PyTorchKR Papers

최신 논문

총 11,108편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.09521v1cs.AI

SAGEAgent: 다중모달 생존 예측에서 비용 인식 모달리티 획득을 위한 자기진화형 에이전트

SAGEAgent: A Self-Evolving Agent for Cost-Aware Modality Acquisition in Multimodal Survival Prediction

정확한 생존 예측을 위해 모든 암 환자에게 완전한 진단 검사가 반드시 필요한가? 다중모달 임상 종양학에서 진단 모달리티는 임상적으로 규정된 부담 증가 순서를 따른다 -- 초기 접수 시 수집되는 인구통계학적 정보부터 전문적인 조직 분석을 요하는 유전체 프로파일링까지. 현재의 다중모달 생존 예측 방법들은 모든 모달리티가 가용하다고 가정하거나 누락 데이터를 수동적으로 처리하지만, 이 순서화된 워크플로우에서 특정 환자에게 다음 모달리티 획득이 정당한지 능동적으로 추론하는 방법은 존재하지 않는다. 우리는 이를 순차적 의사결정 문제로 정식화하고, 예측 정확도와 임상적 침습성 간의 균형을 맞추며 각 환자에 대해 획득할 진단 모달리티를 결정하는 자기진화형 대규모 언어 모델(LLM) 기반 임상 에이전트인 SAGEAgent(Sequential Acquisition Guided by Experience)를 제안한다. SAGEAgent는 수치 예측을 텍스트로 변환하는 임상 도구, 유사한 과거 사례를 검색하는 에피소딕 메모리(episodic memory), 그리고 경험으로부터 재사용 가능한 의사결정 패턴을 축적하는 시맨틱 메모리(semantic memory)를 통해 각 환자의 변화하는 진단 상태를 추론한다. TCGA-LGG, TCGA-GBM, BraTS를 결합한 신경교종 코호트에서 4가지 진단 모달리티를 활용한 실험을 통해, SAGEAgent가 평균 획득 부담을 55% 줄이면서 경쟁력 있는 생존 예측 정확도를 달성함을 입증한다.

arXiv:2607.09510v1cs.SE

과정으로서의 실패: CLI 코딩 에이전트 궤적 해부

Failure as a Process: An Anatomy of CLI Coding Agent Trajectories

대규모 언어 모델(LLM) 코딩 에이전트는 터미널 기반 환경에서 소프트웨어 엔지니어링 작업을 자율적으로 수행하기 위해 점점 더 광범위하게 배포되고 있으며, 이에 따라 신뢰성에 대한 우려도 커지고 있다. 기존 실증 연구들은 코딩 에이전트가 실패하는 이유를 조사하지만, 대부분 실패를 시간적 과정이 아닌 최종 결과로 다루어 실패가 어떻게 발생하고, 전개되며, 회복 불가능한 상태에 이르는지에 대한 통찰이 제한적이다. 우리는 CLI 코딩 에이전트 실패 궤적에 관한 최초의 대규모 실증 연구를 제시하며, 실행 궤적 전반에 걸쳐 실패의 발생, 전개, 회복을 분석하는 과정 지향적 프레임워크를 도입한다. 먼저 Terminal-Bench에서 세 가지 코딩 에이전트 스캐폴드(OpenHands, MiniSWE, Terminus2)에 걸쳐 일곱 개의 프론티어 모델이 생성한 3,843개의 실행 궤적을 수집한 후, 이를 신중하게 필터링하여 수작업 주석을 위한 1,794개의 완전하고 유효한 궤적(63,000개 이상의 실행 단계)을 확보하였으며, 이로부터 실패 발생, 근본 원인, 회복, 시스템 간 일관성에 걸친 14가지 발견을 도출하였다. 우리의 발견에 따르면 코딩 에이전트의 실패는 주로 인식론적 오류에 의해 유발되고, 일반적으로 처음 몇 번의 실행 단계 내에 시작되며, 회복이 더 이상 불가능해질 때까지 은폐된 채로 남아 있는 경우가 많다. 이는 코딩 에이전트의 신뢰성 향상이 최종 결과 평가에만 의존하기보다 더 이른 검증과 개입을 필요로 함을 시사한다.

arXiv:2607.09493v1cs.AI

에이전틱 LLM 시스템을 위한 공유 선택적 영속 메모리

Shared Selective Persistent Memory for Agentic LLM Systems

멀티턴 도구 사용을 통해 코드를 생성하는 에이전틱 대규모 언어 모델(LLM) 시스템은 근본적인 컨텍스트 문제에 직면한다. 각 세션은 처음부터 시작되어, 이전 세션을 생산적으로 만들었던 설정 선택, 도메인 제약, 데이터 스키마, 도구 사용 패턴이 폐기된다. 전체 대화 이력을 무분별하게 유지하는 방식은 토큰 비효율적이며 역효과를 낳는다. 관련 없는 컨텍스트는 생성 품질을 저하시키기 때문이다. 우리는 공유 선택적 영속 메모리(shared selective persistent memory)를 소개한다. 이는 재사용 가능한 컨텍스트의 네 가지 범주(태스크 명세, 데이터 스키마, 도구 설정, 출력 제약)를 식별하고 유지하면서 세션별 추론 흔적은 폐기하는 아키텍처다. 핵심적으로, 이 메모리는 공유된다. 선택적 메모리를 캡슐화한 워크스페이스는 역할 기반 접근 제어를 통해 사용자 간에 전달될 수 있어, 중복 명세 없이 협업적 재사용이 가능하다. 우리는 이를 LLM 에이전트가 이종 소스(CSV, SQL, REST API, MCP 서버)로부터 git 버전 관리 아티팩트(대시보드, 보고서, 데이터 기반 문서)를 생성·편집·유지하는 배포된 협업 워크스페이스 플랫폼에 구현했다. 보완적인 제로-토큰 데이터 갱신 메커니즘은 생성된 프로그램을 런타임 데이터로부터 분리하여, LLM 재호출 없이 아티팩트 재사용을 가능하게 한다. 세 가지 엔터프라이즈 시나리오에서, 공유 선택적 영속 메모리는 96%의 태스크 완료율을 달성했다(메모리 없이 79%, 전체 이력 사용 시 71%에 비해). 제로-토큰 갱신은 반복 업데이트에서 LLM 재호출을 제거하여(태스크 시간 14배 단축), 요약 기반 생성은 원시 데이터 주입 대비 호출당 토큰 비용을 97배 절감한다. 네 개의 공개 데이터셋에 대한 재현 실험이 일반화 가능성을 확인하며, 제로-토큰 갱신은 12/12 시험에서 성공했다. 특히, 단순한 전체 이력 유지는 에이전트를 오래된 흔적으로 편향시켜 완료율을 오히려 저하시키는 반면, 선택적 메모리는 양 극단을 모두 능가한다.

arXiv:2607.09492v1cs.AI

강화학습에서의 멀티모달 보상 해킹

Multimodal Reward Hacking in Reinforcement Learning

강화학습(RL)은 멀티모달 대규모 언어 모델(MLLM)을 정렬하는 데 점점 더 많이 활용되고 있지만, 높은 보상이 항상 더 나은 태스크 성능을 의미하지는 않는다. 시각적 증거가 텍스트 전용 또는 약하게 그라운딩된 보상으로 평가될 때 이 위험은 증폭된다. 우리는 안전성 VQA, 차트 VQA, 스트레스 테스트 환경에서 MLLM 강화학습의 보상 해킹을 연구하며, 보상 설계, 데이터 모호성, 모델 규모(2B~32B), RL 알고리즘(GRPO, RLOO, DAPO)을 변화시켜 실험한다. 우리는 프록시 보상이 SFT 기준선 대비 향상된 샘플 중 실패 사례를 측정하는 새롭게 보상된 실패율(NRFR, Newly Rewarded Failure Rate)을 도입한다. 결과만을 활용한 보상(outcome-only rewards)은 보상 해킹률(RHR, Reward Hacking Rate) 48.1%에 달하는 심각한 해킹을 유발하며, NRFR이 RHR을 초과하는 현상은 RL이 기존 실패를 단순히 계승하는 것이 아니라 새로운 실패를 생성함을 보여준다. 스케일링은 해킹을 줄이지만 완전히 제거하지는 못한다: 32B 모델조차 결과만을 활용한 보상 하에서 54.9% 더 나쁜 비율을 유지하는 반면, 답변 인식 보상(answer-aware rewards)은 모든 규모에서 오라클 추세를 개선한다. 강건성 또한 알고리즘 및 규모에 의존적이다: GRPO는 일관되게 가장 강한 저항성을 보이고, RLOO는 취약한 상태를 유지하며, DAPO는 2B에서 8B로 확장 시 상당히 개선된다. 시각적 증거 보상(visual-evidence rewards)은 신뢰할 수 있는 검증이 있을 때만 도움이 된다: 키워드 기반 검사는 해킹을 증가시키는 반면, VLM-as-judge 의미론적 검증은 이를 감소시킨다. 전반적으로 멀티모달 보상 해킹은 불완전한 보상을 최적화한 체계적인 결과이며, 강건한 정렬(alignment)을 위해서는 최적화 압력 하에서도 신뢰성을 유지하는 보상과 검증기가 필요하다.

arXiv:2607.09474v1cs.AI

ProofCouncil: 열린 수학 문제를 해결하는 LLM 에이전트

ProofCouncil: An LLM Agent for Solving Open Mathematical Problems

대규모 언어 모델(LLM)은 수학의 열린 문제를 해결하는 데 있어 점점 더 높은 가능성을 보여주고 있다. 그러나 실제 수학적 실천에 맞게 설계된 에이전트 워크플로를 통해 성능을 더욱 향상시킬 수 있다. 이를 위해 우리는 저자-비평가(author-critic) 아키텍처를 사용하여 열린 문제를 해결하도록 설계된 수학 에이전트인 ProofCouncil을 소개한다. ProofCouncil은 에이전트가 10개의 실제 수학 문제를 자율적으로 풀어야 하는 챌린지인 FirstProof의 두 번째 배치에 제출물로 참가하였다. 10개 문제 중 6개에 대한 제출물이 심사위원으로부터 최소한의 수정만으로 올바른 것으로 판정받아, 참가 팀 중 최고 성능을 기록하였다. 또한 수학 연구자들로부터 수집한 30개의 열린 문제에 대해서도 ProofCouncil을 평가하였다. 인간 피드백을 받은 21개의 풀이 중 5개는 완전히 정확한 것으로 판정받았고, 2개는 최종 검증 후 유망한 것으로 판정받았으며, 추가로 8개는 유용한 부분적 진전을 담고 있었다. 이 단편 논문에서는 ProofCouncil의 개발 과정과 이를 만드는 데 사용된 에이전트 구축 라이브러리를 설명하며, 이를 커뮤니티에 오픈 소스로 공개한다.

arXiv:2607.09452v1cs.SE

앵커 기반 검색과 LLM 추론을 활용한 바이너리 함수로부터의 실용적인 소스 코드 복원

Practical Source Code Recovery from Binary Functions Using Anchor-Based Retrieval and LLM Reasoning

우리는 역공학(reverse engineering), 앵커 기반 소스 코드 검색, 대규모 언어 모델(LLM) 추론을 결합하여 스트립된 바이너리 함수에서 소스 코드를 복원하는 실용적인 파이프라인을 제시한다. 우리의 바이너리-소스 코드 검색 방법은 근사적인 디컴파일 의사코드를 생성하는 대신, 소스 코드 데이터베이스에서 소스 함수를 식별하는 것을 목표로 한다. 이 방법은 Ghidra를 사용하여 문자열, 상수, 외부 호출, 사용 가능한 함수명 등의 앵커를 추출하고, 역색인(inverted-index) 검색 데이터베이스를 통해 후보 파일을 검색하며, 후보를 가능성 있는 함수 스니펫으로 좁힌 뒤, 역어셈블리, 디컴파일 코드, 소스 메타데이터를 기반으로 LLM을 통해 재순위화한다. 신뢰도 높은 매칭 결과는 이후 패스에서 앵커로도 활용될 수 있다. 스트립되고 최적화된 tcpdump 바이너리에 대해 고충실도 소스 코드 데이터베이스를 기반으로 수행한 평가에서, 제안한 바이너리-소스 매칭 방법은 어셈블리 명령어 커버리지 95.2%를 달성한다. GitHub 기반 검색 데이터베이스를 활용한 실험에서는 주로 검색 누락(retrieval misses)으로 인해 평균 35.5%의 명령어 커버리지를 보이며 낮은 성능을 나타냈다. 이러한 결과는 소스 수준의 바이너리 복원이 고품질 데이터베이스 환경에서 탁월한 성능을 발휘하며, 노이즈가 많은 환경에서도 유용한 도구로 활용될 수 있음을 보여준다.

arXiv:2607.09403v1cs.AI

허구적 세계관 구축: 계층적 컨텍스트 압축과 반복적 검토를 통한 멀티 에이전트 LLM 협업

Fictional Worldbuilding: Multi-Agent LLM Collaboration with Hierarchical Context Compression and Iterative Review

세계관 구축(Worldbuilding), 즉 일관된 허구 세계를 창조하는 작업은 게임 디자인과 문학 창작의 기반이 되는 과제입니다. 대규모 언어 모델(LLM)은 자동화된 콘텐츠 생성에 새로운 가능성을 제시하지만, 세계관 구축에의 적용은 세 가지 난제에 직면합니다: 구축 과정에 따라 선형적으로 증가하는 컨텍스트 폭발, 창의적 다양성과 콘텐츠 일관성 간의 긴장, 그리고 자동화된 품질 보증의 부재입니다. 본 논문은 이러한 과제들을 다섯 가지 통합 구성 요소를 통해 해결하는 멀티 에이전트 협업 시스템 AutoWorldBuilder를 제안합니다: 충돌 감지 기능을 갖춘 구조화된 개념 네트워크; 의미적 지역성에 따라 작업을 그룹화하는 방향성 비순환 그래프(DAG) 기반 하이브리드 배치 스케줄러; 약 90%의 토큰 감소를 달성하는 4층 컨텍스트 압축 메커니즘; 제안 승인률을 42%에서 85% 이상으로 향상시키는 전문화된 감사(Auditor) 에이전트 기반 반복적 검토 시스템; 그리고 차별화된 온도 설정을 지원하며 코드 없는 확장이 가능한 기술 기반 에이전트 아키텍처. LLM 백엔드로 GPT-OSS 120B와 DeepSeek v3.2를 사용하여 20개의 다양한 세계관 구축 과제에 걸쳐 수행된 두 가지 실험에서 95.0%의 성공률을 달성했습니다. 시스템은 18~31분 이내에 세계당 56~103개의 자기 일관적 개념을 충돌 없이 생성했습니다. 층별 예산 압축(layer-as-budget compression), 의미적 지역성 스케줄링(semantic-locality scheduling), 생성과 검토의 분리를 포함하여 본 연구에서 검증된 아키텍처 패턴들은 지식 집약적인 멀티 에이전트 LLM 응용 프로그램의 더 넓은 범주에 적용될 수 있습니다.

arXiv:2607.09385v1cs.DC

STEEL: AMD XDNA NPU에서 에너지 효율적인 긴 시퀀스 추론을 위한 희소성 인식 융합 어텐션

STEEL: Sparsity-Aware Fused Attention for Energy-Efficient Long-Sequence Inference on AMD's XDNA NPU

운영체제 워크플로우 내에서 대규모 언어 모델 기반 에이전트의 도입이 증가함에 따라, 노트북급 시스템온칩(SoC)에서의 에너지 효율적인 추론의 중요성이 높아지고 있다. 클라우드 오프로딩이 여전히 일반적이지만, 이는 에이전트 워크로드에 특히 문제가 되는 신뢰성 및 개인정보 보호 문제를 야기한다. 따라서 최근 노트북 SoC는 에너지 효율에 최적화된 신경처리엔진(NPU)을 내장하고 있으나, 아키텍처의 다양성과 명시적 데이터 이동 프로그래밍 모델로 인해 NPU에 어텐션 메커니즘을 효과적으로 매핑하는 것은 여전히 어려운 과제이다. 본 연구에서는 XDNA 계열 NPU를 대상으로 하는 FlashAttention의 최초 오픈소스 구현체인 STEEL을 제안한다. STEEL은 프리필(prefill) 어텐션의 데이터플로우 정식화를 도입하여 공간적 병렬성과 온칩 메모리의 효율적인 활용을 가능하게 한다. 또한 STEEL은 희소성 인식 파이프라인 배치를 NPU 어레이에 적용함으로써 인과적 마스크(causal mask)로 인한 부하 불균형 문제를 해결하여 동기화 오버헤드를 줄이고 활용률을 향상시킨다. AMD Ryzen AI 9 HX 370 SoC에서 STEEL을 평가하고 최적화된 CPU 및 GPU 구현체와 성능을 비교한 결과, STEEL은 CPU 및 GPU 기준 대비 평균 각각 9.17배, 1.75배의 에너지 소비 절감을 달성하였다. XDNA 1에서 STEEL은 기존 최고 수준 대비 평균 9.6배의 지연 시간 감소를 달성하였으며, XDNA 2에서는 층별 어텐션 구현 대비 평균 22.8배의 속도 향상을 제공한다.

arXiv:2607.09366v1cs.SE

검증을 위한 다양화: 태스크 동치 프로그램이 검증 가능성에서 차이를 보이는 경우

Diversifying to Verify: When Task-Equivalent Programs Differ in Verifiability

프로그램 검증은 소프트웨어 정확성을 위해 매우 중요하지만, 완전히 검증된 프로그램을 실제로 생성하는 것은 여전히 어려운 과제입니다. 본 논문은 동일한 태스크 수준 의미론(task-level semantics)을 만족하도록 생성된 여러 프로그램에서 구현 구조가 자동화된 검증 가능성에 영향을 미치는지 연구합니다. 우리는 Why3를 위한 단계적 대규모 언어 모델(LLM) 기반 파이프라인인 Diversify2Verify를 제시합니다. 이 파이프라인은 표현 특화 계약(representation-specific contracts)을 추론하고, 다양한 재귀적 및 명령형 배열/리스트 구현을 생성 및 테스트하며, 한정된 검증기 유도 어노테이션 복구(verifier-guided annotation repair)를 통해 검증을 시도합니다. 또한 우리는 정수, 배열, 리스트에 걸친 73개 태스크로 구성된 검증 지향 벤치마크를 구축하여 292개의 구현 변형을 생성하였습니다. Diversify2Verify는 초기에 96개의 아티팩트를 검증하고, 두 차례의 복구 과정을 거친 후 154개를 검증함으로써 아티팩트 수준의 검증률을 32.9%에서 52.7%로 향상시킵니다. 태스크 수준에서는 73개 태스크 중 49개에서 최소 하나의 변형이 검증되어 67.1%의 성공률을 기록합니다. 이러한 결과는 태스크 동치 구현들이 검증 가능성에서 실질적인 차이를 보일 수 있으며, 구현 다양성이 검증 친화적인 아티팩트를 찾는 데 도움이 됨을 보여줍니다.

arXiv:2607.09330v1cs.AI

컴퓨팅 파워 네트워크 상의 이기종 LLM 체화 에이전트를 위한 통신 효율적 디지털 트윈 조율

Communication-Efficient Digital-Twin Coordination for Heterogeneous LLM Embodied Agents over Computing Power Networks

이기종 대규모 언어 모델(LLM)로 구동되는 체화 에이전트 팀이 스마트 공장, 물류 창고, 서비스 로봇 등 물리적 인공지능 분야에 광범위하게 배포되고 있다. 이러한 에이전트 팀 간의 협업을 가능하게 하기 위해서는 제한된 네트워크 자원 하에서 안정적으로 동작하는 효율적인 조율 메커니즘이 필요하다. 그러나 다중 라운드 자연어 기반 대화에 의존하는 기존의 이기종 LLM 에이전트 조율 프레임워크는 세 가지 상호 연결된 과제를 야기한다. 첫째, 에이전트 간 대화는 팀 규모에 따라 빠르게 증가하는 통신 오버헤드를 발생시킨다. 둘째, 조율 품질이 에이전트 팀 LLM들의 이기종 능력에 의해 제약된다. 셋째, 에이전트들은 반복적인 협상으로 인해 행동 지연을 겪을 수 있다. 이러한 과제들을 해결하기 위해, 우리는 경량 디지털 트윈(DT)을 기반으로 구축된 네트워크 조율 프레임워크인 LDT-Coord를 제안한다. 구체적으로, 각 에이전트는 독립적으로 의도된 행동을 선택하고, 행동 결정과 공유 자원에 대한 구조화된 시간적 제약 조건을 DT 서버에 보고함으로써 조율 성능을 자연어 추론 능력으로부터 분리한다. 이후 DT는 학습 불필요한 규칙 기반 오케스트레이터 알고리즘을 실행하여 에이전트 간 충돌을 해소하고 충돌 방지를 위한 조율 지시를 반환한다. 통신 오버헤드를 추가로 줄이기 위해, 에이전트 보고 제어를 제약된 부분 관측 마르코프 결정 과정(C-POMDP)으로 공식화하고 PPO-Lagrangian 알고리즘으로 풀이한다. 시뮬레이션 결과, LDT-Coord는 통신 오버헤드를 70배 이상 절감하고 LLM 이기종성 하에서도 강건성을 유지하면서 기존 조율 방법에 비견되는 태스크 성공률을 달성함을 보인다.

arXiv:2607.09322v1cs.AI

LongMedBench: 장기 임상 의사결정을 위한 의료 에이전트 벤치마킹

LongMedBench: Benchmarking Medical Agents for Long-Horizon Clinical Decision-Making

본 연구에서는 장기 임상 의사결정을 위한 실제 전자건강기록(EHR) 기반 벤치마크인 LongMedBench를 소개한다. 대규모 언어 모델(LLM) 기반 의료 에이전트에 대한 기존 평가는 대부분 단문 맥락 지식 QA와 도구 사용에 집중되어 왔다. 그러나 실제 의료 현장은 본질적으로 종단적이며, 임상의는 반복적인 방문, 검사, 치료 변화 전반에 걸쳐 근거를 종합해야 한다. 따라서 현실적인 평가를 위해서는 장기 상호작용이 필수적이다. LongMedBench는 MIMIC-IV 입원 기록과 임상 노트를 시계열 이벤트 스트림 및 장문 맥락 메모리 데이터셋으로 통합하는 재현 가능한 파이프라인을 통해 구축되었으며, 에이전트와 임상 환경 간의 장기 다중 세션 상호작용을 지원한다. 본 벤치마크는 335명의 환자로 구성되며, 환자당 평균 19.72회의 입원 방문과 방문당 평균 44.91건의 의료 이벤트를 포함한다. 장기 의사결정 프로세스에 기반하여, 사실 기반 QA, 시간적 추론, 장기 의사결정의 세 가지 평가 스위트로 구성된 평가 분류 체계를 제안한다. 이 분류 체계는 에이전트가 확장된 시간적 범위에 걸쳐 환자의 과거 정보를 얼마나 이해하고 활용하는지를 측정한다. 실험 결과, 최근 LLM들은 명시적 타임스탬프를 잘 활용할 수 있는 반면 암묵적 시간 추론에는 어려움을 보이며, 검색-증강 생성(RAG)과 에이전트 메모리 시스템은 정보 검색 태스크의 성능을 향상시키지만 의사결정 태스크의 성능은 모델의 즉각적인 컨텍스트에 크게 의존함을 확인하였다.

arXiv:2607.09262v1cs.CY

지정학적 정렬: 대규모 언어 모델에서의 지지 효과

Geopolitical alignment: Endorsement effects in large language models

대규모 언어 모델(LLM)은 정책 관련 정보를 요약하고 평가하는 데 점점 더 많이 활용되고 있으나, 그 판단이 지정학적 단서에 의해 암묵적으로 형성되는지는 아직 불분명하다. 본 연구는 지지 실험(endorsement experiment)을 통해 이 문제를 탐구한다. 이 실험에서 네 가지 LLM은 동일한 국제 경제 및 안보 정책을 평가하되, 각 정책이 미국, 유럽연합, 중국, 러시아 중 하나의 지지를 받는 것으로 무작위로 기술된다. 수치만 제시하는 조건에서 GPT-5, Claude Sonnet, Gemini는 중국 및 러시아가 지지한 정책을 미국 또는 유럽연합이 지지한 동일한 정책보다 상당히 낮게 평가하였으며, DeepSeek이 주요 예외였다. 두 번째 조건에서는 모델에 점수와 함께 간단한 근거를 제시하도록 요청하였다. 이 요청은 GPT-5와 Claude Sonnet에서 서방/비서방 간 전반적인 격차를 유지시키고, Gemini의 페널티를 완화시키며, DeepSeek에서는 중국 및 러시아에 대한 페널티를 뚜렷하게 활성화시켰다. 제시된 근거를 분석한 결과, 서방의 지지는 종종 신뢰성 단서로 취급되는 반면, 중국과 러시아의 지지는 데이터 보안, 주권, 감시, 또는 지정학적 위험에 대한 단서로 취급되는 것으로 나타났다. 이러한 발견은 정책 내용이 동일하게 유지되더라도 LLM의 정책 평가가 외국 지지자의 정체성에 따라 달라질 수 있음을 보여준다.

arXiv:2607.09259v1cs.CR

통신/IoT 사기 제어 요청을 위한 블록체인 연동 감사 가능 의사결정 관리

Blockchain-Linked Auditable Decision Management for Telecom/IoT Fraud-Control Requests

통신 사기 제어 연구는 탐지기 수준의 분류(classification)에서 멈추는 경우가 많지만, 실제 배포 환경에서는 요청 수준의 정책 결정, 생애주기 추적성, 감사 가능성이 필요하다. 본 논문은 사기 제어 문제를 합성 통신/IoT 사기 제어 요청에 대한 블록체인 연동 감사 가능 의사결정 관리로 재정의하며, 주요 결과는 QLoRA 튜닝된 대규모 언어 모델(LLM) 브랜치가 제로샷(zero-shot) 프롬프팅보다 훨씬 실용적이지만, 저비용 중앙 집중식 앙상블(ensemble)을 능가하기보다는 주로 근접하는 수준에 그친다는 것이다. 이 프레임워크는 각 합성 배포 레코드를 관리 요청으로 매핑하고, 결정론적 하드-사기 게이트를 통해 명시적 경계 초과 사례를 차단하며, 비하드 요청을 중앙 집중식 ML(M1), 연합 메타학습(M2), 또는 LLM 계열 위험 소스(M3)를 사용하여 점수화하고, 공유된 5-상태 정책, 2-구역 정제 메커니즘, 로컬 이더리움 호환 감사 레이어(layer)를 통해 조치를 결정한다. 평가는 별도의 합성 학습(training) 데이터와 100,000건의 레코드로 구성된 배포 재현 코퍼스를 사용하므로, 본 연구는 현장 검증이나 실제 배포 가능성의 증명이 아닌 통제된 드리프트 재현 증거로 해석해야 한다. 검증(validation) 결과, M1이 가장 균형 잡힌 성능을 보이며, 0.10 운영 상한 하에서 정상 요청 FPR 0.0890, 소프트-사기 재현율(recall) 0.8341을 달성한다. 그러나 레이블된 배포 재현에서는 정상-FPR 격차가 크게 벌어져, M1은 0.1646, M3-QLoRA는 0.1801로 상승하며, M3-QLoRA는 M3-Base의 정상 FPR을 0.3915에서 낮추고 소프트-사기 재현율 0.8240에 도달한다. 블록체인 텔레메트리는 생애주기 가스, 비용, 지연 시간, 처리량의 차이가 사기 로직의 변화가 아닌 제출된 오프체인 의사결정 프로파일에 의해 결정됨을 보여준다.

arXiv:2607.09253v1cs.HC

건강을 위한 대규모 언어 모델(LLM): 민감한 건강 주제에 걸친 AI 챗봇의 인지된 이점, 위험, 사용 의도 및 자기 노출 의향

LLMs for health: Perceived benefits, risks, intention to use AI chatbots, and willingness to self-disclose across sensitive health topics

AI 챗봇은 건강 관련 질문에 답변하는 데 점점 더 많이 활용되고 있다. 본 연구는 AI 챗봇과 나누는 주제 유형 및 개인적 특성이 인지된 이점과 위험, AI 챗봇 사용 의도, 건강 정보 자기 노출 의향에 미치는 영향을 조사한다. 우리는 네덜란드 대표 표본(N = 1,388)을 대상으로 2(주제 유형: 신체적 대 심리적, 피험자 간) × 2(주제 민감도: 낮음 대 높음, 피험자 내) 혼합 설계의 온라인 실험을 수행하였다. 분석 결과, 인지된 이점은 사용 의도 및 자기 노출 의향과 정적 상관관계를 보인 반면, 인지된 위험은 부적 상관관계를 나타냈다. 또한 참가자들은 민감도가 높은 주제에 비해 낮은 주제에서 더 높은 사용 의도를 보고하였다. 아울러 인식, 의도, 자기 노출 의향은 개인적 특성에 따라 차이를 보였다. 전반적으로, 본 연구의 결과는 AI 챗봇 사용 의도 및 건강 관련 정보의 자기 노출이 주제 유형보다는 인지된 이점과 위험, 그리고 개인적 특성과 주로 관련됨을 시사한다.

arXiv:2607.09217v1cs.AI

OpenProver: Lean 4를 활용한 에이전틱 대화형 정리 증명 시스템

OpenProver: Agentic and Interactive Theorem Proving with Lean 4

본 시스템 논문에서는 Lean 4 형식 검증이 통합된 대규모 언어 모델(LLM) 기반 자동 정리 증명(ATP)을 위한 오픈소스 시스템인 OpenProver를 소개한다. OpenProver는 Aletheia와 같은 최근의 ATP 에이전틱 시스템에서 영감을 받아 Planner-Worker-Verifier 아키텍처를 통합한다. Planner 에이전트는 간결한 Whiteboard 스크래치패드와 중간 결과물을 무제한 저장하는 Repository를 유지하며, 수학적 작업을 병렬 Worker들로 분해한다. OpenProver는 완전한 오픈소스로, 생성된 증명의 자동 형식 검증을 통해 재현 가능한 평가를 제공하고, 인간이 증명 탐색 과정을 안내할 수 있는 대화형 터미널 인터페이스를 갖추고 있다. 대화형 모드에서는 인간 조작자가 증명 탐색 과정을 모니터링하고 조정할 수 있으며, 이는 대화형 코드 생성에서 확립된 인간-AI 시너지에서 동기를 얻었다. 자동 형식 검증으로 가능해진 정량적 절제 실험의 잠재력을 보여주기 위해, OpenProver를 ProofNet에서 평가하고 단순 기준선과 비교한다. OpenProver는 https://github.com/kripner/OpenProver에서 공개적으로 이용 가능하다.

arXiv:2607.09195v1cs.AI

감사 가능한 AI 과학자를 향하여: LLM 에이전트를 위한 가설 진화 프로토콜

Toward Auditable AI Scientists: A Hypothesis Evolution Protocol for LLM Agents

대규모 언어 모델(LLM) 에이전트는 AI 기반 과학적 발견에서 핵심적인 역할을 담당할 것으로 점점 더 기대되고 있다. 폭넓은 지식, 유연한 추론, 도구 사용 능력을 갖춘 이 에이전트들은 가설을 반복적으로 제안하고, 검증하며, 증거에 비추어 신념을 수정하는 방식으로 과학적 문제를 자율적으로 탐색하고 해결할 잠재력을 지닌다. 그러나 현재의 에이전트에서는 이러한 가설, 검증, 신념 갱신 과정이 비정형 로그 속에 묻혀 있으며, 에이전트나 인간 연구자가 해당 과정을 감사할 수 있는 메커니즘이 존재하지 않는다. 본 논문에서는 가설 생성, 평가, 진화를 명시적이고 감사 가능한 연산으로 제공하는 에이전트 하네스인 가설 진화 프로토콜(HEP, Hypothesis Evolution Protocol)을 제안한다. 재료과학 연구 태스크에서 HEP를 탑재한 에이전트는 계획 기반 에이전트에 결여된 가설-검증-증거-신념 순환을 수행하고, 다양한 연구 질문에 걸쳐 일반화되며, 기반 LLM이 더 유능해질수록 프로토콜을 더욱 충분히 활용한다. 이러한 결과는 과학적 추론을 검사하고 검증하며 그 위에 구축할 수 있는 감사 가능한 AI 과학자를 향한 한 걸음을 나타낸다.

arXiv:2607.09183v1cs.IT

생성형 통신: 개요, 기술 및 트렌드

Generative Communications: Overview, Technologies, and Trends

생성형 인공지능(AI)의 획기적인 발전은 이미지와 비디오 같은 콘텐츠를 생성하는 능력을 빠르게 향상시키며 통신 패러다임을 재편하고 있다. 본 논문은 생성형 통신(GenCom)을 소개한다. 이는 대규모 AI 모델(LAM)이 의미론적 이해, 추론, 콘텐츠 생성을 주도하며 이를 통신 과정에 임베딩하는 6G 네트워크를 위한 새로운 패러다임이다. 정확한 비트 전송을 엄격히 추구하는 기존 시스템과 달리, GenCom은 송신기가 최소한이지만 충분한 정보만 전달할 수 있게 하는 한편, 수신기는 공유된 생성형 사전 정보(generative priors)와 지식 베이스를 활용하여 의도된 출력을 합성한다. 이로써 통신은 데이터 재현이 아닌 제어된 생성으로 재정의된다. 우리는 GenCom의 개념을 형식화하고, AI 네이티브(AI-native) 및 생성 주도형(generation-driven) 특성을 명확히 하며, 핵심 메커니즘을 제시한다. 핵심 기술들로 지원되는 2층 GenCom 아키텍처를 제안하고, 네 가지 대표적인 응용 시나리오 분석을 통해 GenCom이 초효율적 전송, 의미론적 수준의 견고성, 그리고 새로운 네트워크 기능을 제공함을 보여준다. 마지막으로, 기초 이론 및 실시간 처리를 포함한 향후 연구 방향을 제시하며, 6G 네트워크를 향한 유망한 경로를 강조한다.

arXiv:2607.09099v1cs.AI

L-MAD: 법률 추론에서 멀티-에이전트 토론 구조의 체계적 평가

L-MAD: A Systematic Evaluation of Multi-Agent Debate Structures in Legal Reasoning

멀티-에이전트 토론(MAD) 프레임워크는 일반적인 추론에서 상당한 가능성을 보여왔지만, 고도로 구조화되고 지식 집약적인 법률 도메인에서의 효과는 충분히 탐구되지 않은 상태다. 본 연구에서는 법률 텍스트 함의(Legal Textual Entailment) 과제 내에서 다양한 토론 구조와 집계 방법을 체계적으로 평가하기 위해 법률 멀티-에이전트 토론(L-MAD) 프레임워크를 소개한다. 여러 에이전트에 서로 다른 전문가 페르소나를 부여함으로써, L-MAD는 강력한 단일 에이전트 기준선 대비 최대 8%까지 성능을 향상시킨다. 또한 토론이 확장되는 방식을 분석한 결과 명확한 트레이드오프가 드러났다: 에이전트 수를 늘리면 불일치가 줄고 정확도가 향상되는 반면, 토론 라운드를 늘리면 에이전트들이 서로의 실수를 강화하는 유해한 과잉 숙의 드리프트(over-deliberation drift)가 유발된다. 최종적으로, 본 연구의 결과는 고위험 법률 추론 환경에서 협력적 멀티-에이전트 시스템을 배포할 때의 실질적 한계와 안전 마진을 제시한다.

arXiv:2607.09076v1cs.AI

뉴로-에이전틱 제어: 보안 제어를 위한 심층 학습 기반 LLM 구동 에이전틱 AI 프레임워크

Neuro-Agentic Control: A Deep Learning-based LLM-Powered Agentic AI Framework for Controlling Security Controls

운영 기술에 대한 사이버 공격이 점점 더 많은 비용의 다운타임과 물리적 피해를 야기하고 있으며, 이는 산업용 IoT 환경에서 전통적인 규칙 기반 모니터링의 한계를 드러내고 있다. 대규모 언어 모델(LLM)은 의사결정 지원에 있어 강력한 의미론적 추론 능력을 보유하고 있으나, 환각(hallucination) 특성으로 인해 폐루프 제어에 허용할 수 없는 안전성 위험을 초래한다. 본 논문은 물리 기반 자율 방어를 달성하기 위해 LLM 기반 플래너(예: Gemini 2.5 Flash-Lite)와 사전학습된 시계열 기반 모델(TimesFM)을 결합한 새로운 아키텍처인 뉴로-에이전틱 제어 프레임워크를 소개한다. 본 논문은 기반 모델의 수치적 잠재 공간 내에서 LLM이 제안한 개입의 영향을 작동 전에 시뮬레이션하는 동시에, 환각적이거나 안전하지 않은 행동을 시스템이 거부할 수 있도록 하는 '반사실적 물리 주입(Counterfactual Physics Injection)' 메커니즘을 도입한다. 확률적 공격 시나리오를 맥락으로 하는 산업용 데이터셋(예: Secure Water Treatment(SWaT))에서 평가한 결과, 본 프레임워크는 LSTM 및 TCN 기준 모델 대비 더 나은 성능을 보였다. 뉴로-에이전틱 루프는 임계값 이하에서 LSTM(26.7%) 및 TCN(13.3%) 대비 5건의 침해(33.3%)를 방지하였으며, 물리적으로 유효하지 않은(환각된) 행동은 단 한 건도 실행되지 않았다. 이러한 결과는 중요 인프라에서 에이전틱 AI를 보호하기 위해 기반 모델을 결정론적 '감시자(Sentinel)'로 활용하는 것의 효용성을 입증한다.

arXiv:2607.09065v1cs.SE

스킬 마켓의 내부: 소프트웨어 엔지니어링 활동에서 재사용 가능한 에이전트 스킬로

Inside the Skill Market: From Software Engineering Activities to Reusable Agent Skills

소프트웨어 엔지니어링(SE)은 소스 코드와 라이브러리에서 컴포넌트와 서비스에 이르기까지 점점 더 강력한 형태의 재사용을 통해 지속적으로 발전해왔다. 최근 AI 에이전트의 발전은 잠재적으로 새로운 재사용 가능한 아티팩트인 스킬(skill)을 등장시켰다. 새롭게 떠오르는 에이전트 스킬 저장소와 마켓플레이스는 개발자들이 SE 전문성을 재사용 가능한 스킬로 패키징하고 공유하며 재사용할 수 있게 한다. 이러한 추세는 근본적인 질문을 제기한다: 어떤 SE 활동이 재사용 가능한 스킬로 캡슐화되고 있는가? 기존 연구들은 주로 광범위한 스킬 획득, 안전성, 또는 벤치마크에 초점을 맞추며, SE 특화 스킬과 소프트웨어 개발 생명주기 전반에 걸친 해당 스킬의 적용 범위에 대한 체계적인 이해가 부족하다. 이러한 격차를 해소하기 위해, 우리는 공개 저장소와 마켓플레이스에서 SE 스킬에 대한 최초의 대규모 실증 연구를 수행한다. 우리는 대규모 SE 스킬 코퍼스를 수집하고 분석하여, 스킬이 캡슐화하는 활동, 생명주기 적용 범위, 진화 특성, 그리고 평가 메커니즘을 조사한다. 연구 결과, SE 활동이 스킬을 통해 점점 더 재사용 가능한 아티팩트로 전환되고 있음이 드러났으며, 스킬 추천 및 엔지니어링 지향적 구조화를 위한 유망한 연구 기회와 함께, 높은 맥락 의존성을 가진 SE 활동을 재사용 가능한 스킬로 캡슐화하기 위한 메커니즘의 필요성이 제시되었다. 전반적으로, 본 연구는 SE 스킬에 대한 최초의 활동 중심적 특성화를 제공하고, SE 활동이 점점 더 재사용 가능한 스킬로 전환되는 방식을 밝힌다. 이러한 연구 결과는 스킬 재사용, 에코시스템 개발, 그리고 에이전트 중심 SE의 미래에 대한 새로운 통찰을 제공한다.