PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.21618v1cs.AI

LeafData: 데이터 마이그레이션을 위한 에이전트 시스템

LeafData: An Agentic System for Data Migration

현대의 데이터 마이그레이션은 데이터 연결, 파이프라인 로직, 오케스트레이션 동작을 정의하기 위해 JSON 구성에 의존한다. 이는 사용자에게 도메인 지식을 요구하며 시간이 많이 소요되고 오류가 발생하기 쉽다. 본 논문에서는 사용자 의도를 데이터 마이그레이션을 위한 검증되고 실행 가능한 JSON 구성으로 변환하는 에이전트 시스템인 LeafData를 제안한다. 구체적으로, LeafData는 프론트엔드 챗봇과 백엔드 서비스로 구성된다. 챗봇은 사용자로부터 필요한 정보를 점진적으로 수집하고 스키마 기반 검증을 수행하며, 백엔드 서비스는 검증된 입력을 처리하고 JSON 구성 산출물을 생성한다. 이러한 산출물은 오케스트레이션 플랫폼에서 직접 사용할 수 있어, 수동 코딩 없이 end-to-end 파이프라인 생성 및 실행을 가능하게 한다. LeafData는 관계형 데이터베이스, 파일 기반 시스템, 문서 지향 데이터베이스, REST API를 포함한 다양한 데이터 소스 및 커넥터에 걸친 이기종 데이터 마이그레이션을 지원한다.

arXiv:2607.02771v1cs.AI

과학적 AI를 위한 자동화된 데이터 준비성

Automated Data Readiness for Scientific AI

선도적 컴퓨팅 시설들은 AI 학습 데이터로 활용되기 전에 상당한 변환이 필요한 대규모 과학 데이터셋을 관리한다. 그러나 기존의 어떤 프레임워크도 자동화된 변환, 준비성 평가, 출처 추적, 에이전트 네이티브 배포를 완전히 통합하지 못한다. 우리는 이 간극을 해소하는 오픈소스 프레임워크 REDI를 제안한다. REDI는 재현성을 위한 단계별 계측과 에이전트 호출 가능 스킬로의 배포를 지원하는 통합 5단계 파이프라인(수집, 전처리, 변환, 구조화, 출력)을 통해 이를 구현하며, 동반 도구 SetGo는 FAIR 준수 및 카탈로그 게시를 자동화한다. 기후, 단백질체학(proteomics), 재료과학, 핵융합 분야에 걸쳐 평가한 결과, REDI는 모든 데이터셋을 원시 상태에서 AI 준비 상태로 변환하였으며 출력 결과는 도메인 전문가 참조 데이터와 대조하여 검증되었다. 기후 사례의 경우 Frontier에서 100개 노드까지 이상에 가까운 병렬 확장성을 보이는 예비 결과를 보였다. 출처 계측 프로파일링을 통해 파일 I/O가 파이프라인의 지배적 비용임이 밝혀졌으며, 포맷 선택이 1차 최적화 수단임을 확인하였다. 이러한 결과는 REDI를 과학적 AI를 위한 자동화된 데이터 준비성을 제공하는 크로스 도메인 플랫폼으로 자리매김하며, 데이터 준비 병목을 재현 가능하고 재사용 가능한 커뮤니티 자산으로 전환한다.

arXiv:2507.13563v3cs.CL

Balalaika: Data-Centric, Prosody-Aware Annotation Pipeline for Russian Speech

Balalaika는 러시아어 음성에 시맨틱 VAD 분할, 다중 ASR ROVER 앙상블 전사, 품질·화자 순도 필터링을 결합하고 구두점·어휘 강세·IPA 음소 등 운율 인식 주석을 추가하는 데이터 중심 오픈소스 파이프라인이다. 이를 활용해 5.1k시간 규모의 다중 출처 코퍼스를 구축했으며, 동일 학습 예산에서 음성 노이즈 제거와 TTS(text-to-speech) 모두에서 기존 데이터셋 대비 일관된 성능 향상을 보였고, 강세·구두점 주석의 상보적 효과도 확인했다.