록 안내하여 핵심 단계에 대한 집중을 높이고 정적 지도의 한계를 극복한다. 멀티모달 추론 벤치마크에 대한 광범위한 실험 결과, 제안 방법은 최첨단 성능을 달성하면서 학습과 추론 효율성에서도 우수한 결과를 보인다. 코드는 https://github.com/kk0013/CritiCuRL 에서 제공된다.

arXiv:2607.23678v1cs.AI

집중이 전부다: 다중 에이전트 그래프 시스템을 위한 적응형 목표 인식 어텐션 오케스트레이션

Focus Is All You Need: Adaptive Goal-aware Attention Orchestration for Multi-Agent Graph Systems

대규모 언어 모델(LLM)은 추론, 계획, 도구 사용을 위한 자율 에이전트를 가능하게 한다. 최근 시스템들은 이러한 에이전트를 전문화되고 상호 연결된 노드의 그래프로 점점 더 조직하고 있다. 그래프 기반 오케스트레이션은 유연한 분해와 조정을 지원하지만, 핵심 과제인 어텐션 할당(attention allocation)을 야기한다. 워크플로가 커질수록 기존 접근법은 종종 그래프 구성 요소를 균일하게 실행하여, 관련 없거나 영향이 낮은 작업에 자원을 낭비한다. 우리는 어텐션 오케스트레이션(Attention Orchestration)을 제안한다. 이는 트랜스포머 스타일의 어텐션을 토큰 표현에서 워크플로 수준의 에이전트 조정으로 확장하는 패러다임이다. 우리의 프레임워크인 적응형 목표 인식 어텐션 오케스트레이션(AGAO)은 사용자 목표, 그래프 의존성, 계산 제약을 기반으로 에이전트 중요도를 동적으로 추정한다. AGAO는 세 가지 구성 요소를 결합한다: (1) 목표 인식 어텐션(goal-aware attention), 사용자 목표와 에이전트 역량 간의 의미적 관련성을 측정; (2) 토폴로지 인식 어텐션(topology-aware attention), 에이전트 그래프의 구조적 의존성을 모델링; (3) 자원 인식 어텐션(resource-aware attention), 이종 에이전트 간 예산과 실행 우선순위를 할당. 이러한 메커니즘들이 함께 정적 에이전트 그래프를 목표에 핵심적인 추론 경로에 계산을 집중하는 적응형 시스템으로 변환한다. 다양한 다중 에이전트 워크로드에 걸친 실험은 AGAO가 기존 그래프 기반 실행 전략과 비교하여 불필요한 계산, 지연 시간, 토큰 소비를 줄이면서 작업 효과를 향상시킴을 보여준다. 우리의 연구는 확장 가능하고 지능적인 다중 에이전트 시스템을 위한 방향으로서 어텐션 엔지니어링(Attention Engineering)을 정립한다. Code: https://github.com/MingzhouFan97/AGAO.

arXiv:2607.23676v1cs.AI

SpecAHD: 대규모 경로 문제에서 자동 휴리스틱 설계를 위한 국소화 기반 특화

SpecAHD: Localize to Specialize for Automated Heuristic Design in Large-Scale Routing Problems

LLM 기반 자동 휴리스틱 설계(AHD)는 일반적으로 완전한 인스턴스 또는 고정된 솔버 구성 요소 내에서 실행 가능한 프로그램을 평가한다. 대규모 경로 문제에서 국소적 재구성은 각 최적화 작업의 크기를 줄이지만, 동일한 현행 해(incumbent) 내의 수리(repair) 영역은 상당히 다른 구조를 보일 수 있다. 따라서 하나의 구성 규칙은 이들 사이에서 타협해야 한다. 본 논문에서는 인스턴스 내 특화(within-instance specialization)를 위한 결합 이중 수준(coupled bilevel) 프레임워크인 SpecAHD를 제안한다. 상위 수준 탐색은 경계가 있는 수리 영역을 어디에 노출할지 학습하고, 하위 수준 탐색은 유도된 수리 작업에 대한 상보적인 실행 가능 휴리스틱 레퍼토리를 진화시킨다. 상위 수준 프로그램은 하위 수준이 보게 되는 수리 작업을 결정하고, 검증된 수리 결과는 상위 수준 프로그램이 어떻게 평가되는지를 결정한다. 하위 수준 목적 함수는 평균적으로 잘 수행하거나 현재 레퍼토리가 잘 처리하지 못하는 작업을 해결하는 휴리스틱을 선호한다. 고정된 상위 수준 프로그램과 고정된 하위 수준 후보 풀에 의해 유도된 수리 작업에 대해, 이 목적 함수는 단조 준모듈러(monotone submodular)이며, (1-1/e) 근사 보장을 갖는 탐욕적 레퍼토리 선택을 허용한다. 4개의 경로 문제와 여러 LLM 백본에 걸쳐 SpecAHD는 가장 강력한 경쟁 AHD 기준선 대비 홀드아웃(hold-out) 목적 비용을 최대 57.7%까지 줄이며, 대부분의 공개 인스턴스에서 인스턴스별 기준선 envelope을 능가한다.

arXiv:2607.23581v1cs.AI

출처 인식 멀티모달 허위정보 탐지를 위한 Verification-Notebook Learning

Verification-Notebook Learning for Source-Aware Multimodal Misinformation Detection

멀티모달 허위정보 검증은 게시물의 서로 다른 부분에서 오해를 유발하는 신호가 나타날 수 있고, 각각 다른 형태의 증거를 요구하기 때문에 어렵다. 대규모 비전-언어 모델(LVLM)은 이 과제에 잘 맞지만, 검증 성능은 종종 각 사례에 적용되는 추론 절차에 따라 달라진다. 기존 방법은 더 강한 프롬프트, 검색(retrieval), 또는 숙고(deliberation)를 통해 이 절차를 개선하지만, 이전 사례에서 학습한 검증 패턴을 거의 유지하지 못한다. 우리는 Verification-Notebook Learning(VNL)을 제안한다. 이는 추론 전에 고정된(frozen) LVLM에 대한 외부 검증 절차를 학습하는 비모수적(non-parametric) 프레임워크이다. VNL은 이전 검증 경험으로부터 의사결정 원칙, 증거 단서, 반복되는 함정으로 구성된 간결한 노트북을 구축한다. 노트북은 추론 중 고정된 상태를 유지하며 새로운 사례의 검증을 안내한다. 모델 파라미터를 갱신하거나 시연(demonstration)을 저장하는 대신, VNL은 학습된 지식을 직접 검사할 수 있는 아티팩트(artifact)에 기록한다. 실험 결과 VNL은 다양한 경쟁 기준선(baseline)을 일관되게 능가한다. 추가 분석에 따르면 Verification Notebook은 간결하고 해석 가능한 상태를 유지하면서 세밀한 출처 귀속(source attribution)을 개선하며, 모델 학습 없이 검증 지식을 축적하는 효과적인 방법을 제공한다.