PyTorchKR Papers

최신 논문

총 11,108편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.06269v2cs.AI

애플리케이션 층 시뮬레이션에서 네이티브 메타-아키텍처로: 이종 AI 진화의 내인성 동인으로서의 구조적 긴장

From Application-Layer Simulation to Native Meta-Architecture: Structural Tension as an Endogenous Driver for Heterogeneous AI Evolution

현재 추론 세션 간 상태를 유지하지 못하는 LLM의 한계를 극복하기 위해, 구조적 긴장(Structural Tension)·오프라인 순환 루프(Offline Recurrent Loop)·추론 시점 가소성(Inference-time Plasticity)이라는 세 가지 메커니즘을 결합한 네이티브 메타-아키텍처 이론 프레임워크를 제안한다. 이 프레임워크는 사전학습 가중치를 수정하지 않고 컨텍스트 다양체 위상을 재구성함으로써 모델 인스턴스들이 경로 의존적으로 이종 위상 구조로 진화할 수 있으며, 거버넌스 불변량을 핵심 설계 기준으로 삼아 이질적 지능 생태계를 안전하게 구현할 수 있음을 논증한다.

arXiv:2607.06008v2cs.AI

PolyWorkBench: 다국어 장기 수평 LLM 에이전트 벤치마킹

PolyWorkBench: Benchmarking Multilingual Long-Horizon LLM Agents

PolyWorkBench는 5개 도메인(커머스, 지식 작업, 법률, 로컬라이제이션, 제조)에 걸친 67개 다국어 장기 수평(long-horizon) 업무 워크플로우 태스크로 구성된 LLM 에이전트 평가 벤치마크로, 구조적 채점·실행 검증·LLM 기반 의미 평가를 결합한 하이브리드 평가 프레임워크를 제안한다. 실험 결과 최신 LLM 에이전트들은 단일 언어 환경 대비 다국어 워크플로우에서 유의미한 성능 저하를 보이며, 다국어성이 추론·도구 사용·출력 생성 전 단계에 걸쳐 복합적인 오류 전파를 유발함을 보인다.

arXiv:2606.26366v2cs.AI

Narration-of-Thought: 대규모 언어 모델의 반박 가능한 윤리 추론을 위한 추론 시 스캐폴딩

Narration-of-Thought: Inference-Time Scaffolding for Defeasible Ethical Reasoning in Large Language Models

도덕적 딜레마에서 표준 사고의 연쇄(Chain-of-Thought)가 보이는 이해관계자 붕괴와 불확실성 억제를 줄이기 위해, 주인공·이해관계자·2단계 결과·�확실성·확약의 다섯 섹션으로 추론을 구조화하는 추론 시점 시스템 프롬프트 narration-of-thought(NoT)를 제안한다. 추가 학습·파라미터 변경 없이 DailyDilemmas 100개 시나리오에서 이해관계자 붕권을 최대 31%에서 1% 미만으로, 불확실성 억제를 최대 72%에서 1–24%로 낮추고, 다중 이해관계자 토론에서는 6% 교착을 95% 합의로 전환한다.

arXiv:2606.25984v2cs.AI

InvestPhilBench: 전문 투자 철학에서의 대규모 언어 모델 절차적 추론 평가를 위한 다층 벤치마크

InvestPhilBench: A Multi-Layer Benchmark for Evaluating Large Language Model Procedural Reasoning in Expert Investment Philosophy

전문 투자자의 절차적 의사결정 프레임워크를 LLM이 얼마나 정확히 재구성하고 적용할 수 있는지 평가하기 위해, 8개 인지 계층(L1~L8)에 걸친 다층 벤치마크 InvestPhilBench와 자동화 채점 파이프라인(BASP), 실패 모드 감지 프로토콜(FMDP), 게이트 재구성 정확도(GRA)를 제시한다. 주요 발견은 복합 점수(BASP)가 최전선 모델에서 포화 상태에 이르러 절차적 결핍을 숨기는 반면, GRA는 여전히 유의미한 절차적 격차를 드러낸다는 것이다(프론티어 모델 L4 GRA ≈ 0.77, L7 GRA 0.57~0.62).

arXiv:2606.10062v2cs.AI

파운데이션 모델 에이전트의 배포 시점 기억화

Deployment-Time Memorization in Foundation-Model Agents

파운데이션 모델 에이전트의 배포 시점 메모리 설계가 개인화 유용성, 적대적 정보 추출, 삭제 충실도에 미치는 영향을 분석하기 위해 개인화 재현율(PR), 적대적 추출률(AER), 망각 잔류 점수(FRS)를 도입하고 LongMemEval에서 실험한 결과, 핵심 사실 요약 방식이 카나리아 추출을 약 60% 감소시키면서 개인화 성능을 거의 유지하지만, 원본 청크만 삭제하는 방식은 파생 요약본에 정보가 약 20% 잔류하여 완전한 망각을 보장하지 못함을 보였다.

arXiv:2604.22951v2cs.AI

멱함수 법칙의 힘: 비대칭성이 조합적 추론을 가능하게 한다

The Power of Power Law: Asymmetry Enables Compositional Reasoning

자연어 데이터의 멱함수 법칙(power-law) 분포가 조합적 추론(compositional reasoning) 학습에 오히려 유리하다는 반직관적 현상을 이론과 실험으로 규명하며, 균등 분포 대비 멱함수 법칙 분포로 학습 시 상태 추적(state tracking) 및 다단계 산술 등의 과제에서 일관되게 우수한 성능을 보임을 입증한다. 멱함수 법칙 샘플링이 유도하는 비대칭성이 손실(loss) 지형의 병목을 해소하여 고빈도 기술 조합을 먼저 습득하게 하고, 이를 발판으로 롱테일 기술까지 효율적으로 학습할 수 있음을 이론적으로 증명한다.

arXiv:2603.16453v3cs.AI

RetailBench: 현실적인 소매 환경에서 LLM 에이전트의 장기 자율 의사결정 및 전략 안정성 평가

RetailBench: Evaluating Long-Horizon Autonomous Decision-Making and Strategy Stability of LLM Agents in Realistic Retail Environments

RetailBench은 단일 매장 슈퍼마켓 운영을 부분 관측 가능한 의사결정 과정으로 모델링한 장기 에이전트 벤치마크로, 가격 책정·재고 보충·공급업체 선택 등 복합적인 운영 의사결정을 180일에 걸쳐 평가한다. 7개의 최신 LLM을 대상으로 한 실험에서 대부분의 모델이 전체 평가 기간을 완주하지 못했으며, 가장 우수한 모델조차 오라클 정책 대비 순자산·매출 지표에서 큰 격차를 보여 불완전한 증거 수집, 표면적 의사결정, 일관된 장기 정책 부재가 주요 실패 원인으로 분석되었다.

arXiv:2601.04920v2cs.AI

신속한 과학적 프로토타이핑을 위한 대화형 AI: ESA ELOPE 대회 사례 연구

Conversational AI for Rapid Scientific Prototyping: A Case Study on ESA's ELOPE Competition

ChatGPT(GPT-4.5)를 활용해 ESA의 ELOPE 대회(이벤트 카메라 기반 달 착륙선 궤적 추정)에서 신속한 프로토타이핑을 수행한 사례 연구로, 늦은 참가에도 불구하고 2위를 달성하며 인간-AI 협업의 가능성을 입증했다. ChatGPT가 코드 생성, 알고리즘 추론, 방법론 제안 등에서 기여했지만 불필요한 구조 변경, 컨텍스트 혼란, 오류 생성 등의 한계도 확인되어, LLM의 과학적 워크플로 통합을 위한 모범 사례를 제안한다.

arXiv:2601.02871v3cs.AI

SimRPD: 시뮬레이터 기반 데이터 평가 및 선택을 통한 채용 프로액티브 대화 에이전트 최적화

SimRPD: Optimizing Recruitment Proactive Dialogue Agents through Simulator-Based Data Evaluation and Selection

Chain-of-Intention(CoI) 기반의 다차원 평가 프레임워크를 활용해 고품질 합성 대화 데이터를 선별하는 3단계 채용 프로액티브 대화 에이전트 학습 프레임워크 SimRPD를 제안하며, 실제 채용 플랫폼 배포 실험에서 기존 시뮬레이터 기반 데이터 선택 전략 대비 우수한 성능을 입증하였다.

arXiv:2510.22052v2cs.AI

에너지 효율적인 도메인 특화 인공지능 모델 및 에이전트를 향한 비전

A Vision Toward Energy-Efficient Domain-Specific Artificial Intelligence Models and Agents

인공지능(AI) 분야는 세계 경제의 번영과 역량을 좌우하는 방식으로 사회, 산업, 비즈니스, 거버넌스의 광범위한 측면을 강하게 장악하고 있다. AI 시장 규모는 2023년 1,890억 달러에서 2033년까지 4.8조 달러로 성장할 것으로 전망된다. 현재 AI는 언어적·시각적 지능을 보이는 대규모 언어 모델(LLM)이 주도하고 있다. 그러나 이러한 모델을 학습하려면 웹에서 수집한 방대한 양의 데이터와 막대한 에너지(GPT-4 학습에 50~60 GWh)가 필요하다. 이러한 비용에도 불구하고, 이 모델들은 빈번히 환각(hallucination)을 일으키며, 이는 핵심 응용 분야에의 배포를 가로막는 특성이다. 이와 대조적으로 인간의 뇌는 단 20W의 전력만 소비한다. 필요한 것은 AI 진화의 다음 단계, 즉 제한된 도메인에 특화된 10억~200억 파라미터 규모의 경량 도메인 특화 멀티모달 모델로서, 더 높은 수준의 지능을 갖추고 실시간 데이터와 사전 지식을 활용해 동적 환경에서 추론·계획·의사결정을 수행하는 동시에, 미래의 의사결정 능력을 향상시키는 방식으로 지속적으로 학습하고 진화할 수 있는 모델이다. 이것이 AI의 다음 물결을 정의할 것이며, 방대한 데이터로 학습된 오늘날의 대형 모델에서 불확실성으로 가득 찬 세계에서 추론하고 사고할 수 있는 민첩하고 에너지 효율적인 도메인 특화 에이전트로 나아가는 방향이다. 이러한 에이전트를 지원하기 위해, 하드웨어는 정확도·지연 시간·커버리지 제약 조건 하에서 목표 도메인 태스크에 대해 최신 기술 대비 시스템 수준 에너지 효율성을 1000배 이상 달성할 수 있도록 재설계되어야 한다. 본 연구에서는 이러한 미래 AI 시스템에 대한 비전을 제시한다.

arXiv:2510.12857v2cs.CY

LLM을 위한 바이어스 유발 질문의 적응적 생성

Adaptive Generation of Bias-Eliciting Questions for LLMs

반사실적(counterfactual) 질문 생성 프레임워크를 통해 LLM의 편향된 행동을 유발하는 현실적이고 개방형 질문을 자동으로 생성하며, 비대칭적 거부 및 명시적 편향 인식 등 다양한 응답 차원을 평가하는 인간 검증 벤치마크 CAB을 구축하였다. CAB을 활용한 평가 결과, GPT-5, Claude-4-Sonnet, GPT-OSS-120B 등 최신 프론티어 LLM 모두 성별·인종·종교 속성에서 지속적인 편향을 나타냈다.

arXiv:2505.10946v3cs.IT

ToDMA: 시맨틱 다중 접속을 위한 대형 모델 기반 대규모 토큰 통신

ToDMA: Large Model-Driven Massive Token Communications for Semantic Multiple Access

대규모 비조율 디바이스 환경에서의 업링크 토큰 전송을 위해, ToDMA는 토큰 인덱스를 공유 변조 코드워드와 직접 연결하는 토큰 도메인 다중 접속(Token Domain Multiple Access) 기법을 제안하며, 압축 센싱(compressed sensing) 기반 활성 토큰 검출과 사전학습 문맥 모델을 활용한 마스크 토큰 예측을 결합해 충돌 문제를 완화한다. 이미지·텍스트 전송 시뮬레이션에서 ToDMA는 접속 지연을 줄이면서도 우수한 시맨틱 재구성 품질을 유지함을 입증하였다.

arXiv:2504.07856v4cs.AI

직접 선호 최적화를 위한 이중 난이도 커리큘럼 학습

Dual-Difficulty Curriculum Learning for Direct Preference Optimization

프롬프트 복잡도(PC)와 쌍별 구별 가능성(PD)이라는 두 축으로 구성된 이차원 난이도 공간을 DPO 정렬에 도입해, 기존의 단일 지표 커리큘럼 학습의 한계를 이론적으로 분석하고 극복한다. 정적 커리큘럼 프레임워크 DM-Curri-DPO와 모델 스스로 학습 궤적을 탐색하는 그룹별 자기 페이스 학습 프레임워크 GSP-Curri-DPO를 제안하여, MT-Bench, Arena-Hard, AlpacaEval 2.0 등 주요 벤치마크에서 최고 성능을 달성하고 데이터 효율성과 선호도 노이즈 강건성을 입증한다.

arXiv:2607.08705v1cs.CV

HumanForge: 멀티 에이전트 위조 근거를 갖춘 인간 중심 딥페이크 영상 벤치마크

HumanForge: A Human-Centric Deepfake Video Benchmark with Multi-Agent Forgery Rationales

인간 중심 딥페이크(deepfake) 영상 탐지 연구의 한계를 극복하기 위해, 오디오 기반·포즈 기반·상호작용·의미 기반 등 네 가지 시나리오를 포괄하는 대규모 영상 위조 벤치마크 HumanForge(18,000개 이상의 합성 영상 세그먼트)를 제안한다. 데이터셋 구축 및 주석 자동화를 위해 LangGraph 기반의 멀티 에이전트 파이프라인 Gen2Anno를 설계하여, 생성 출처와 시각적 분석을 대조하는 방식으로 이진 판정·세밀한 아티팩트 범주·시공간적 위치 정보를 포함한 omni-annotation을 생성하고, 최신 탐지기 및 대규모 멀티모달 모델(LMM) 벤치마크를 통해 제로샷 일반화의 높은 난이도를 입증하였다.

arXiv:2607.08572v1cs.CV

Switch-Reasoner: 강화학습을 통한 멀티태스크 혼합 환경에서의 사고 시점 학습

Switch-Reasoner: Learn When to Think in Multitask Mixtures via Reinforcement Learning

GRPO 기반의 Switch-Reasoner는 멀티모달 대규모 언어 모델(MLLM)이 입력의 난이도에 따라 사고 모드(Thinking Mode)와 직접 답변 모드(Direct Mode)를 적응적으로 선택하도록 학습하는 프레임워크로, 사고를 가상의 도구 호출로 정식화하고 이중 수준 모드 조절 메커니즘을 통해 훈련 중 모드 붕괴를 방지한다. 11개의 멀티모달 벤치마크 실험에서 불필요한 추론을 줄이면서도 강력한 성능을 유지하여 정확도-효율성 간의 더 나은 트레이드오프를 달성했다.

arXiv:2607.08497v1cs.CV

멀티모달 이해, 생성 및 편집을 위한 인지 구조 기반 멀티모달 에이전트

Cognitive-structured Multimodal Agent for Multimodal Understanding, Generation, and Editing

장기 멀티모달 대화에서 시각 토큰 폭발과 턴 간 참조 불안정 문제를 해결하기 위해, 시각 정보를 에피소딕 시각 메모리로 외재화하고 지각 추상화 엔진·인지 검색 엔진·멀티모달 실행 컨트롤러로 구성된 인지 구조 기반 멀티모달 에이전트를 제안한다. 강화학습 기반 추상화·검색 정책 최적화를 통해 8B 에이전트가 20턴 세션에서 91.4%의 검색 정확도를 달성하여 32B 기준 모델을 +8.2% 상회하면서도 턴당 추론 시간을 절반으로 단축했다.

arXiv:2607.08434v1cs.CV

DeltaV: 통합 대형 멀티모달 모델에서 시각적 상태 업데이트를 통한 추론

DeltaV: Thinking with Visual State Updates in Unified Large Multimodal Models

DeltaV는 기존 통합 대형 멀티모달 모델(ULMM)이 각 추론 단계마다 완전한 이미지를 생성하여 발생하는 시각적 토큰 중복 문제를 해결하기 위해, 이전 시각적 상태를 조건으로 변화 부분만 예측하는 컴팩트한 업데이트 토큰 방식과 변화량에 따라 토큰 예산을 동적으로 조절하는 TSIM Router를 제안한다. 44개 태스크 도메인 105만 샘플로 구성된 StructCoT 데이터셋으로 학습한 DeltaV-2B는 시각적 토큰을 평균 55.6% 절감하면서도 멀티모달 추론 성능에서 유사 규모의 Qwen3-VL-2B 대비 5.9% 향상을 달성했다.

arXiv:2607.08375v1cs.CV

WCog-VLA: 엔드-투-엔드 자율주행을 위한 이중 수준 세계-인지 비전-언어-액션 모델

WCog-VLA: A Dual-Level World-Cognitive Vision-Language-Action Model for End-to-End Autonomous Driving

의미론적 세계 예측과 생성적 세계 진화를 통합하는 이중 수준 VLA 프레임워크 WCog-VLA를 제안하며, 3D 공간 인지 기반의 에이전트 토큰과 Game-CoT 추론, 그리고 다중 에이전트 궤적을 합성하는 ADDT 생성 세계 모델을 결합해 능동적 자율주행을 구현한다. NAVSIM 벤치마크에서 PDMS 92.9의 최고 성능(SOTA)을 달성했으며, 85k개의 Game-CoT 어노테이션 데이터셋을 추가로 구축하였다.

arXiv:2607.08221v1cs.CV

LUMI: 토크나이저 독립적 LLM 기반 무손실 이미지 압축

LUMI: Tokenizer-Agnostic LLM-Based Lossless Image Compression

LUMI는 기존 LLM 기반 무손실 이미지 압축이 토크나이저에 종속되는 문제를 해결하기 위해, 픽셀 값을 텍스트 토큰 대신 LLM의 연속 임베딩 공간으로 직접 매핑하는 토크나이저 독립적 프레임워크를 제안한다. LLaMA, Qwen, Gemma 백본에서 자연·의료·원격탐사 이미지 벤치마크 실험 결과, 동결된 LLM 백본에 경량 픽셀 임베딩 모듈과 256방향 예측 헤드만 추가하여 경쟁력 있는 압축률과 향상된 크로스 도메인 강건성을 달성했다.

arXiv:2607.08194v1cs.CV

저랭크 비전-언어 정렬의 암묵적 편향 탐구

Dive Into the Implicit Biases of Low-rank Vision-language Alignment

비전-언어 정렬(vision-language alignment) 단계에서 전체 매개변수 업데이트 대신 저랭크 적응(LoRA, LoHa, LoKr)을 LLM에 적용하면 계산 비용이 줄면서도 대부분의 벤치마크에서 성능이 향상됨을 발견하였다. 저랭크 정렬은 환각을 줄이고 전체 매개변수 정렬이 훼손하는 시각적 특징의 선형 분리 가능성(LS-curse)을 보존하며, 이론적으로 평탄한 그래디언트 부분공간과 섭동에 강건한 특징 부분공간을 선호하는 암묵적 편향이 이러한 구조 보존 행동을 유도함을 증명하였다.