PyTorchKR Papers

최신 논문

총 6편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.15750v1cs.AI

Google Earth AI 지리공간 추론(Geospatial Reasoning) 에이전트: 역량과 체계적 평가

Google Earth AI Geospatial Reasoning Agent: Capabilities and a Systematic Evaluation

Google Earth AI는 지리공간(geospatial) AI 모델들의 패밀리와 이를 오케스트레이션하는 에이전트로 구성된다. 본 논문에서는 이 에이전트인 Google Earth AI의 Geospatial Reasoning 에이전트(GRA)를 소개한다. GRA는 Gemini 기반의 연구 시스템으로, 지리공간 데이터 소스, 파운데이션 모델, 그리고 도구들을 결합하여 우리 지구에 관한 질문에 답한다. GRA는 이러한 요소들을 모듈화된 도메인 스킬로 구성하고, 사전(upfront) 지리공간 계획과 결합하여 복잡한 질의를 다단계 워크플로우로 분해한다. 이러한 시스템을 평가하는 것은 어려운데, 실제 문제는 여러 타당한 워크플로우를 허용하고, 대규모 카탈로그 전반에 걸친 데이터 발견(data discovery)을 요구하며, 계속 변화하는 그라운드 트루스(ground truth)에 의존하기 때문이다. 우리는 두 가지 벤치마크를 도입하고 이들의 개발 분할(development split)을 공개한다. GeoExpertQueries는 실무자의 사용 사례(use case)에 기반하고 지리공간 전문가들에 의해 정제된 복잡한 분석 문제들을 제시한다. 각 문제는 세 명의 독립적인 전문가로부터 얻은 합의된 골든 워크플로우(golden workflow)와 짝을 이루며, 사람이 검증한 도구에 무관한(tool-agnostic) 오토레이터(autorater)에 의해 채점된다. GeoKTools는 필요한 도구 유형의 수를 체계적으로 변화시키는 결정론적(deterministic) 참조 솔버(reference solver)를 갖춘 템플릿화된 질의들로 구성된다. 우리는 또한 CBGB와 UnivEARTH라는 두 가지 외부 벤치마크를 사용하는데, 이 중 UnivEARTH는 포화(saturated) 상태임을 확인하였다. GRA의 도구와 에이전트적(agentic) 오케스트레이션의 기여를 분리하기 위해, 우리는 Gemini 3.1 Pro와 3.8 Flash 각각에 대해 네 가지 구성을 비교한다: 단독 LLM, 기본 도구를 갖춘 LLM, GRA의 스킬과 도구는 갖추었지만 사전 계획 및 실행 가이드는 없는 LLM, 그리고 GRA 자체이다. 기본 도구만 있는 경우, 고성능 모델은 템플릿화된 질의에서는 정답의 많은 부분을 복원하지만, 개방형(open-ended) 문제에서는 전문가 워크플로우의 작은 일부만을 충족시킨다. 반면 GRA는 두 경우 모두에서 우수한 성능을 보인다. 가장 큰 성능 향상은 GRA의 스킬과 도구로부터 나오며, 개방형 문제에서는 그 계획 및 실행 가이드가 Gemini 3.8 Flash와 결합될 때 추가적인 향상을 가져와, Flash가 더 낮은 비용으로 Pro와 동등하거나 이를 능가하는 성능을 내도록 한다.

arXiv:2505.02024v4cs.AI

마음에서 기계로: 완전 자율 디지털 에이전트 Manus AI의 부상

From Mind to Machine: The Rise of Manus AI as a Fully Autonomous Digital Agent

Manus AI는 2025년 초에 소개된 범용 AI 에이전트로, 자율 인공지능의 중요한 진전을 나타냅니다. 중국 스타트업 Monica.im이 개발한 Manus는 "마음"과 "손" 사이의 간극을 메우도록 설계되었으며, 대규모 언어 모델(LLM)의 추론 및 계획 능력과 구체적인 결과를 산출하는 복잡한 end-to-end 작업을 실행하는 능력을 결합합니다. 본 논문은 Manus AI에 대한 포괄적인 개요를 제시하며, 핵심 기술 아키텍처, 의료, 금융, 제조, 로봇, 게임 등 다양한 분야에서의 응용, 주요 강점, 현재 한계, 미래 잠재력을 살펴봅니다. 앞으로 다가올 미래의 미리보기로 자리 잡은 Manus AI는 고수준 의도를 실세계 행동으로 변환할 수 있는 지능형 에이전트로의 전환을 나타내며, 인간-AI 협업의 새로운 시대를 예고합니다.

arXiv:2404.11459v3cs.CL

Octopus v3: 온디바이스 10억 미만 파라미터 멀티모달 AI 에이전트 기술 보고서

Octopus v3: Technical Report for On-device Sub-billion Multimodal AI Agent

멀티모달 AI 에이전트는 자연어, 시각, 오디오 입력을 포함한 다양한 유형의 데이터를 처리하고 학습하여 행동을 결정하는 능력으로 특징지어진다. 시각 데이터를 통합한 GPT-4V와 같은 대규모 언어 모델(LLM)의 발전에도 불구하고, 이미지 기반 데이터를 AI 에이전트의 실행 가능한 결과로 효과적으로 변환하는 것은 여전히 어려운 과제로 남아 있다. 본 논문에서는 AI 에이전트 응용을 위해 특별히 설계된 기능 토큰(functional token) 개념을 통합한 멀티모달 모델을 소개한다. 엣지 디바이스와의 호환성을 보장하기 위해, 본 모델은 10억(1B) 미만 파라미터의 컴팩트한 크기로 최적화되었다. GPT-4와 마찬가지로, 본 모델은 영어와 중국어를 모두 처리할 수 있다. 본 모델이 Raspberry Pi만큼 제약이 큰 장치를 포함하여 다양한 엣지 디바이스에서 효율적으로 동작할 수 있음을 보여준다.

arXiv:2406.07089v4cs.CV공식 코드 · Papers with Code

RS-Agent: 지능형 에이전트를 통한 원격 탐사 작업 자동화

RS-Agent: Automating Remote Sensing Tasks through Intelligent Agent

RS-Agent는 구조화된 작업 계획과 도구 오케스트레이션을 통해 사용자 의도를 전문적인 원격 탐사 워크플로우와 연결하는 도메인 적응형 지능 에이전트로, 중앙 컨트롤러, 동적 툴킷, Solution Space, Knowledge Space의 네 가지 구성요소로 이루어진다. Task-Aware Retrieval과 가중 이중 경로 검색-증강 생성 방법인 DualRAG를 도입하여 9개 데이터셋, 18개 원격 탐사 작업 실험에서 95% 이상의 작업 계획 정확도와 함께 장면 분류, 객체 계수, 시각적 질의응답에서 최신 MLLM 대비 현저히 높은 성능을 달성하였다.

arXiv:2606.26216v1cs.CR

CyberChainBench: AI 에이전트는 실제 온체인 취약점으로부터 스마트 계약을 보호할 수 있는가?

CyberChainBench: Can AI Agents Secure Smart Contracts Against Real-World On-Chain Vulnerabilities?

DeFiHackLabs의 541건 실세계 익스플로잇 사례를 9개 EVM 체인에서 수집해, LLM 기반 에이전트가 메인넷 포크 온체인 환경에서 취약점 탐지·익스플로잇 생성·패치 합성을 수행하는지 평가하는 CyberChainBench 벤치마크를 제안한다. 평가 결과 최고 구성은 탐지 37.5%, 익스플로잇 43.7%, 패치 23.4%로 과제별 난이도 차이가 뚜렷했고, 상위 에이전트(Codex with GPT-5.5)는 200건 익스플로잇 세트에서 건당 $2.39 비용으로 총 $5,740만의 익스플로잇 수익을 달성했다.

arXiv:2402.08128v3cs.AI

게임에서의 재귀적 공동 시뮬레이션

Recursive Joint Simulation in Games

AI 에이전트가 서로의 상호작용을 재귀적 공동 시뮬레이션으로 미리 관찰하며, 실제 세계인지 시뮬레이션인지에 대한 자기 위치 불확실성(self-locating uncertainty) 아래 행동을 선택하는 전략적 설정을 분석한다. 이 상호작용은 원래 게임의 무한 반복 버전과 전략적으로 동등하며, 민속 정리(folk theorems) 등 협력적 결과를 전이할 수 있고 가정 완화나 내부 관점에서도 견고함이 성립한다.