PyTorchKR Papers

최신 논문

총 96편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.07824v2cs.MA

CPM-MultiAgent: A CPM-Grounded Appraisal Framework for Simulating Dynamic Patient Emotional Evolution in Healthcare Dialogue

Large Language Models (LLMs) enable patient simulation for healthcare communication training, where learners practice responding to clinical information, concerns, and emotional reactions. However, existing patient simulation and affective dialogue systems often represent patient emotions as static attributes or focus on recognizing emotions and generating empathetic responses. They provide limited support for modeling how a simulated patient's emotional state evolves in response to a healthcare professional's communication. Changes in patient emotion constitute interactional feedback that learners must recognize and respond to across dialogue turns. We draw on the Component Process Model (CPM), a psychological theory that explains emotion as a dynamic process shaped by event appraisal. We propose CPM-MultiAgent, a CPM-grounded multi-agent framework for dynamic patient emotion simulation in healthcare communication training. The framework uses an emotion taxonomy informed by medical literature and expert input, and updates emotional states through healthcare-related trigger identification, structured CPM appraisal, and emotion-state integration, accounting for the patient's profile, clinical context, and prior emotional state. We evaluate the framework through student-led conversations and controlled trigger cases, combining nursing-expert assessments, LLM-judge comparisons, component ablations, backbone checks, and student feedback.

arXiv:2509.00761v5cs.AI

L-MARS: 에이전틱 검색 및 인용 충실성 감사를 갖춘 법률 다중 에이전트 시스템

L-MARS: Legal Multi-Agent System with Agentic Search and Citation-Faithfulness Audit

대규모 언어 모델(LLM)은 법률 질의응답에 점점 더 많이 배포되고 있으며, 평가는 일반적으로 객관식 정확도에 초점을 맞춘다. 이 지표는 흔한 실패를 간과한다. 즉, 답변에 붙은 인용 출처가 실제로 존재하는지, 그리고 시스템이 그 출처에 귀속시킨 규칙을 실제로 뒷받침하는지 여부이다. 우리는 에이전틱 검색과 심사(judge) 기반 증거 검증을 갖춘 공개 다중 에이전트 법률 QA 시스템인 L-MARS를 제안하고, 인용된 출처에 대해 주장(claim)별로 감사한다. 각 원자적 주장은 6분류 분류체계로 레이블링되며, 답변 생성기와 검증기가 서로 다른 모델 계열에서 나온 교차 제공자(cross-provider) 심사 하에서 strict-ALCE로 채점된다. 층화된 100문항 Bar Exam 감사에서 검색(retrieval)은 정확도를 거의 올리지 못하지만, 다중 턴 심사 루프는 strict citation F1을 0.13(단순 RAG)에서 0.25로 끌어올리고 무인용률을 34%에서 13%로 줄인다. 또한 Faith-Search를 도입한다. 이는 접근 불가능한 인용을 재검증하고 수정하는 초안 후(post-draft) 단계이며, 접근 불가능 비율을 1% 미만으로 낮추지만 다중 턴 루프 대비 F1을 개선하지는 않으므로, 충실성 돌파가 아니라 목표 지향적 접근 가능성(reachability) 개입으로 보고한다. 50문항 LegalSearchQA 사례 연구가 이 결과를 확인한다. 검색-후-초안(retrieve-then-draft) 파이프라인은 인용 F1이 약 0.75 근처에서 포화되지만, 단일 에이전트 웹 검색 기준선은 외부 감사 하에서 0.22로 급락한다.

arXiv:2606.18902v3cs.CL

SAGE: 에이전트 안내 탐험을 통한 확률적 프롬프트 최적화

SAGE: Stochastic Prompt Optimization via Agent-Guided Exploration

컨텍스트 엔지니어링은 매개변수 업데이트 없이 AI 시스템을 개선하는 주요 수단으로 부상했습니다. 텍스트 기울기가 실제 기울기처럼 기능하지 않는다는 것을 보여주는 최근 연구는 자동 프롬프트 최적화(APO)를 블랙박스 탐색으로 취급하게 만듭니다. 우리는 프롬프트 공간에 대한 확률적 탐색을 위한 프레임워크인 SPO(Stochastic Prompt Optimization)를 소개하고, 점차 정교해지는 세 가지 전략을 비교합니다: 오류 정보 기반 무작위 탐색, 진화 연산자를 갖는 유전자 알고리즘, 그리고 진단 코드 실행을 포함하는 멀티 에이전트 파이프라인인 SAGE(SPO via Agent-Guided Exploration)입니다. 세 가지 벤치마크에 걸쳐 단일 전략이 우위를 점하지는 못했으며, 효과성은 지형 구조와 오류 유형의 상호작용에 따라 달라졌습니다. 우리는 또한 연속 최적화 패러다임 하에서 멘탈 헬스 챗봇에 SAGE를 배포했으며, 여기서 SAGE는 개별적으로 노이즈가 많은 8 사이클의 A/B 테스트를 통계적으로 견고한 다음 날 유지율 향상으로 누적했습니다. 우리는 정성적 진단과 정량적 검증의 결합이 개방형 과제 중심 대화에서 에이전트 최적화를 효과적으로 만드는 요인이라고 주장합니다.

arXiv:2609.23790v1cs.AI

에이전시 총비용: 멀티 에이전트 LLM 워크플로에서 메모리 주입 비용의 정확한 귀속

Total Cost of Agency: Exact Attribution of Memory Injection Cost in Multi-Agent LLM Workflows

멀티 에이전트 대규모 언어 모델(LLM) 워크플로의 모든 노드는 메모리에서 컨텍스트를 검색하여 프롬프트에 주입하며, 주입된 토큰은 시스템 프롬프트와 사용자 쿼리와 동일한 토큰당 단가로 입력 토큰으로 청구된다. 프로덕션 관측(observability) 도구는 총 토큰 비용을 보고하지만 노드가 생성하는 토큰과 전달받은 토큰을 구분하지 않으므로, 청구서의 이 항목은 비용을 지불하는 팀에게는 보이지 않는다. 우리는 멀티 에이전트 워크플로 비용을 기본 프롬프트, 추론, 메모리 주입, 미스 페널티, 컨텍스트 누적 구성요소로 분해한 Total Cost of Agency(TCA)와, 단어 수 프록시로 추정하지 않고 주입 토큰을 직접 측정하는 2-pass 비청구 토큰 카운트 기반의 정확한 귀속 방법을 제안한다. 실제 모델 API에 대해 실행한 200개 태스크 기업 벤치마크에서 메모리 주입은 컴파일 타임 옵티마이저가 개입할 수 있는 가변 비용의 13.6%, 전체 청구 비용의 약 12%를 차지하며, 워크플로 깊이 1에서의 구조적 0에서 깊이 6에서 27.6%까지 그 비중이 증가한다. 측정 구간(깊이 2~6)에서 주입 토큰은 깊이에 대해 선형적으로 증가한다(R^2 = 0.9974); 2차 피팅의 leading coefficient가 음수이므로, 해당 깊이에서 데이터는 볼록(convex) 성장을 보이지 않는다. 고정된 모델 tier에서 이 구성요소가 제어 가능함을 보인다: 검색 윈도우 용량을 32개 항목에서 2개로 줄이면 주입 토큰이 28.7% 감소하고 정확도 변화는 시드(seed) 수준 변동 범위 내이다. 그래프 재작성(graph-rewriting) 변환이 단독으로는 대체로 비용 중립적임을, 다섯 분해 항 중 두 항이 이 하네스(harness)에서 구조적으로 0임을, 총 워크플로 비용이 모델 tier 할당에 의해 지배되며 이를 고정하고 선행 연구로 취급함을 전면 보고한다. 프롬프트 캐싱(prompt caching)은 평가하지 않았으며 모든 수치는 캐시 미사용(uncached) 경우에 대한 것이다.

arXiv:2510.03161v4cs.CV

UniShield: 통합 위조 이미지 탐지 및 위치 특정을 위한 적응형 멀티 에이전트 프레임워크

UniShield: An Adaptive Multi-Agent Framework for Unified Forgery Image Detection and Localization

이미지 생성 기술의 급격한 발전으로 합성 이미지가 점점 더 현실적으로 변하면서 오정보 및 사기와 같은 중대한 사회적 위험을 초래하고 있습니다. 이에 따라 위조 이미지 탐지 및 위치 특정(Forgery Image Detection and Localization, FIDL)은 정보 무결성과 사회적 보안을 유지하는 데 필수적인 기술로 떠올랐습니다. 기존 도메인 특화 탐지 방식들의 우수한 성능에도 불구하고, 좁은 특화 범위, 취약한 교차 도메인 일반화 능력, 그리고 통합된 적응형 프레임워크의 부재로 인해 실제 적용 가능성은 여전히 제한적입니다. 이러한 문제를 해결하기 위해, 본 논문에서는 이미지 조작, 문서 조작, 딥페이크(DeepFake), AI 생성 이미지를 포함한 다양한 도메인 전반에서 이미지 위조를 탐지하고 위치를 특정할 수 있는 새로운 멀티 에이전트 기반 통합 시스템인 UniShield를 제안합니다. UniShield는 인지 에이전트(perception agent)와 탐지 에이전트(detection agent)를 혁신적으로 통합합니다. 인지 에이전트는 이미지 특징을 지능적으로 분석하여 적합한 탐지 모델을 동적으로 선택하며, 탐지 에이전트는 다양한 전문 탐지기를 단일 프레임워크로 통합하고 해석 가능한 보고서를 생성합니다. 광범위한 실험을 통해 UniShield가 기존 통합 접근법과 도메인 특화 탐지기 모두를 능가하는 최고 수준(state-of-the-art)의 성능을 달성함을 보였으며, 우수한 실용성, 적응성 및 확장성을 입증했습니다.

arXiv:2610.02451v1cs.CV

산불 모니터링 및 보고를 위한 시뮬레이션 기반 에이전트 VLM 프레임워크

A Simulation-Grounded Agentic VLM Framework for Wildfire Monitoring and Reporting

효과적인 산불 모니터링을 위해서는 시각적 단서를 물리적 화재 역학(fire dynamics)과 연계해야 하지만, 물리적 주석이 동기화된 실제 비디오는 희소하며 고충실도(high-fidelity) 3D 시뮬레이션은 비용이 많이 듭니다. 본 논문에서는 2D 산불 시뮬레이션을 라벨이 지정된 비디오 에피소드로 자동 변환하는 시뮬레이션 기반(simulation-grounded) 비전-언어 모델(VLM) 프레임워크를 제시합니다. 고정된 Blender 매핑은 시뮬레이터 지형, 연료 배치, 화재 활동, 바람 단서에 정렬된 저세부도 3D 프록시를 생성하며, 제어 가능한 비디오 생성을 통해 더욱 풍부한 외형을 제공합니다. 이러한 프록시는 정교하게 렌더링된 최종 장면이라기보다는 중간 표현 역할을 합니다. 생성된 비디오와 시뮬레이터 라벨은 참조 에피소드를 검색하고 시각적 예측과 메모리 기반 예측을 조화시키며 정형화된 산불 보고서를 생성하는 학습(training) 불필요 다중 에이전트(multi-agent) VLM 시스템을 위한 재사용 가능한 멀티모달 메모리를 구성합니다. 홀드아웃(held-out)된 생성 에피소드에서 비디오 메모리는 직접적인 VLM 질의의 22.6%, 텍스트 전용 메모리의 16~17%에 비해 51.5%의 정확한 4개 태그 정확도를 달성했습니다. 전체 시스템은 시뮬레이터에서 파생된 6개 보고서 필드에서 77.3%의 정확도를 달성합니다. 구성 요소 제거 실험(ablation), 교차 생성기 테스트, 세 가지 실제 무인 항공기(UAV) 평가를 통해 검색, 보고, 생성기 변경 및 관찰 가능한 모니터링 작업을 평가합니다. 본 프레임워크는 실제 환경의 물리적 주석이 부족한 상황에서 자동 시뮬레이션-프록시 변환과 메모리 기반 VLM 추론을 연결합니다.

arXiv:2609.27822v1cs.MA

신뢰도 라우팅이 실제로 하는 일: 멀티 에이전트 숙의에서의 라우팅, 보정, 커밋먼트 감사

What Confidence Routing Is Actually Doing: Auditing Routing, Calibration, and Commitment in Multi-Agent Deliberation

일반적인 멀티 에이전트(multi-agent) 설계는 에이전트에게 신뢰도(confidence)를 보고하게 하고 가장 높은 점수를 받은 에이전트가 다음에 발언하도록 하는데, 이는 하나의 스칼라 값을 대화 라우팅과 불확실성 추정 모두에 암묵적으로 사용하는 방식이다. 우리는 이러한 신뢰도 기반 라우팅 브로드캐스트 프로토콜을 세 가지 트레이스 수준의 질문으로 나누어 감사한다. 즉, 올바른 후보를 선택하는지(라우팅), 보고된 신뢰도가 확률처럼 동작하는지(보정, calibration), 그리고 선택된 에이전트가 해당 턴에서 채택된 답을 공개적으로 진술하는지(커밋먼트)이다. 주요 연구는 gpt-oss-120b의 올림피아드 수학 트레이스 4,181개를 대상으로 하며, gemma-4-31B-it와 생물학 객관식 벤치마크를 추가한 2×2 액터-벤치마크 그리드에서 동일한 감사를 반복한다. 주요 셀에서 신뢰도는 정답 후보와 오답 후보를 구별하지만(AUROC 0.72) 심하게 과신하는 경향이 있다(평균 진술 신뢰도 79% 대비 정확도 52%). 교차 적합(cross-fitted)되고 티어별로 층화된 아이소토닉(isotonic) 절차는 보류된 후보에서 기대 보정 오차(Expected Calibration Error)를 0.278에서 0.008로 낮추지만, 부족한 변별력을 회복시키지는 못한다. 두 Gemma 셀에서 원본 AUROC는 각각 0.537과 0.440에 불과하다. 라우팅 역시 설정에 따라 달라진다. gpt-oss/수학에서는 고정 라우터 간 차이가 최대 1.1퍼센트포인트에 불과한 반면, Gemma 셀에서는 원본 신뢰도 argmax가 유효 후보 무작위 선택보다 각각 5.6, 11.2포인트 낮은 성능을 보인다. 커밋먼트는 또 다른 양상을 보인다. 주요 셀에서 투표(poll) 답과 발화된 답은 유효 쌍의 20.4%에서 달라지며, 이러한 수정 중 62.4%는 새로 생성된 것이고, 무조건부 정답률 변화는 -1.7포인트이다. 반면 나머지 세 셀은 +0.9에서 +12.2포인트 범위를 보인다. 이로부터 얻을 수 있는 일반화 가능한 교훈은 절차적이다. 배포 의사결정에 원본 신뢰도를 사용하기 전에 라우팅 변별력, 확률 보정, 공개적 커밋먼트를 각각 별도로 측정해야 한다.

arXiv:2609.27814v1cs.CL

LabourCrew: 노동법에 대한 신뢰 가능한 적대적 심의 및 법령 추론을 위한 멀티 에이전트 RAG 프레임워크

LabourCrew: A Multi-Agent RAG Framework for Trustworthy Adversarial Deliberation and Statutory Reasoning over Labour Law

법령 기반 질의응답(statutory question answering)에서는 검증 불가능한 노동권 관련 답변이 심각한 법적 결과를 초래할 수 있으므로, 모든 주장이 단순한 관련성을 넘어 반드시 증거로 추적 가능해야 합니다. 기존 시스템은 이에 미치지 못합니다. 단일 패스(single-pass) 검색-증강 생성(RAG)은 증거 부족을 감지하지 못하며, 멀티 에이전트 법률 토론 시스템은 그라운딩(grounding)을 프롬프트 관례 수준으로 취급하여 에이전트가 검색되지 않은 증거를 인용하도록 허용합니다. 이러한 격차를 해결하기 위해, 세 가지 그라운딩 메커니즘을 중심으로 구축된 멀티 에이전트 RAG 프레임워크인 LabourCrew를 소개합니다. 첫째, 고정 길이 스팬 대신 장, 조항, 단서 조항, 상호 참조 구조를 명시적으로 연결하는 그래프 인덱스인 StatuteGraph, 둘째, 옹호인(advocate)과 해석인(interpreter)을 증거 원장에 국한하여 검색되지 않은 텍스트를 인용하는 것을 원천 차단하는 동시에, 개별 실패가 시스템 다운으로 이어지지 않고 점진적으로 저하되도록 옹호인을 병렬 실행하는 내결함성 감독 위원회로 구성된 증거 교환 프로토콜(Evidence Exchange Protocol), 셋째, 단정적인 수락/기각 결정을 신뢰 점수로 대체하고 오수락률(false-accept rate)에 대한 무분포 경계(distribution-free bound)를 확보하기 위해 등각 위험 제어(conformal risk control)로 임계값을 설정하는 보정된 신뢰 게이트(Calibrated Trust Gate)입니다. 7개 추론 범주와 3개 난이도 단계에 걸친 방글라데시 2006년 노동법 기반의 500개 벵골어 문항 세트인 LabourActQA에서 평가를 수행했습니다. 본 프레임워크는 실증적 오수락률을 목표치($\alpha = 0.10$) 이내인 0.081로 낮추고, HyDE RAG, Graph-RAG, Hierarchical RAG 대비 가장 높은 답변 관련성(Answer Relevancy)을 달성했으며(0.862 $>$ 0.839, 0.815, 0.828), 질문 난이도가 높아짐에 따라 급격한 성능 저하 없이 점진적으로 저하됩니다. 이러한 결과는 저자원 법령 도메인에서 법률 질의응답을 감사 가능하게 만드는 핵심이 검색 품질 단독이 아닌 보정된 기권(calibrated abstention)임을 보여줍니다.

arXiv:2609.27175v1cs.MM

이의 제기 경험의 기억 통합을 통한 자기 진화형 멀티미디어 검증

Self-Evolving Multimedia Verification through Memory Consolidation of Contestation Experiences

멀티미디어 검증은 정확한 판단뿐 아니라 추적 가능한 증거, 신뢰할 수 있는 인간의 수정, 그리고 선행 경험의 안전한 재사용을 요구한다. 기존 시스템은 종종 중간 추론을 수정하거나 유해한 지식 전이를 방지하는 명시적 메커니즘을 갖추지 못한다. 본 논문은 SEMV(Self-Evolving Multimedia Verification)를 제안한다. 이는 자기 진화형 다중 에이전트 프레임워크로, 출처 정보를 담은 논증(argument)을 증거, 추론, 인간의 이의 제기(contestation), 기억(memory) 사이의 인터페이스로 다룬다. SEMV는 아레나 기반 정량적 이분 논증(A-QBAF), 인과적·범위 제한(scoped) 수정, 검증 게이트가 있는 기억 통합 및 명시적 갈등 보존을 결합한다. COSMOS 벤치마크에서 SEMV는 91.88% 정확도를 달성하며, 이는 비교 가능한 최강 기준선의 89.10%를 상회한다. 검증된 기억은 부정적 전이를 5.7%에서 0.2%로 줄인다. 리뷰어 이의 제기로 구성된 CTR 벤치마크에서 범위 제한 인과 수정은 초기 오류의 96.7%를 교정하면서 연산량 52.8%를 절감한다. MV2026 Grand Challenge 데이터셋은 증거 기반의 시간적으로 일관된 보고를 추가로 뒷받침한다. 이러한 결과는 SEMV가 검증된 경험을 통해 진화할 수 있으면서, 축적된 지식과 이후 결정을 추적 가능하고, 수정 가능하며, 이의를 제기할 수 있게 유지할 수 있음을 보여준다.

arXiv:2609.26952v1cs.AI

Python 의존성 지옥에서 벗어나기: Python 의존성 해결을 위한 하이브리드 리플레이-수리 파이프라인

Escaping Python Dependency Hell: A Hybrid Replay-and-Repair Pipeline for Python Dependency Resolution

Python 생태계의 의존성 충돌은 호환되지 않는 버전 제약, 누락된 패키지, 문서화되지 않은 호환성 관계에서 비롯되어, 많은 실세계 코드 스니펫이 실행 시 실패하게 만든다. 본 논문은 의존성 실패 스니펫 2,891개로 구성된 HG2.9K 벤치마크에서 평가된 하이브리드 의존성 수리 파이프라인인 PLLM+를 제시한다. PLLM+는 LLM 기반 수리를 호출하기 전에 비용이 적은 결정론적 단계를 우선한다: 정적 AST 기반 인터프리터 추론, 대회에서 제공된 solutions database의 과거에 성공한 의존성 구성의 리플레이(replay), 후보 패키지 버전에 대한 실시간 PyPI 검증. 이 단계들로 사례가 해결되지 않으면, 유형화된 오류 분류와 Proposer/Critic 에이전트를 갖춘 구조화된 LLM 기반 수리 루프로 폴백한다. HG2.9K에서 PLLM+는 2,891개 스니펫 중 1,500개를 해결했으며, PLLM 기준선이 해결한 1,169개와 비교된다. 또한 스니펫당 평균 실행 시간을 368.7초에서 71.8초로 줄였다. 대부분의 성공적 수정은 알려진 구성의 리플레이에서 나온다: 1,500건의 성공 수정 중 1,495건은 solutions database가 생성했고, LLM 폴백은 추가로 5건을 담당했다. 이 결과는 이 벤치마크 설정에서, 이전에 검증된 의존성 구성의 결정론적 재사용이 단순하고 효과적인 전략이며, LLM 기반 수리는 기존 해법이 다루지 못하는 사례에 대한 2차 폴백 역할을 한다는 것을 시사한다.

arXiv:2609.25325v1cs.NE

대규모 언어 모델을 활용한 온라인 자동 알고리즘 설계

Online Automated Algorithm Design with Large Language Models

대규모 언어 모델(LLM)은 추론과 코드 합성을 통해 자동 알고리즘 설계(AAD)를 가능하게 한다. 그러나 기존의 LLM 기반 AAD 방법 대부분은 알고리즘 설계와 대상 최적화를 분리하여, 최적화 상태가 변화하는 동안에도 고정된 설계를 그대로 배포한다. 기존의 적응형 옵티마이저는 이러한 변화에 대응할 수 있지만, 그 조정은 사전에 정의된 파라미터, 연산자 또는 전략의 범위에 국한된다. 이러한 한계를 해결하기 위해, 본 논문은 알고리즘 자체를 상태 의존적 결정 변수로 취급하는 새로운 최적화 패러다임인 온라인 LLM 기반 AAD를 제안한다. 각 단계에서 LLM 에이전트는 현재의 최적화 상태로부터 새로운 동작 로직을 갖춘 알고리즘을 합성한다. 생성된 알고리즘을 실행하면 탐색이 진행되고 이후 설계를 위한 피드백이 제공되므로, 별도의 오프라인 알고리즘 사전학습 단계 없이도 알고리즘 설계와 대상 최적화가 결합된다. 이 패러다임을 구현하기 위해 본 논문은 상충하는 설계 관점을 조율하여 실행 가능한 알고리즘을 합성하고, 실행 피드백을 활용해 이후 설계를 위해 런타임 증거를 해석하는 방식을 개선하는 멀티 에이전트 프레임워크인 OnDesign을 제안한다. 우리는 두 가지 주류 블랙박스 최적화 패러다임에 걸친 세 가지 시나리오, 즉 베이지안 최적화, 진화적 연속 최적화, 진화적 혼합 변수 최적화에서 OnDesign을 평가한다. 여섯 개의 벤치마크 스위트와 하나의 공학 문제에 대해 다양한 문제 차원에서 수행한 광범위한 실험을 통해, 기존 옵티마이저와 오프라인 LLM 기반 AAD 방법보다 우수한 전반적 성능을 보임을 입증한다.

arXiv:2609.24876v1cs.AI

사회적 능동 추론에서의 파트너별 정서적 정밀도

Partner-Specific Affective Precision in Social Active Inference

다중 에이전트 사회적 맥락에서는 관계마다 모델 신뢰성이 달라진다. 타인이 무엇을 할지 추론하는 것을 넘어, 에이전트는 그 추론이 각 관계에 대해 정책 선택을 얼마나 확신 있게 이끌어야 하는지 보정해야 한다. 한 파트너에 대해서는 잘 검증된 모델을, 다른 파트너에 대해서는 취약한 모델을, 또 다른 파트너에 대해서는 수정 중인 모델을 유지할 수 있으며, 이를 단일 신뢰도 추정으로 묶으면 정책 선택에 관련된 정보가 사라진다. 따라서 우리는 정서적 정밀도를 현재 파트너 모델에 대한 신뢰의 관계 특이적 메타인지적 추정으로 형식화한다. 각 파트너의 행동 증거는 국소 신뢰도 추정을 갱신하고, 이는 선택 시 정책 정밀도를 조절하여 그 신념의 내용을 바꾸기보다는 정책에서 현재 신념이 얼마나 강하게 표현되는지를 조절한다. 다중 파트너 등급 신뢰 게임에서의 시뮬레이션은 파트너 국소 정서적 정밀도가 행동에 주로 파트너 상태 추론의 직접적 개선보다는 정책 확약을 통해 영향을 미침을 보여준다. 이 메커니즘이 실현된 보상이 아니라 파트너 반응의 예측 가능성을 추적하기 때문에, 더 큰 신뢰는 반드시 더 높은 보상을 낳지 않으면서도 더 날카로운 정책 확약을 만든다. 사회적 행동의 급격한 변화 아래에서는 이전에 신뢰할 만했던 예측에서 축적된 신뢰가 관계가 바뀐 뒤에도 행동적으로 활성 상태로 남을 수 있어, 신뢰 수정이 사회적 변화 뒤처질 수 있음을 보여준다. 마지막으로 정밀도 이득과 사전분포를 달리하면 서로 다른 신뢰 보정 역학이 나타나, 신뢰의 축적과 수정이 모델 매개변수에 어떻게 의존하는지를 보여준다. 종합하면, 이러한 결과는 관계 특이적 정서적 정밀도가 사회적 예측과 사회적 정책 확약을 어떻게 구분할 수 있는지를 보여준다.

arXiv:2609.24165v1cs.AI

APEXA: 다중 에이전트 LLM 기반 싱크로트론 데이터 축소 자동화의 실행 무결성 강제

APEXA: Execution-Integrity Enforcement for Multi-Agent LLM Automation of Synchrotron Data Reduction

싱크로트론 데이터 축소, 즉 테라바이트 규모 회절 계열에 대한 검출기 보정과 방위각 통합(azimuthal integration)은 다단계이며 전문가에 의존하는 병목으로, 사용자 시설의 과학 생산성을 점점 더 제한하고 있다. LLM 에이전트는 이 병목을 해소할 것으로 기대되지만, 확률적 모델로 실제 파이프라인을 구동하면 채팅 벤치마크에서는 드러나지 않는 실패 양상이 생긴다. 에이전트는 실제로 계산되지 않은 보정을 보고할 수 있다. 여기서 정확성은 대화 기록(transcript)이 아니라 실제로 실행된 것의 속성이다. 우리는 APEXA를 제시한다. 이는 주요 광원에서 자연어로 보정과 통합을 자동화하는, 배포된 다중 에이전트 프레임워크(이종 컴퓨팅 위 61개 도구, 단일 추론 루프로 실행)이다. 세 가지 기여를 한다. 첫째, 실행 무결성 강제: 실행된 도구 호출로 뒷받침되지 않은 어떤 결과도 노출을 거부하는 결정론적 도구층 가드와, 모델 간 도구 호출 형식 편차에 관대한 파서. 배포 환경에서 프론티어 모델이 실행되지 않은 명령에 대해 완전한 보정 비교 보고서를 조작했으며, 가드는 이를 명시적 비결과(non-result)로 변환한다. 동일 코드는 선택적 모터 제어 표면을 시뮬레이션 IOC에 대한 적대적 위반 200건 중 0건으로, 동등한 안전 프롬프트는 15/200으로 게이트한다. 둘째, APEXA-Bench를 공개한다. 58개 시설 과제(기본 50개와 8과제 교차 검출기 슬라이스) 평가 하네스로, 네 가지 클래스의 물리적 결과 분류 체계로 구성되며, 낭비된 컴퓨팅 사이클과 손상된 기기를 구분하는 우리가 아는 첫 벤치마크 축이다. NIST 추적 가능 격자 상수에 대한 교차 검출기 채점은 두 개의 잠재 파이프라인 버그를 드러냈다. 대규모 에이전트 채점은 정식 연구에 맡긴다. 셋째, 실제 빔라인 데이터에서 APEXA를 검증한다. 하나의 자연어 프롬프트로 검출기 기하를 복구하고 전체 감쇠/노출 sweep을 통합한다. 프레임워크, 하네스, 트레이스를 공개한다.

arXiv:2609.22408v1cs.AI

AI 집단에서의 사회적 영향력과 과학적 관심의 배분

Social Influence and the Allocation of Scientific Attention in AI Populations

인공지능(AI) 시스템은 과학 연구의 평가와 활용에 직접 참여하는 주체로 자리 잡아가고 있다. 이들 시스템은 인간 독자를 중심으로 설계된 인용 수, 다운로드 통계, 인기 논문 목록 등의 신호를 마주하게 되지만, 이러한 신호가 인공 독자들에게 미치는 집합적 결과는 여전히 불확실하다. 본 논문은 Music Lab 실험 설계를 학술적 관심 시장에 맞게 적용한다. 첫 번째 실험에서는 1,000개의 AI 에이전트(agent)가 2025년 American Economic Review에 게재된 정규 연구 논문 114편 전체의 제목과 초록을 바탕으로 논문을 선택한다. 실험은 독립적 선택 커뮤니티 5개와 사회적 영향력 커뮤니티 5개로 구성되며, 각 커뮤니티에는 순차적으로 참여하는 100개의 에이전트가 배정된다. 사회적 영향력 조건에 속한 에이전트만이 자신의 커뮤니티 내 이전 선택 기록을 관찰할 수 있다. 에이전트는 논문을 원하는 수만큼 선택할 수 있다. 사회적 정보가 주어진 커뮤니티는 에이전트당 선택한 논문 수가 17.2% 적었고, 선택을 더 집중시켰으며, 독립적 조건에서 총 90편을 다룬 데 비해 집합적으로 73편만을 다루었다. 또한 사회적 정보가 있을 때 커뮤니티 간 편차가 더 크게 나타났다. 20개 사회적 커뮤니티에 걸쳐 200개의 에이전트를 대상으로 한 두 번째 실험에서는, 논문에 초기 5회의 선택을 무작위로 할당했을 때 후속 선택 비율이 45.55%포인트(95% CI: 41.20~49.90) 증가했다. 에이전트들의 선택은 외부 인용 수와는 미미한 일치도를 보였으며, 다운로드 수와는 거의 일치하지 않았다. 이러한 결과는 단순한 정보 규칙이 인공 집단 내에서 과학적 관심의 양, 범위, 그리고 분포를 어떻게 형성하는지 보여준다.

arXiv:2609.22641v1cs.CV

ConsistWorld: 일관된 다중 에이전트 월드 모델을 위한 증거 라우팅

ConsistWorld: Evidence Routing for Consistent Multi-Agent World Models

자기회귀(autoregressive) 비디오 월드 모델은 단일 관측자에 대해 시간적으로 일관된 생성을 가능하게 한다. 다중 에이전트로 확장하려면 인과적 스트리밍(causal streaming) 하에서 독립적으로 제어되는 시점과 시간적 간극에 걸친 일관성이 필요하다. 우리는 하나의 공유 이미지로부터 정적 장면에 대한 카메라 제어 비디오 스트림을 생성하는 다중 에이전트 월드 모델 ConsistWorld를 제안한다. 일관성을 확정된 다중 에이전트 이력과 동시에 생성되는 동료(peer) 시점으로부터의 증거를 생성 중인 토큰으로 라우팅하는 것으로 공식화한다. Pose Conditioned Memory Retrieval은 모든 에이전트로부터 관련 역사적 관측을 선택하여 최근 컨텍스트 윈도(context window)를 넘는 증거를 복원한다. Visibility-Gated Peer Sharing은 추정된 역사적 커버리지와 현재 시점 중첩에 따라 현재 동료 정보를 조절한다. 두 메커니즘은 함께 어떤 역사적 관측이 컨텍스트에 들어가는지, 동시 동료 정보가 어디에 기여하는지를 결정하여 장기 회상과 조율된 탐험을 지원한다. 두 메커니즘 모두 카메라 기하학을 사용하며 고정된 에이전트 수와 검색 예산에 대해 유계의 활성 컨텍스트를 유지한다. 증거 공유 사례 및 비디오 길이·에이전트 수 일반화에 대한 실험은 ConsistWorld가 경쟁력 있는 생성 품질을 유지하면서 강한 시간 간·에이전트 간 일관성을 달성함을 보여준다.

arXiv:2607.08960v2cs.LG

Eluna: 추론 및 작업 실행을 통한 창고 운영 자동화를 위한 에이전틱 LLM 시스템

Eluna: An Agentic LLM System for Automating Warehouse Operations with Reasoning and Task Execution

창고 운영은 복잡한 다중 시스템 의사결정 로직을 인코딩하는 표준 운영 절차(SOP, Standard Operating Procedures)에 의해 관리되며, 이는 엄격한 시간 제약 하에 신뢰성 있게 실행되어야 한다. 그러나 대규모 언어 모델(LLM) 에이전트는 절차적 준수를 강제하는 메커니즘이 부족하고, 전체 SOP 명세가 유발하는 컨텍스트 과부하로 인해 성능이 저하된다. 우리는 신뢰성 있는 SOP 실행을 위해 프로덕션에 배포된 에이전틱 시스템인 Eluna를 소개한다. Eluna는 그래프 기반의 다중 에이전트 프레임워크로, SOP를 점진적 공개(progressive disclosure) 방식의 방향성 비순환 그래프(DAG)로 인코딩하고, 독립적인 작업을 병렬 서브 에이전트에 위임하며, 각 에이전트는 지속적인 코드 실행과 실시간 데이터 접근을 지원한다. 프로덕션의 지연 시간 및 정확도 요구를 충족하기 위해, 우리는 비대칭 에피소딕 지식 증류(asymmetric episodic distillation)를 활용한다. 이 방식에서는 강력한 교사 모델이 에피소딕 오류 메모리를 통해 개선되고, 더 작은 학생 모델은 메모리가 제거된 수정 궤적(corrected trajectories)으로 파인튜닝되어, 추론 시간 오버헤드 없이 수정 사항을 내재화한다. 13개 작업 벤치마크와 두 가지 프로덕션 애플리케이션에서, 우리의 파인튜닝된 모델은 교사 모델과 동등하거나 이를 초과하고, 더 큰 모든 기성 베이스라인을 능가하며, 티켓 처리 애플리케이션에서 94%의 전문가 합의율에 도달한다.

arXiv:2601.09515v3cs.CL

SERM: 대규모 쿼리 스트림의 에이전트 주도 학습을 통한 자기 진화형 관련성 모델

SERM: Self-Evolving Relevance Model with Agent-Driven Learning from Massive Query Streams

실세계 쿼리 스트림의 동적으로 진화하는 특성으로 인해 관련성 모델은 실용적인 검색 시나리오에 일반화하는 데 어려움을 겪는다. 정교한 해결책은 자기 진화(self-evolution) 기법이다. 그러나 대규모 쿼리 스트림을 다루는 대규모 산업 환경에서는 이 기법이 두 가지 과제에 직면한다: (1) 정보가 풍부한(informative) 샘플이 종종 희소하고 식별하기 어렵고, (2) 현재 모델이 생성한 의사 라벨(pseudo-label)이 신뢰할 수 없을 수 있다. 이러한 과제를 해결하기 위해 본 연구에서는 두 가지 상호 보완적인 다중 에이전트 모듈로 구성된 자기 진화형 관련성 모델(Self-Evolving Relevance Model, SERM) 접근법을 제안한다: 분포 이동(distributional shift)을 감지하고 정보가 풍부한 학습 샘플을 식별하도록 설계된 다중 에이전트 샘플 마이너(multi-agent sample miner), 그리고 2단계 합의 프레임워크(two-level agreement framework)를 통해 신뢰할 수 있는 라벨을 제공하는 다중 에이전트 관련성 주석기(multi-agent relevance annotator). 우리는 SERM을 매일 수십억 건의 사용자 요청을 처리하는 대규모 산업 환경에서 평가한다. 실험 결과는 광범위한 오프라인 다국어 평가와 온라인 테스트를 통해 검증된 바와 같이, SERM이 반복적 자기 진화를 통해 상당한 성능 향상을 달성할 수 있음을 보여준다.

arXiv:2607.23920v1cs.CV

무엇을 편집할 수 있을까? 개방형 전략 발견과 감정 편집 가능성 지형

What Can I Edit? Open-Ended Strategy Discovery and the Emotion Editability Landscape

감정적 이미지 편집은 정서적 필터를 적용하거나 사전 정의된 시각적 요인을 수정하는 것만으로는 충분하지 않다. 효과적인 편집은 특정 이미지가 목표 감정을 위해 무엇을 제공할 수 있는지(affordance)를 식별해야 한다. 기존 정서적 이미지 조작 방법들은 최근 에이전트 기반 변형을 포함하여, 대체로 사전 정의된 요인 분류체계, 지식 라이브러리, 또는 기존 편집 템플릿에 기반한 제한된 전략 공간 내에서 작동하며, 따라서 종종 이미지 특화적이고 맥락에 기반한(context-grounded) 전략을 놓친다. 본 논문에서는 EmoScope라는 다중 에이전트 프레임워크를 제안한다. EmoScope는 과제를 "어떻게 편집해야 하는가?"에서 "무엇을 편집할 수 있는가?"로 재구성한다. EmoScope는 먼저 감정 조건화된 어포던스(affordance) 추론을 통해 이미지 특화적 편집 가능 공간을 발견한 다음, 앵커(anchor), 변수(variable), 맥락(context)의 의미적 계층을 사용하여 편집을 실행하고 검증하기 전에 내용 일관성과 감정적 표현력 사이의 균형을 맞춘다. 계획이 검색된 템플릿이 아닌 이미지 특화적 어포던스로 표현되기 때문에, EmoScope는 또한 편집 전략을 계획 수준에서 사용자 정교화를 위한 대화형 표면으로 노출한다. Mikels 감정 8개 범주 전체를 아우르는 대규모 인간 평가에서, 1,824개의 쌍별(pairwise) 질문에 걸쳐 4,693개의 유효 응답을 수집한 결과, 참가자들은 평균 88.1%의 비율로 두 개의 경쟁 기준선보다 EmoScope를 선호했다. 속성 귀속(attribution) 분석은 EmoScope가 균일한 템플릿을 적용하기보다 목표 감정에 적응적인 전략을 선택함을 추가로 보여준다. 동일한 어포던스 수준 계획은 대화형 파일럿에서 경량 사용자 정교화도 지원한다. 마지막으로, 분류기 기반 지표가 비정형적이고 맥락에 기반한 편집에 대해 감정 조건화된 맹점을 보임을 보이고, EmoScope의 이점이 이미지-감정 조합에 걸쳐 체계적으로 달라짐을 보여주는 상대적 내용-감정 선호-친화도 지형을 제시한다.

arXiv:2607.23929v1cs.AI

MemTX: 상태 유지 에이전트 메모리를 위한 트랜잭션 신념 커밋

MemTX: Transactional Belief Commit for Stateful Agent Memory

대규모 언어 모델(LLM) 에이전트는 점점 더 영속적인 공유 메모리를 통해 협조하고 있다. 한 에이전트의 쓰기는 다른 에이전트의 전제가 되고, 결국 실제 부작용을 가진 도구 호출로 이어진다. 현재의 에이전트 메모리 시스템은 수락된 모든 쓰기를 즉시 실행 가능한 진실로 취급하므로, 오염된 도구 결과, 오래된 업데이트, 또는 팀원의 미완성 메모가 조용히 되돌릴 수 없는 행동을 유발할 수 있다. 우리는 메모리 쓰기가 신념 커밋(belief commit)이 아니라고 주장한다. 우리는 트랜잭션 신념 커밋 프로토콜인 MemTX를 제안한다. 각 레코드는 증거, 권한, 출처(provenance), 유효성을 담는다. 쓰기는 스냅샷 격리 트랜잭션 내에서 스테이징되고 검증-커밋 파이프라인에 의해 승인되며, 되돌릴 수 없는 도구 호출은 진행 중인 신념 상태에 의해 게이팅되고, 신념을 철회하면 파생 레코드와 도구 부작용에 대한 타입화된 연쇄 수리(cascading repair)가 트리거된다. 행동 안전 게이팅(action-safety gating)과 연쇄 수리 완전성(cascade-repair completeness)이라는 두 불변식은 속성 기반 테스트(property-based testing)와 550만 개의 프로토콜 상태에 대한 유계 완전 열거(bounded exhaustive enumeration)로 기계 검증되었으며, 위반은 0건이었다. 세 모델 패밀리의 다섯 백본(backbone)에 걸쳐 MemTX는 네 백본에서 paired-McNemar 유의성으로 여덟 기준선을 모두 앞서며, 다섯 번째이자 가장 강력한 백본에서는 최고 기준선과 통계적으로 동률을 이루면서, 모든 백본에서 하류 피해(downstream harm)가 0인 유일한 방법으로 남는다. 백본 역량은 커밋 규율(commit discipline)을 대체할 수 없다.

arXiv:2607.22375v1cs.AI

IDEAgent: 연구 아이디어 생성을 위한 에이전트형 품질-다양성(Quality-Diversity) 검색

IDEAgent: Agentic Quality-Diversity Search for Research Idea Generation

대규모 언어 모델(LLM)은 지난 몇 년간 과학적 발견 과정을 크게 자동화해 왔다. 그러나 기존 시스템은 공통된 핵심 한계를 공유한다: 품질(Quality) 또는 다양성(Diversity) 중 하나에 대해서만 독립적으로 아이디어를 생성하고 최적화한다. 이는 종종 서로 가까운 아이디어가 생성되거나, 사소하고 부적절하거나 불명확한 개념들의 대규모 집합이 생성되는 결과로 이어진다. 본 연구에서는 대신 연구 아이디어 구상을 두 목표의 결합으로 취급하고 품질-다양성(Quality-Diversity, QD) 검색으로 프레이밍해야 한다고 주장한다. 이러한 관점에 따라, 계보(lineages)를 통해 아이디어의 진화를 관리하는 다중 에이전트 프레임워크인 IDEAgent를 제안한다. 우리는 전용 수리(repair) 및 정제(refinement)를 위한 다목적 피드백으로 품질을 공동적으로 추진하고, 다양성은 경량 순차 메모리와 완료된 아이디어, 그 역사적 선조, 그리고 거부된 제안들과의 명시적 비교를 통해 달성한다. 이러한 QD 결합을 체계적으로 평가하기 위해, 사전 결정된 품질 임계값을 만족하는 상호 다양한 아이디어들의 최대 집합을 계산하는 공동 지표인 Yield를 개발한다. 마지막으로, 컴퓨터 과학(CS) 8개 도메인에 걸친 32개 주제에 대한 평가를 통해, IDEAgent가 Yield에서 최고 기준선 대비 3.89배 우수한 성능을 보이며, 8배 더 많은 주제에서 0이 아닌 Yield를 달성함을 보인다. 우리는 품질 개선 분석을 통해 이러한 발견을 추가로 뒷받침하며, 수리와 정제가 명백하지 않음(non-obviousness)을 보존하면서 논리적 엄밀성과 명확성을 구축하는 데 핵심적임을 보인다. QD 검색 기반 아이디어 구상에 대한 향후 연구를 장려하기 위해, IDEAgent를 https://github.com/declare-lab/IDEAgent 에서 오픈소스로 공개한다.