PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.20328v1cs.DL

학술 도서관 자료에 대한 생성형 AI 매개 사용자 참여 이해

Understanding Generative AI-mediated User Engagement with Academic Library Resources

본 연구는 학술 도서관 자료에 대한 새로운 발견 경로로서 생성형 AI를 실증적으로 분석하였다. 2023년 8월부터 2025년 10월까지의 웹 분석 데이터를 활용하여, 본 연구는 특히 연결된 인용 기능 통합 이후 AI 매개 트래픽이 크게 증가했음을 확인하였다. 리퍼럴(referral) 분석을 통해 ChatGPT, Perplexity, Gemini가 이 트래픽을 주도하는 주요 플랫폼임을 확인하였다. 상당수의 사용자가 기관 저장소(institutional repository)에 도달했으며, 주로 전자 학위논문에 접근하였다. 이 패턴은 AI 검색(retrieval) 메커니즘이 구조화된 메타데이터와 안정적인 영구 링크(permalinks)를 갖춘 오픈 액세스(Open Access) 및 무료 이용 가능한 자료를 효과적으로 노출함을 시사한다. 결과는 AI 생태계가 현재 도서관 자료를 어떻게 노출하는지 보여 주며, 지속적인 분석과 진화하는 AI 환경에 대한 전략적 대응의 필요성을 강조한다.

arXiv:2607.11353v1cs.CL

카탈로그 작성을 위한 AI 모델 특성 분석

Characterising AI Models for Cataloguing

디지털 컬렉션의 구축은 콘텐츠의 디지털화뿐만 아니라 해당 콘텐츠에 대한 카탈로그 레코드 생성을 수반한다. 흔히 간과되는 이 작업은 전문가의 수작업을 필요로 하며, 느리고 비용이 많이 든다. 본 프로젝트에서는 이 작업에 대한 AI 모델의 적용을 평가하고, 다양한 구현 방식과 모델을 비교하였다. 본 연구에는 수행된 실험에 대한 정성적·정량적 평가와 함께, 특정 사용 사례를 넘어 AI 모델 활용에 관한 권고 사항이 포함되어 있다.

arXiv:2606.27275v1cs.CL

언어 모델에게 역사적 이탈리아어는 얼마나 놀랍게 다가오는가? 토큰화 세금, 이해 세금, 그리고 간단한 완화 방법

How Surprising Is Historical Italian to Language Models? Tokenization Tax, Comprehension Tax, and a Simple Mitigation

역사적 언어 처리 난이도를 토큰화 비용, 예측 불확실성(surprisal), 의미적 견고성, 문맥 민감성 네 차원으로 나누는 진단 프레임워크를 제안하고, 17세기 이탈리아어·19세기 고전·18세기 러시아어 말뭉치에서 토큰화 세금과 이해 세금이 분리됨을 보였다. 17세기 이탈리아어는 현대 대비 평균 2.4배 더 높은 surprisal을 보이지만 임베딩 유사도는 0.85 이상으로 유지되며, 최소한의 시간적 문맥 프롬프트로 surprisal을 약 60% 줄일 수 있어 디지털 도서관의 의미 검색 작업에 LLM을 활용할 여지가 있음을 시사한다.