PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.08740v1cs.AI

워크플로우를 지식으로: LLM 매개 워크플로우를 위한 의미론적 영속성

Workflow as Knowledge: Semantic Persistence for LLM-Mediated Workflows

LLM 기반 워크플로우의 정의, 실행 인스턴스, 추론 기록을 실행 흔적이 아닌 검사·재개·검토 가능한 영속 지식 객체로 표현하는 Lisp 영감의 개념 모델을 제안하며, 결정론적 계산(derive)과 LLM 매개 판단(infer)을 의미론적으로 명확히 구분한다.

arXiv:2606.19795v1cs.SE

에이전트 기반 전자 설계 자동화: 인계 관점

Agentic Electronic Design Automation: A Handoff Perspective

전자 설계 자동화(EDA)는 본질적으로 다단계(multi-stage)이며 인계(handoff)가 빈번합니다. 설계 산출물, 플로우 스크립트, 엔지니어링 결정은 최종 구현, 사인오프(signoff), 또는 출시 전에 도구, 세션, 조직 경계를 넘어갑니다. 각 전달은 단계별 로컬 검사에서 완전히 포착되지 않을 수 있는 명시적 및 암묵적 요구사항을 포함합니다. 이제 대규모 언어 모델(LLM) 기반 에이전트는 EDA 도구를 직접 호출하고, 검색된 지식을 실행 가능한 스크립트에 임베딩(embedding)하며, 세션과 단계 간에 상태를 인계합니다. 출력이 다운스트림(downstream) 엔지니어링 결정에 영향을 미치게 되면, 전달된 객체는 인계 계약(handoff contract)을 충족하고 다음 소비자의 가정을 만족해야 합니다. 본 조사는 인계 유효성(handoff validity)을 구성 원칙으로 도입합니다. 인계는 전달된 객체가 소비자의 수락 조건을 충족하고 다운스트림 사용을 위해 충분한 컨텍스트(context), 증거, 출처(provenance)를 포함할 때 유효합니다. 우리는 82개 시스템을 검토하고 이를 세 가지 경계 클래스로 분류했습니다. 단계 경계(Stage-Bound) 시스템은 단일 EDA 단계 또는 제한된 검증 작업 내에서 유효성을 확립합니다. 플로우 경계(Flow-Bound) 시스템은 도구, 호출, 세션에 걸쳐 일관된 워크플로우 상태를 유지합니다. 조직 경계(Organization-Bound) 시스템은 지식 및 권한 경계에 걸쳐 소스 그라운딩(source grounding), 출처, 범위, 적격성(admissibility)을 유지합니다. 각 클래스에 대해 인계 계약, 인계 객체, 조정 메커니즘, 미해결 문제를 분석합니다. 이러한 분석은 에이전트 발견, 에이전트 메시지, 도구 호출, 워크플로우 오케스트레이션, 보안 및 IP 프로토콜을 포함하는 5계층(five-layer) EDA 에이전트 통신 프로토콜(EACP)을 동기합니다. 우리는 신뢰할 수 있는 에이전트 기반 EDA를 위한 공통 어휘와 연구 의제를 제공하는 것을 목표로 합니다.

arXiv:2606.07491v1cs.DC

AI 기반 HPC 워크플로우 설계를 위한 12가지 빠른 팁

Twelve quick tips for designing AI-driven HPC workflows

고성능 컴퓨팅(HPC) 클러스터는 대규모 과학 계산의 중추로 남아 있으며, 전통적으로 예측 가능한 성능을 위해 최적화된 결정론적이고 선형인 파이프라인을 실행해 왔습니다. 그러나 과학 연구에 인공지능(AI)과 파운데이션 모델이 광범위하게 통합됨에 따라 근본적으로 새로운 계산 패러다임이 도입되었습니다. AI 기반 워크플로우는 본질적으로 반복적이고, 데이터 주도적이며, 확률적이어서 데이터 중력(data gravity), 이기종 리소스 관리, 복잡한 워크플로우 오케스트레이션과 관련된 독특한 과제를 야기합니다. 이 가이드는 연구자들이 효율적이고, 확장 가능하며, 재현 가능한 AI 기반 HPC 워크플로우를 설계할 수 있도록 돕기 위해 고안된 12가지 실용적인 팁을 제공합니다. 환경 이식성을 위한 컨테이너화, 잡 배열의 전략적 배포, 명시적인 피드백 루프 메커니즘, 작은 파일에 대한 I/O 최적화와 같은 주요 시스템 수준의 병목 현상을 해결함으로써, 이 기사는 경직된 실행 파이프라인에서 적응형 지능형 계산 환경으로 전환하기 위한 프레임워크를 제공합니다. 이러한 아키텍처 원칙은 분산 환경 전반에 널리 적용 가능하지만, 특히 현대 계산 생물학의 자원 집약적인 처리량 요구에 맞춰 조정되었습니다.