PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.09770v2cs.AI

유한 규칙 수정을 통한 적응형 에이전틱 컨트롤러의 검증

Verification of Adaptive Agentic Controllers through Finite Rule Revision

산업용 에이전틱(agentic) AI 시스템에서 프로토타입 성능과 실제 배포 사이의 격차가 점차 두드러지고 있다. 특히 적응형 에이전트는 비결정성, 기밀성 제약, 제한된 컨텍스트, 낮은 관측 가능성 조건에서 타당해 보이는 출력을 생성하면서도 검증하기 어려운 문제가 있다. 본 논문은 유한 심볼릭 규칙, 명시적 진단 술어(diagnostic predicate), 설명 로그, 보류 재평가(held-out re-evaluation)로 표현된 적응형 에이전틱 컨트롤러에 대한 경계 검증 프로토콜을 형식화한다. 핵심 연구 질문은 다음과 같다: 적응형 에이전틱 컨트롤러가 유한 규칙, 명시적 진단 술어, 설명 로그, 보류 재평가로 표현될 때, 무제한적인 인간-개입(human-in-the-loop) 판단에 의존하지 않고 어떤 종류의 컨트롤러 실패를 탐지하거나 국소적으로 수정하거나 거부할 수 있는가? 제안된 프레임워크는 컨트롤러를 유한하게 수정 가능한 객체로 취급한다. 진단 실패는 규칙 추가, 규칙 삭제, 우선순위 수정을 포함하는 사전 정의된 규칙 수준의 편집에 매핑된다. 수정된 컨트롤러는 이후 보류된 시뮬레이션 시드 또는 복제된 초기 상태에서 평가된다. 양식화된 재정 제약 재고 관리(inventory-control) 벤치마크에서의 실험은 세 가지 결과를 보여준다: 단일 규칙 편집으로는 수정 불가능한 자원 유발 실패, 임계값 또는 가드레일 위반으로 인해 거부되는 부분 수정, 그리고 평활화 규칙 제거로 유발된 주문 변동성 실패에 대한 국소적 단일 단계 수정. 본 연구의 기여는 방법론적인 것으로, 특정 컨트롤러 수준의 실패를 관측 가능하고 설명 가능하며 국소적으로 수정 가능하고 통제된 조건에서 실증적으로 재검증할 수 있는지를 테스트하는 시뮬레이션 호환 절차를 제공한다.

arXiv:2606.25274v1cs.LG

UC-Search: Risk-Aware Test-Time Search for Delayed Constrained Time-Series Control

시계열 모델은 예측 성능 중심으로 평가되지만, 실제 시스템은 불확실성과 엄격한 실행 가능성 제약 아래 지연된 결정이 필요하다. UC-Search는 백본 예측·행동 점수, 실행 가능성 오토마타, 인식론적·우연적 불확실성을 경로 위험으로 반영한 UC-Beam·UC-MCTS 탐색을 결합한 모델 불변 테스트 시점 래퍼로, 공개 지연 제어·재고 벤치마크에서 CEM, MPPI, 위험 인식 무작위 탐색 대비 우수한 성능을 보인다.