PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.24980v1cs.LG

Closed-Loop Graph Algorithm Execution with Small Language Models: Step Accuracy and Rollout Reliability

소규모 언어 모델(SLM)을 BFS, DFS, 그래프 색칠, Dijkstra 등 고전 그래프 알고리즘의 클로즈드-루프(closed-loop) 실행 정책으로 평가한 연구로, Llama-3.2-1B와 Qwen2.5-1.5B에 LoRA 어댑테이션을 적용하여 순회(traversal)·색칠 알고리즘에서는 높은 롤아웃 정확도를 달성했으나, 가중치 기반 알고리즘(Prim, Borůvka, Dijkstra)에서는 스텝 정확도가 높더라도 오차 누적으로 인해 전체 실행 신뢰도가 크게 저하됨을 실증적으로 보여준다. 이 결과는 개별 스텝 예측 성능이 자율적 알고리즘 실행 신뢰성을 보장하지 않으므로, 알고리즘 언어 모델의 평가는 단일 스텝이 아닌 완전한 클로즈드-루프 롤아웃을 기준으로 수행해야 함을 시사한다.

arXiv:2606.18267v1cs.SI

그래프 인스턴스 랜드스케이프: 구조적 유사성이 최단 경로 성능을 반영할 때와 그렇지 않을 때

Graph Instance Landscapes: When Structural Similarity Does (Not) Reflect Shortest-Path Performance

최단 경로 알고리즘 벤치마킹에 그래프를 저비용 구조적 특징 공간에 임베딩해 클러스터링하는 인스턴스 랜드스케이프 관점을 적용하고, Erdős–Rényi·기하학적·도로망 벤치마크에서 Dijkstra·양방향 Dijkstra·A*·DEQ 네 솔버를 평가한다. 생성기 매개변수는 안정적인 구조 영역을 형성하지만 특징 공간 유사성이 성능 유사성을 보장하지 않으며, 서로 다른 벤치마크 패밀리는 대체로 분리된 영역을 차지해 구조 인식 벤치마킹에서 랜드스케이프 접근의 잠재력과 한계를 함께 드러낸다.