PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.26907v2cs.CV

Qwen-Image-Agent: 실세계 이미지 생성에서 Context Gap(컨텍스트 갭) 해소

Qwen-Image-Agent: Bridging the Context Gap in Real-World Image Generation

텍스트-투-이미지(T2I) 모델이 실세계에서 자주 겪는 사용자 컨텍스트와 생성에 필요한 충분한 컨텍스트 간 불일치를 Context Gap으로 정의하고, 계획·추론·검색·메모리·피드백을 컨텍스트 중심으로 통합한 Qwen-Image-Agent를 제안한다. Context-Aware Planning과 Context Grounding으로 생성 컨텍스트를 점진적으로 구축하며, Plan·Reason·Search·Memory 역량을 평가하는 IA-Bench를 도입했고 IA-Bench, Mindbench, WISE-Verified에서 강력한 베이스라인을 능가하는 최첨단 성능을 달성했다.

arXiv:2606.26519v2cs.AI

저채널 EEG 에이전트를 위한 경계 인식 컨텍스트 그라운딩

What the LLM Should Not Say: Boundary-Aware Context Grounding for A Seven-Channel EEG Agent

저채널 뇌전도(EEG)에서 센서·구현·결과·과학적 한계를 구분하지 못해 근거 없는 해석이 생기는 문제를 NeuraDock Agent가 다루며, 결정론적 로컬 EEG 엔진과 LLM 언어 층을 분리하고 LLM에는 허용 목록 요약과 7채널 하드웨어·워크플로·경계 정보가 담긴 버전 관리 컨텍스트만 전달한다. 평가에서 수치 반복 재현성과 장애 상황에서의 데이터 경계 보존이 확인되었고, 경계 인식 벤치마크에서 전체 컨텍스트가 4분류 정확도를 58.3%에서 79.2%로, 사실 완전·오류 없는 응답 비율을 26.4%에서 66.7%로 높였으나 임상적 타당성이나 검증된 인지 부하 지수는 주장하지 않는다.