PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2603.09921v4cs.CV

WikiCLIP: 오픈 도메인 시각적 엔티티 인식을 위한 효율적인 대조 기준선

WikiCLIP: An Efficient Contrastive Baseline for Open-domain Visual Entity Recognition

WikiCLIP은 Wikipedia 기반 오픈 도메인 시각적 엔티티 인식(VER)에서 생성 모델의 높은 계산 비용 문제를 해결하기 위해, LLM 임베딩을 엔티티 표현으로 활용하고 패치 수준의 시각 정보로 이를 정렬하는 Vision-Guided Knowledge Adaptor(VGKA)와 Hard Negative Synthesis 메커니즘을 결합한 대조 학습(contrastive learning) 프레임워크다. OVEN 벤치마크의 unseen 세트에서 기존 최고 성능 대비 16% 향상된 28.5% 정확도를 달성하면서, 생성 모델 AutoVER 대비 추론 지연 시간을 약 100배 단축하는 데 성공했다.

arXiv:2507.05740v2cs.CL

GPTKB v1.5: A Massive Knowledge Base for Exploring Factual LLM Knowledge

GPT-4.1로부터 재귀적 지식 추출 방법론을 적용해 1억 개 트리플 규모의 대규모 지식 베이스(knowledge base)인 GPTKB v1.5를 구축하고, 이를 통해 대규모 언어 모델(LLM)의 사실적 지식을 링크 탐색, SPARQL 질의, 모델 간 비교 분석 방식으로 체계적으로 탐구할 수 있는 데모 시스템을 제시한다. 샘플 기반 평가의 가용성 편향(availability bias)을 극복하고 LLM 지식의 강점과 한계를 대규모로 분석할 수 있는 기반을 마련했으며, 트리플 정밀도 75.5%를 달성했다.

arXiv:2606.31156v1cs.IR

One Retrieval to Cover Them All: Co-occurrence-Aware Knowledge Base Reorganization for Session-Level RAG

단일 쿼리로 기업 사용자의 세션 전체 정보 요구를 충족하기 어려운 RAG 시스템의 한계를 해결하기 위해, 문서 공동 출현(co-occurrence) 패턴을 학습한 Word2Vec 기반 클러스터링으로 지식 베이스를 오프라인에서 재구성하고 검색 시 클러스터 이웃을 확장하는 방법을 제안한다. WixQA 벤치마크에서 단일 쿼리 세션 커버리지를 41%에서 58%로 향상시키고, 지식 베이스 크기를 20%로 압축하면서도 70% 커버리지 달성에 필요한 검색 호출 횟수를 34% 줄이는 성과를 보였다.