절차적 재질 생성은 디지털 콘텐츠 제작, 시각 효과, 3D 자산 설계 분야의 응용을 뒷받침한다. 고품질 결과를 달성하려면 노드 그래프를 재현하는 것만으로는 부족하며, 전문가가 재질을 구축하는 과정을 이해해야 한다. 우리는 절차적 재질 생성을 전문가 시연에 대한 검색 시점 프로세스 추론(retrieval-time process reasoning)으로 공식화하여, 그래프만을 이용한 합성을 넘어 프로세스를 일급(first-class) 표현으로 격상시킨다. 구체적으로, 우리는 전문가 워크플로우를 프로세스 trace로 표현한다. 이는 구축 단계, 매개변수, 설계 의도를 담은 텍스트 기록이다. 이 아이디어를 구현하기 위해, 사전학습된 LLM 기반 ProcessSynthesizer로 사용자 의도에 맞는 프로세스 trace를 합성하고, 사전학습된 LLM 기반 Compiler로 프로세스 trace를 실행 가능한 Blender 재질 그래프로 그라운딩(grounding)한다. 절차적 전문성은 시연을 통해 가장 자연스럽게 전달되므로, 우리는 튜토리얼 영상을 프로세스 지식의 출처로 활용하고 자동화된 영상 분석 도구를 사용해 텍스트 기반의 LLM 호환 trace를 추출한다. 평균 경력 7.5년의 Blender 아티스트 5명을 대상으로 한 전문가 연구에서, 전문가 시연을 반영해 생성된 재질은 수정이 더 적게 필요한 워크플로우를 만들어냈으며, 정적 산출물만을 다루는 방법보다 전문적인 설계 전략에 더 가깝게 일치하는 것으로 나타났다. 150명 참가자를 대상으로 한 사용자 연구는 우리 접근법이 기존 절차적 시스템에 비해 생성 및 편집 성능이 우수함을 추가로 보여준다. 모든 코드, 모델, 데이터는 https://materialapprentice.github.io 에서 제공될 예정이다.
Camera pose matters. The position and orientation of each viewpoint define a shared spatial coordinate frame that relates observations across video frames. Yet this signal is largely absent from multimodal LLMs (MLLMs) for video understanding, which process frames as isolated 2D snapshots, instead of the persistent scene humans perceive. We revisit pose as a lightweight supervisory signal and introduce Cambrian-P, a video MLLM augmented with per-frame learnable camera tokens and a pose regression head. With a carefully designed sampling scheme, the model achieves substantial gains of 4.5-6.5% on spatial reasoning benchmarks such as VSI-Bench, generalizes across eight additional spatial and general video QA benchmarks, and, as a byproduct, achieves state of the art streaming pose estimation on ScanNet. Surprisingly, training on pseudo-annotated poses from in-the-wild video further improves general video QA benchmarks, showing pose helps beyond spatial reasoning. Together, these results position camera pose as a fundamental signal for video models that reason about the physical world.
Multimodal Large Language Models (MLLMs) perform strongly in high-resource languages, yet often produce fluent but culturally "thin" descriptions in low-resource settings. We argue that this failure is not merely a linguistic limitation: culture-specific visual knowledge depends on native visual-textual alignments that translation-centric pipelines rarely provide. We present MELLA, a multimodal dataset across eight low-resource languages, designed to support linguistic fluency and cultural groundedness. MELLA uses a dual-source strategy that combines native web image-alt-text pairs for culture-grounded supervision with generated-and-translated image descriptions for linguistically rich supervision, explicitly separating two learning signals often conflated in multilingual multimodal data. Through controlled diagnostic fine-tuning on multiple MLLM backbones, we show that MELLA mitigates cultural hallucination by helping models recognize and articulate culturally specific entities overlooked by translation-based adaptation. Our findings highlight data alignment, rather than model modification alone, as a path toward culturally grounded multimodal understanding in low-resource languages. The dataset is available at https://opendatalab.com/applyMultilingualCorpus.
Large language models (LLMs) reproduce homogeneity bias -- the tendency to portray marginalized groups as more internally similar than dominant groups -- but whether this bias generalizes across models, is stable under different inference settings, or depends on how group identity is signaled remains unstudied. We map homogeneity bias across seven open-weight instruction-tuned LLMs (7-20B parameters), a 5x5 temperature x top-p decoding grid, and two paradigms for signaling group identity (explicit labels vs. racially distinctive names). In six of seven models, Hispanic and Asian Americans are portrayed as significantly more homogeneous than White Americans at the default configuration, and the effect remains positive on average at every temperature and top-p tested; African American and gender bias instead vary in direction across models. A conservative cell-level re-analysis confirms Hispanic and Asian homogeneity as robust while weaker African American and gender signals largely do not survive, establishing group-specific robustness. We also apply the same grid to a names-based paradigm in which group identity is signaled via racially distinctive surnames rather than explicit labels. The names paradigm corroborates Hispanic and Asian homogeneity bias, but Black-coded surnames elicit robustly less homogeneous outputs than White-coded names in every model tested -- a reversal absent from the label paradigm -- showing that how group identity is operationalized shapes which biases surface and in which direction.
치매의 조기 감지는 적시 개입을 가능하게 하며, 인지 장애를 반영하는 자발적 발화는 비침습적 선별 검사 방식을 제공한다. 기존 접근법은 음향 기술자(acoustic descriptor), 포즈(pause) 모델링, 자동 음성 인식(ASR) 전사본, 또는 멀티모달 융합 등 단일 표현 차원에 집중하는 경우가 많아, 이질적인 인지 증상에 걸친 통합적 추론이 제한된다. 우리는 네 가지 상호 보완적인 음성 파생 신호—포즈 마커가 포함된 ASR 전사본, 담화 수준의 토픽 단서, 시간적 유창성 통계, 음운 시퀀스—에 대해 구조화된 다중 관점 추론을 수행하는 저랭크 적응(LoRA) 튜닝 대규모 언어 모델(LLM)을 제안한다. 이러한 단서들은 단일 프롬프트 내에 인코딩되어, 모달리티별 인코더나 후기 융합 없이 하나의 LLM이 일관된 결정 함수를 학습할 수 있게 한다. ADReSSo에서 우리의 최선 모델은 F1 점수 90.14%를 달성하였으며, 어블레이션(ablation) 분석을 통해 각 관점의 상호 보완적 기여가 확인되었다.
본 연구는 학술 도서관 자료에 대한 새로운 발견 경로로서 생성형 AI를 실증적으로 분석하였다. 2023년 8월부터 2025년 10월까지의 웹 분석 데이터를 활용하여, 본 연구는 특히 연결된 인용 기능 통합 이후 AI 매개 트래픽이 크게 증가했음을 확인하였다. 리퍼럴(referral) 분석을 통해 ChatGPT, Perplexity, Gemini가 이 트래픽을 주도하는 주요 플랫폼임을 확인하였다. 상당수의 사용자가 기관 저장소(institutional repository)에 도달했으며, 주로 전자 학위논문에 접근하였다. 이 패턴은 AI 검색(retrieval) 메커니즘이 구조화된 메타데이터와 안정적인 영구 링크(permalinks)를 갖춘 오픈 액세스(Open Access) 및 무료 이용 가능한 자료를 효과적으로 노출함을 시사한다. 결과는 AI 생태계가 현재 도서관 자료를 어떻게 노출하는지 보여 주며, 지속적인 분석과 진화하는 AI 환경에 대한 전략적 대응의 필요성을 강조한다.
대규모 언어 모델(LLM)은 많은 작업에서 뛰어난 성능을 보이지만, 장기 계획과 반복적 오류 수정이 필요한 복잡한 추론에서는 자주 어려움을 겪는다. 또한 표준 단일 스트림 프롬프팅은 모델이 새로운 추상화나 엄격한 도메인 제약을 마주할 때 취약함을 드러낸다. 우리는 추론을 네 개의 에이전트로 분리하는 이질적 프레임워크인 PoTRE(Poly-Topological Reasoning Ensembles)를 제안한다: (1) 적대적 정제 에이전트(Adversarial Refinement Agent), (2) 계층적 전략 계획 에이전트(Hierarchical strategic Planning Agent), (3) 스펙트럼 탐색 에이전트(Spectrum Search Agent), (4) 직접 연쇄 에이전트(Direct Chain Agent). 최종 과제 적응형 집계 층(Task-Adaptive Aggregation Layer)은 최종 후보 선택, 의미적 합성, 또는 신경-기호적 검증을 통해 이러한 관점들을 동적으로 조화시켜 견고한 전역 해를 생성한다. PoTRE를 세 가지 최전선 벤치마크인 ARC-AGI-2, Humanity's Last Exam(HLE), PRBench Finance에서 평가했다. PoTRE는 HLE에서 49.92%의 최첨단 정확도를 달성하여 이전 최고 공식 점수를 넘어섰다. 우리는 이러한 아키텍처적 이질성이 대규모로 확장된 동질적 베이스라인에 비해 유사하거나 더 적은 추론 토큰으로 향상된 추론 성능을 달성함을 보여준다.
LLM 기반 자율 에이전트가 공격적 보안의 판도를 바꾸고 있다. 결정론적이고 범위가 좁으며 숙련된 실무자가 운용하는 전통적인 침투 테스트(penetration testing) 도구와 달리, 에이전트형(agentic) 보안 도구는 세 가지 독립적인 차원에서 \textit{indeterminacy}를 보인다. 첫째, 그 행동은 비결정론적 정책에서 추출되며, 그 출력은 사전(ex-ante) 및 사후(ex-post) 설명 모두에 저항하여 사고 귀속(incident attribution)과 배포 전 안전성(safety) 검토를 어렵게 한다. 둘째, 비결정론적 행동, 사용된 모델의 에이전시(agency), 불투명한 LLM 공급망(supply chain)으로 인해 그 영향은 개방적(open-ended)이다. 셋째, 사용자 집단은 규모와 필요 기술 모두에서 불확정적이다. 공격 능력을 사용하거나 개발하는 데 필요한 최소 기술 수준(skill floor)이 급격히 낮아졌다. 이 세 가지 속성은 주제적으로 연결되어 있지만, 서로로부터 도출될 수는 없다. 공격과 방어 간의 구조적 비용 비대칭(structural cost asymmetry)과 결합되어 공격 능력의 산업화(industrialization)를 가능하게 한다. 단기적 순효과는 공격자에게 유리하며, 동일한 기술이 장기적으로는 방어 실무에 대한 접근을 민주화할 수 있더라도 마찬가지이다. 기존의 이중용도(dual-use) 사이버보안 및 AI 윤리 프레임워크는 이러한 조합을 염두에 두고 설계되지 않았다. 본 연구는 공격적 보안을 위해 자율 AI 에이전트를 사용할 때 도덕적 귀속(moral attribution)이 사용자, 도구 제작자, 제3자 사이에서 어떻게 분산되는지 분석한다. 또한 이 기술의 이해관계자(stakeholder) 영향을 검토하고 계층화된 권고를 제시한다.
조합 최적화 문제는 많은 과학 및 공학 응용의 핵심이지만, 기하급수적으로 큰 탐색 공간으로 인해 해결하기 여전히 어렵다. 변분 양자 알고리즘은 이러한 문제를 다루는 유망한 접근을 제공하지만, 반복적인 양자 회로 평가와 고전적 매개변수 업데이트로 인해 실용적 성능이 제한된다. 본 연구에서는 대규모 최적화 문제를 더 작은 하위 문제로 분해하는 분산 양자 근사 최적화 알고리즘(DQAOA)과, 이러한 하위 문제를 해결하기 위한 GPT 기반 양자 회로 생성을 통합하는 하이브리드 프레임워크인 DQAOA-GPT를 제안한다. 반복적 변분 최적화에 의존하는 대신, 제안된 접근법은 학습된 생성 모델을 사용하여 분해된 하위 문제에 대해 고품질 양자 회로를 직접 생성한다. 벤치마크로서, 최대 100개의 결정 변수를 갖는 dense HUBO 최적화 문제에서 DQAOA-GPT를 기존 DQAOA와 비교 평가한다. 결과는 DQAOA-GPT가 경쟁력 있는 해법 품질을 유지하면서 계산 비용을 크게 줄이며, 하위 문제 크기가 클수록 더 큰 가속이 관찰됨을 보여준다. 본 연구는 벤치마크 규모 검증에 초점을 맞추지만, 이 프레임워크는 GPU 자원 확대와 병렬 컴puting 능력을 통해 하이브리드 HPC-QC 환경에서 더 대규모 조합 최적화를 위한 유망한 기반을 제공한다.
악성코드 분석은 파일 시스템, 네트워크, 프로세스 동작에 걸친 복잡한 detonation 보고서의 신속한 해석을 요구한다. 대규모 언어 모델(LLM)은 기술적 아티팩트 해석에서 인상적인 능력을 보여 주지만, 폐쇄 가중치 프론티어 모델의 불투명성과 증가하는 API 비용은 오픈 가중치 대안에 대한 탐색을 촉진한다. 그러나 많은 오픈 가중치 모델은 크기가 커 상당한 연산 자원을 요구하고 무시할 수 없는 호스팅 비용을 발생시켜, 자원이 제한된 배포 환경에서는 접근하기 어렵다. 본 논문은 오케스트레이션된 소형 언어 모델(SLM) 앙상블이 악성코드 detonation 보고서에 대한 구조화된 질문에서 단일 LLM 성능과 동등하거나 이를 초과할 수 있는지 조사한다. Meta의 CyberSecEval Malware Analysis 벤치마크에서 11개의 오픈 가중치 SLM, 3개의 사이버 보안 사전학습 모델, 6개의 프론티어 LLM을 테스트하여 기준선을 수립했다. 이어 네 가지 오케스트레이션 아키텍처를 설계하고 평가했다: (i) 분석을 구조화된 증거 수집 및 추론 단계로 분해하는 다중 에이전트 파이프라인, (ii) 두 에이전트가 서로의 추론을 반복적으로 비판하는 적대적 토론 프레임워크, (iii) 범용 SLM과 사이버 보안 전문 모델을 짝지은 계층적 자문 시스템, (iv) 증거 기반 파이프라인과 적대적 토론 추론을 결합한 하이브리드 아키텍처. 하이브리드 시스템(Qwen3-4B와 Foundation-Sec-8B)은 35.30%의 전체 정확도를 달성하여, 가장 강력한 사이버 보안 전문 기준선(22.54%)과 가장 강력한 비근거 프론티어 기준선(34.77%)을 초과했다. 동일한 증거 파이프라인이 주어졌을 때, 그라운딩된 Gemini가 38.22%로 가장 강력한 구성으로 남았다. 이러한 결과는 증거 기반 오케스트레이션이 악성코드 detonation 보고서 해석을 지원하기 위한 협력적 SLM의 성능을 실질적으로 향상시킬 수 있음을 보여 준다.
설계 규칙 검사(DRC) 클로저는 첨단 노드 물리 설계에서 여전히 주요 병목이다. 상세 라우터가 규칙을 인식하더라도, 잔존 설계 규칙 위반(DRV)은 종종 수동 공정 변경 주문(ECO) 반복을 필요로 한다. 이 과정의 자동화는 어려운 이유는, 수정이 복잡한 기하학적 상호작용을 고려해야 하고, 회로 연결성을 유지해야 하며, 새로운 위반을 도입하지 않아야 하기 때문이다. 우리는 블록 수준 DRC 수정을 위한 스킬 진화 프레임워크인 EvoDRC를 제안한다. EvoDRC는 관련 없는 참조 설계에서 증류된 지식을 사용하여 층별 수정 스킬을 초기화하고, 대상 설계에서 수집된 추적 가능한 수정 경험을 사용하여 이러한 스킬을 지속적으로 진화시킨다. EvoDRC는 레이아웃을 경계가 있는 수정 영역으로 분해하고 각 영역에 LLM 수정 에이전트를 할당한다. 로컬 DRC 분석, 연결성 검사, 영향 미리보기 도구가 제안된 수정에 대한 피드백을 제공한다. 수정 작업과 그에 따른 DRV 변화는 지식 데이터베이스에 저장되고 수정 스킬 진화에 사용된다. DAC26 DRC 벤치마크의 7개 블록 수준 설계에 대한 실험에서 EvoDRC는 보고된 기준선 대비 전체 73.5% 감소를 달성함을 보여준다.
화주들은 운송사 선택을 대규모 언어 모델(LLM) 에이전트에 위임하기 시작하고 있다. 우리는 이러한 위임이 화물 매칭 시장에 어떤 영향을 미치는지, 그리고 어떤 플랫폼 설계 선택이 그 영향을 억제할 수 있는지 묻는다. 우리는 OpenAI(GPT), Anthropic(Claude), Google(Gemini)의 상용 LLM을 기반으로 구축된 50개의 화주 에이전트가 30일간 트럭 적재(truckload) 용량을 조달하는 에이전트 기반 시뮬레이션을 수행했다. 시장은 디지털 화물 매칭의 규칙을 구현한다: 각 화물은 화주의 운송사 순위 목록을 따라 순차적으로 제안된다(waterfall tendering), 운송사는 일일 용량 한도를 가지며, 현물(spot) 가격은 혼잡에 반응하고, 운송사 평점은 거래와 함께 누적된다. 우리는 세 가지 위험과 하나의 효과적인 해결책을 발견했다. 에이전트들은 즉시 수렴했다: 고정된 샘플링된 운송사 집단에서, 동일한 운송사가 첫날 모든 모델의 최빈 1순위 선택이 되어 최대 76%의 요청을 끌어들였다. 각 에이전트가 자신에게 무작위로 제시된 후보 목록에서 선택하기 때문에, 플랫폼은 각 화주가 보는 선택지 수를 통제한다; 목록이 약 10개 운송사를 넘으면 집중도가 급격히 상승했으며, 그 시작 시점은 모델마다 달랐다. 어떤 운송사가 지배적이 되었는지는 샘플링된 시장마다 크게 달랐으며, 추정 평점 대신 실제 품질을 표시하는 것은 집중 수준도 이러한 변동성도 바꾸지 못했다(설계상 품질은 에이전트가 보는 것에만 영향을 미치며, 배송 결과에는 영향을 주지 않는다). 이러한 위험에 대응하여, 각 운송사의 잔여 일일 용량을 공개하는 것은 집중도를 3분의 1 줄이고 화주 잉여를 두 배로 늘렸으며, 벤더 다각화, 목록 순서 무작위화, 인기도 표시는 명확히 탐지 가능한 효과를 보이지 않았다. 플랫폼 정보 설계가 모델 선택이나 모델 규제보다 앞서, 효과가 있는 지렛대이다.
대규모 추론 모델(LRM)은 중복된 검증 단계로 인해 과도한 사고(overthinking) 문제가 자주 발생한다. 과도한 사고를 완화하기 위한 기존 접근법들, 예를 들어 빠른-느린 사고 전환(fast-slow thinking switching)과 추론 궤적 압축(reasoning trajectory compression)은 LRM의 추론 과정 내 유익한 단계와 중복 단계를 세밀하게 구분하지 못하며, 따라서 효율성을 추구하는 과정에서 추론 능력을 저하시킬 수 있다. 추론 효율성과 능력을 동시에 향상시키기 위해, 우리는 중복 검증을 줄이고 새로운 추론 경로의 탐험을 장려하는 프레임워크 EvoThink를 제안한다. EvoThink는 두 가지 핵심 구성 요소로 이루어진다: 반복적으로 중복 추론 단계를 가지치기하고 간결한 궤적에 대해 자기 학습(self-trains)하는 비지도 방법인 자기 가지치기 학습(Self-Pruning Training, SPT); 그리고 유전 알고리즘(genetic algorithms)에서 영감을 받아 가치 있는 실패 추론 시도를 식별하고, 잘못에서 올바름으로의(from-wrong-to-right) 아하 모멘트(aha-moment) 데이터를 합성하며, 모델이 이 추론 패턴을 내재화하도록 최적화하는 아하 모멘트 선호 최적화(Aha-Moment Preference Optimization, AMPO). 수학적 추론 및 코드 생성 벤치마크에 걸친 광범위한 평가 결과, EvoThink는 추론 시 토큰 사용량을 상당히 줄일 뿐만 아니라 LRM의 추론 능력도 향상시킴을 보여준다.
대규모 금속-유기 골격(metal-organic framework, MOF) 데이터베이스는 결정학 정보 파일(crystallographic information file, CIF)을 통해 시뮬레이션, 스크리닝, 머신러닝을 지원한다. 이러한 입력의 미묘한 화학적·구조적 오류는 하류 결과를 손상시키고 수동 검사를 방해할 수 있다. 계산 화학에서의 대규모 언어 모델(LLM) 발전은 예측적 스크리닝을 넘어 증거 기반 설명이 동반된 세분화 진단으로 나아갈 수 있는 경로를 제공한다. 그러나 두 가지 과제가 남아 있다: (i) 제한된 세분화 귀속—MOF 특화 검증기와 머신러닝 모델은 탐지를 확장하지만, 증거 기반 설명보다는 고정된 검사, 준비도 점수, 또는 거친 라벨만을 제공한다; (ii) 신뢰할 수 없는 CIF 추론—화학적 증거가 원자 위치 기록 전반에 암묵적으로 분산되어 있고 기하, 연결성, 점유, 전하 계산이 필요하기 때문에 LLM을 직접 감사에 사용하는 것은 비용이 크고 신뢰할 수 없다. 두 문제 모두 화학적 증거와 언어 모델 설명 사이의 약한 결합에서 비롯된다. 우리는 MOF-Sleuth를 제안한다. 이는 강화학습 기반 CIF 감사 에이전트로, 결정론적 Forensic Lab과 Sleuth 추론 엔진이라는 두 모듈로 구성된다. Lab은 조성, 기하, 연결성, 점유, 배위, 전하 증거를 도출하고, Sleuth는 이 증거를 사용해 증거 기반 설명, 오류 유형, 이진 판정을 생성한다. 보상 기반 강화학습(RL)은 도구 측정값을 화학적 설명 수준의 지도 신호로 전환하여, 최종 답뿐 아니라 인용된 화학적 증거와 증거가 뒷받침하는 진단에도 보상을 부여한다. 또한 Chemically Grounded Diagnosis(Chem-GD)를 도입한다. 이는 올바른 진단이 사실적이고 관련 있는 CIF 유래 증거로 설명되는지 평가하는 지표이다. 네 개의 벤치마크에서 MOF-Sleuth는 LLM 기반 접근법과 MOF 특화 머신러닝 방법 가운데 최첨단 성능을 달성하며, 탐지, 귀속, 그라운딩된 설명 품질에서의 향상을 보여준다.
대규모 언어 모델(LLM)은 숨겨진 트리거가 악성 출력을 유발하는 백도어 공격에 취약하다. 기존 방어 기법은 일반적으로 추론 시점 탐지 또는 학습 시점 완화에 해당하지만, 두 가지 핵심 한계에 직면한다. 첫째, 이들은 미세조정 기반 백도어(예: PEFT 모듈)에 초점을 맞추며, 학습 파이프라인을 우회하는 교활한 모델 편집 공격을 다루지 못한다. 둘째, 이들은 단순한 분류 설정을 대상으로 하며 개방형 LLM 생성으로 자연스럽게 확장되지 않고, LLM의 개방형 생성 특성에도 자연스럽게 확장되지 않는다. 결과적으로, 이러한 방법들은 표면적 행동 패턴에 집중하는 반면 악성 활성화의 더 깊은 표현적 원인은 간과한다. 이러한 메커니즘적 이해의 부재는 방어 기법이 경험적 휴리스틱에 의존하게 만들어, 견고성, 일반성, 실제 LLM 배포에서의 실용적 적용 가능성을 제한한다. 이 격차를 메우기 위해, 우리는 표현 분석을 활용하여 통합 파이프라인에서 백도어를 식별하고 무력화하는 DeCNIP(Defense with Critical Neuron Isolation Pruning)를 제안한다. 구체적으로, DeCNIP는 후보 토큰이 포함된 유해 프롬프트와 정상 입력 사이의 교차 엔트로피 손실을 최적화하여 트리거 유사 행동을 식별한다. 이 표현적 발견은 트리거가 모델 가중치를 탈취하는 메커니즘을 밝혀 잠재적 위협을 드러낸다. 그다음 백도어 핵심 뉴런(BCN, Backdoor Critical Neurons)을 격리하고 선택적으로 가지치기하여 악성 영향을 제거하면서 모델 유용성을 유지한다. 6개의 오픈소스 LLM과 2개의 벤치마크 데이터셋에 대한 광범위한 평가는 DeCNIP가 단 0.1%의 뉴런 개입만으로 7개의 최신 방어 기법을 능가하며 공격 성공률(ASR, Attack Success Rate)에서 95% 이상의 상대적 감소를 달성함을 보여준다. 또한 정상 벤치마크에서 모델 성능의 97%를 유지하여 그 효과, 견고성, 확장성을 입증한다.
자율 에이전트가 빠르게 발전함에 따라, 어디에나 존재하는 디지털 문서를 신뢰성 있게 조작하는 능력은 범용 AI 어시스턴트를 가능하게 하고 복잡한 워크스페이스 워크플로를 자동화하는 데 핵심적이 되었다. 본 논문에서는 DocOps를 소개한다. DocOps는 실제 업무 관행에서 영감을 받은 문서 작업을 원자적 차원과 점진적으로 증가하는 워크플로 복잡도로 분해하는 계층적 분류 체계를 바탕으로 하며, 결정론적으로 검증 가능한 평가 프레임워크이다. DocOps를 기반으로 다양한 에이전트 하네스(agentic harness)에 걸친 대표적인 폐쇄형 및 오픈소스 모델을 체계적으로 평가한 결과, 가장 진보된 프론티어 구성에서조차 고도로 결합된 장거리 작업을 처리할 때 심각한 한계를 보인다는 것이 드러났다. 또한 기존 에이전트의 조작 행동에 대한 세밀한 분석을 통해 세 가지 핵심 실패 모드를 밝혀냈다: 장기 상태 추적 붕괴, 피상적인 의미적 검증, 그리고 구조적 메타데이터의 파괴적 편집. 궁극적으로 본 연구는 전역 문서 일관성을 유지하는 데 있어 에이전트의 능력 한계를 드러내며, 복잡한 디지털 생태계를 위한 견고하고 비파괴적인(non-destructive) 에이전트의 미래 설계에 시사점을 제공한다.
대규모 언어 모델(LLM)은 실제 버그에 대한 자동 프로그램 수정(APR)을 점점 더 실용적으로 만들었지만, 버그 리포트만으로 직접 수정하는 것은 여전히 제약이 부족한 상태로 남아 있다. 버그 재현 테스트(BRT)는 버그 리포트를 실행 가능하고 버그에 특화된 신호로 변환하여 수정을 안내하고 후보 패치를 검증할 수 있게 함으로써 이 격차를 메우는 데 도움이 된다. 기존 연구는 따라서 APR의 핵심 하위 문제로서 BRT 생성을 연구해 왔으며, 생성된 BRT를 주로 fail-to-pass(F->P) 기준으로 평가하는데, 이는 테스트가 버그가 있는 코드에서는 실패하고 정답 수정(golden fix)에서는 통과해야 함을 요구한다. 우리는 BRT의 목표가 하류 수정을 개선하는 것일 때 F->P만으로는 불충분함을 보인다. 특히 일부 F->P BRT는 느슨한(lax) 것으로, 관찰된 증상은 재현하지만 그럴듯하지만 잘못된 패치를 여전히 허용한다. 우리는 F->P BRT를 엄격한(rigorous) 것과 느슨한 것으로 구분하여 이 누락된 품질 차원을 형식화하고, 경험적으로 엄격한 BRT만이 일관되게 수정 성공을 개선함을 보인다. 또한 공동 생성(co-generation)이 테스트-수정 오류 결합(test-fix error coupling)을 도입함을 발견하는데, 여기서 궤적 내(in-trajectory) fail-to-pass(F->P) 검사는 생성된 패치와 생성된 테스트가 모두 틀렸을 때에도 통과할 수 있다. 이러한 발견을 바탕으로, 우리는 Lax 신호를 루프 내 수렴 기준으로 사용하는 공동 생성 프레임워크인 CoHarden을 제안한다. CoHarden은 먼저 어떤 수정도 하기 전에 테스트를 생성한 다음, 생성된 테스트가 더 이상 Lax 회귀를 허용하지 않을 때까지 생존하는 돌연변이(mutation) 패치에 대해 테스트와 수정을 반복적으로 강화한다. 실험 결과 CoHarden은 SWE-bench Verified에서 69.4% Resolved와 78.9% F->P를 달성하여, 각각 Resolved에서 가장 강력한 fix-only 및 공동 생성(cogeneration) 기준선보다 +9.6 및 +7.9 퍼센트포인트 더 우수한 성능을 보였으며, 다양한 LLM 백본과 벤치마크에서 일관된 향상을 보였다.
대규모 언어 모델(LLM) 선호 정렬은 다양한 사용자 지시에 걸쳐 모델을 인간 선호에 맞게 최적화하는 것을 목표로 한다. 강화학습(RL)은 이 목표를 위한 주요 사후 학습 접근법이 되었지만, 기존 프록시 보상은 종종 결과 수준(outcome-level)으로, 주로 최종 응답을 평가하면서 추론 궤적(reasoning trajectory)에 대한 제한적인 지침만 제공한다. 이로 인해 여러 응답이 유사한 최종 점수를 받을 때 크레딧 할당(credit assignment)이 거칠어질 수 있으며, 궤적 수준의 선호가 불충분하게 명시된다. 이 한계를 해결하기 위해, 우리는 RL 기반 선호 정렬을 위한 과정 지향적(process-oriented) 보상인 Thinking Checklist Reward(TCR)를 제안한다. TCR은 선호 쌍을 샘플별 사고 체크리스트로 변환하고, 이를 사용하여 생성된 추론 trace가 선호가 함의하는 고려사항을 다루는지 평가한다. 결과 수준 감독과의 중복을 줄이기 위해, TCR은 결과 보상에서 예측 가능한 것을 넘어서는 상보적인 사고 잉여(thinking surplus)를 분리하기 위해 지수 이동 평균(EMA) 잔차(residual) 공식화를 추가로 도입한다. 세 가지 모델 계열의 다섯 모델에 대한 실험은 TCR이 다양한 벤치마크에서 정렬 성능을 일관되게 향상시킴을 보여주며, ablation은 EMA 기반 잔차 공식화와 샘플별 체크리스트 감독의 중요성을 추가로 검증한다.
풍부하고 식별 가능한 부품 라이브러리는 인쇄 회로 기판(PCB) 설계 및 생성의 초석이다. 전통적으로 엔지니어들은 심볼과 풋프린트를 수동으로 생성하고 PCB 회로도를 설계하는데, 이는 시간이 많이 소요되고 오류가 발생하기 쉽다. 다중모달 대규모 언어 모델(MLLM)을 활용하여, 우리는 전자 부품의 심볼 및 풋프린트에 대한 에이전트 기반 인식 및 생성 플로우인 SFgen을 개발한다. SFgen은 심볼 생성에서 86%의 정확도, 풋프린트 생성에서 80%의 정확도를 달성한다. 우리는 SFgen 방법을 사용하여 심볼과 풋프린트 데이터베이스인 SFnet을 구축한다. SFnet은 현재 1000개의 부품을 포함하고 있으며 지속적으로 확장 중이며, 이는 PCB 설계의 자동 생성을 위한 기반을 마련한다.
사이버 위협 인텔리전스(Cyber Threat Intelligence, CTI) 보고서는 실제 공격 과정을 풍부하게 기술하지만, 비구조화된 서술은 자동화된 공격 경로 추론에 바로 활용할 수 없다. 기존 CTI 추출 방법은 지표, 엔티티, TTP 라벨에 초점을 맞추며 각 공격 단계의 실행 조건과 결과 상태를 모델링하지 않기 때문에, 추출된 지식은 상태 매칭이나 다단계 공격 체인에 걸친 도달 가능성(reachability) 분석을 지원하지 못한다. 본 논문은 각 공격 단계를 사전조건, 공격 행위, 사후조건으로 구성된 공격 단위로 모델링하여 도달 가능한 공격 체인을 추출하는 자동화 프레임워크를 제안한다. 대규모 언어 모델(LLM)이 보조하는 다단계 파이프라인은 공격 행위 골격을 추출하고, 이들의 사전조건과 사후조건을 복원하며, 이를 사전 정의된 술어(predicate)로 정규화하고, 끊어진 의존성을 복구한다. 그 결과 생성된 단위는 공격 목표 도달 가능성 추론을 위해 Datalog 스타일 규칙으로 컴파일된다. 334개의 사람 검증 주석 단계를 포함한 20개 CTI 보고서 데이터셋에서, 본 프레임워크는 대표적인 CTI 추출 시스템보다 공격 행위 복원에서 더 높은 주석 단계 커버리지를 달성한다. 또한 사전조건과 사후조건을 명시적으로 생성함으로써, end-to-end LLM 베이스라인이 생성한 것보다 더 완전하고 일관된 공격 단위를 산출한다. 추출된 체인에 대해 Datalog 추론은 20개 보고서 중 19개에서 지정된 공격 목표에 도달하며, 역방향 탐색은 생성된 규칙 하에서 34개의 공격 경로를 산출한다. 소스 코드와 실험 산출물은 익명화된 저장소에서 제공된다.