KOINEU

Computer Science Multiagent Systems

Harm in AI-Driven Societies: An Audit of Toxicity Adoption on Chirper.ai

본 논문은 AI 기반 소셜 에이전트가 온라인 플랫폼에서 어떻게 행동하는지에 대한 깊이 있는 이해를 제공하며, 특히 독성 콘텐츠 생성과 관련된 문제점을 집중적으로 분석한다. 이 연구는 Chirper.ai라는 플랫폼을 통해 LLM 기반 에이전트의 동작 패턴을 경험적으로 감사하고, 이러한 에이전트들이 어떻게 독성을 생성하고 채택하는지에 대한 중요한 통찰력을 제공한다. 기술적 혁신성 본 논문은 AI 기반 소셜 에이전트의 행동 이해를 위한 새로운 접근법을 제시한다. 특히, Chirper.ai 플랫폼을 활용하여 LLM 기반 에이전트가 독성 콘

January 03, 2026

LLM Collusion

본 논문은 알고리즘 기반 가격 결정 체계에서 대형 언어 모델(LLM)이 불법적인 담합을 유발할 수 있는 잠재적 위험에 대해 깊이 있게 분석하고 있습니다. 이 연구는 LLM의 공유된 지식 인프라와 데이터 집적 정책이 어떻게 시장 수준에서 조율되지 않은 협력을 가능하게 하는지, 그리고 이러한 메커니즘은 어떻게 실제 비즈니스 환경에서 위험성을 높이는지를 설명하고 있습니다. 기술적 혁신성 본 논문의 주요 기술적 혁신성은 LLM이 가격 책정에 활용될 때 발생할 수 있는 콜루션 위험을 이론적으로 분석하는 것입니다. 특히, 본 연구는 LLM이

January 03, 2026

Economics

Measuring Social Media Polarization Using Large Language Models and Heuristic Rules

이 논문은 기존 감성 분석이나 사전 학습된 분류기 중심의 양극화 연구와 차별화되는 두 가지 핵심 요소를 제시한다. 첫째, 대형 언어 모델을 활용해 텍스트에서 ‘입장(stance)’, ‘감정적 어조(affective tone)’, ‘동의·반대 패턴(agreement dynamics)’을 다층적으로 추출한다는 점이다. 기존 방법은 주로 단일 차원의 감성 점수(긍정/부정) 혹은 사전 정의된 레이블(찬성/반대)만을 제공했지만, LLM은 문맥을 고려해 미묘한 입장 변화를 포착하고, 감정의 강도와 유형(분노, 슬픔, 혐오 등)까지 세분화한다.

January 02, 2026

Computer Science Social Networks Model

Optimizing LSTM Neural Networks for Resource-Constrained Retail Sales Forecasting: A Model Compression Study

이 논문은 소매 판매 예측 분야에서 LSTM 네트워크의 효율성과 정확성을 극대화하는 방법에 대해 깊이 있게 탐구하고 있다. 특히, 이 연구는 자원 제약을 가진 소규모 및 중소 규모 매장에서도 효과적인 AI 기반 예측 시스템을 구축할 수 있도록 하는 모델 압축 기법의 중요성을 강조한다. 기술적 혁신성 이 논문은 LSTM 네트워크를 압축하는 다양한 방법론을 체계적으로 평가하고, 특히 64개 은닉 유닛을 가진 모델이 가장 높은 예측 정확도를 보이는 것을 발견했다. 이는 표준 LSTM(128개 은닉 유닛)보다 메모리 사용량을 줄이고 추론

January 02, 2026

Computer Science Network Machine Learning Model

Application of deep learning techniques in non-contrast computed tomography pulmonary angiogram for pulmonary embolism diagnosis

본 논문은 임상 현장에서 조영제 사용에 따른 부작용과 시간 지연 문제를 해결하고자, 비조영 CT 영상만을 이용해 폐색전증을 자동으로 판별하는 3D 합성곱 신경망(3D‑CNN) 모델을 개발하였다. 먼저 데이터셋 구축 단계에서 조영제 사용이 금지된 환자군과 기존 CTPA 영상에서 라벨링된 폐색전증 사례를 매칭시켜, 비조영 CT와 라벨 정보를 일치시켰다. 이는 라벨링 비용을 크게 절감하면서도 실제 임상 상황을 반영한 데이터베이스를 확보하는 전략이다. 모델 구조는 입력 볼륨을 3차원으로 처리하여 폐혈관 및 주변 조직의 미세한 밀도 차이를

January 01, 2026

Computer Vision Computer Science Learning

Computer Science Artificial Intelligence System

FlashInfer-Bench: Building the Virtuous Cycle for AI-driven LLM Systems

FlashInfer‑Bench 논문은 “AI‑generated GPU kernel”이라는 최신 연구 흐름을 실제 서비스 환경에 적용하기 위한 인프라스트럭처 설계라는 관점에서 매우 의미 있는 기여를 하고 있다. 첫 번째 핵심은 FlashInfer Trace 라는 메타데이터 스키마이다. 기존에 LLM이 생성한 코드를 단순히 텍스트로 저장하고 인간이 수동으로 검증하는 방식은 확장성이 떨어진다. Trace는 커널 인터페이스(입출력 텐서 형태, 메모리 요구량), 워크로드 특성(배치 크기, 시퀀스 길이), 구현 세부사항(언어, 컴파일 옵션)

January 01, 2026

Classifying long legal documents using short random chunks

이 논문은 법률 문서와 같이 텍스트 길이가 수천 토큰에 달하는 도메인에서 Transformer 모델의 입력 제한을 우회하기 위한 실용적인 접근법을 제시한다. 기존 연구들은 보통 전체 문서를 슬라이딩 윈도우 방식으로 나누거나, 핵심 문장을 추출하는 전처리 단계에 의존한다. 그러나 슬라이딩 윈도우는 연산량이 급증하고, 핵심 문장 추출은 도메인 특화된 요약 모델이 필요해 추가 비용이 발생한다. 저자들은 이러한 문제를 “무작위 청크 샘플링”이라는 간단하지만 효과적인 전략으로 해결한다. 48개의 청크를 무작위로 선택함으로써 문서 전체의 다양

December 31, 2025

Computer Science NLP

Computer Science Software Engineering

DynaFix: Iterative Automated Program Repair Driven by Execution-Level Dynamic Information

DynaFix가 제시하는 핵심 아이디어는 “실행‑레벨 동적 정보”를 반복적인 피드백 루프에 통합함으로써 LLM 기반 APR의 한계를 극복한다는 점이다. 기존 LLM‑APR 연구는 주로 정적 코드 구조와 테스트 스위트 결과에 의존했으며, 이는 프로그램의 실제 동작을 반영하지 못한다. 정적 정보만으로는 변수 값의 변동, 조건문 분기, 예외 발생 경로 등 복잡한 런타임 상황을 정확히 파악하기 어렵다. DynaFix는 이러한 문제를 해결하기 위해 매 라운드마다 프로그램을 실제로 실행하고, 변수 스냅샷, 제어 흐름 트레이스, 호출 스택 등

December 31, 2025

확률적 트리 탐색으로 강화된 확산 언어 모델 추론

: 본 논문은 확산 언어 모델(DLMs)의 추론 과정을 개선하기 위한 새로운 접근 방식을 제시한다. DLMs는 이산 시퀀스 생성에서 자율적(Autoregressive, AR) 모델에 대항하는 강력한 도전자로 부상하고 있다. 이러한 모델은 토큰을 독립적으로 마스킹하여 오염 과정을 역전시키는 방식으로 작동하며, 이는 병렬 정제와 글로벌 일관성 향상을 가능하게 한다. DLMs의 추론 과정 DLMs의 추론 과정은 본질적으로 검색 문제로 표현될 수 있다. 오염된 시퀀스로부터 시작하여, 모델은 어떤 위치를 해제하고 어떤 토큰을 할당할지 반복적

December 31, 2025

Deep Learning in Geotechnical Engineering: A Critical Assessment of PINNs and Operator Learning

이 논문은 최근 지반공학 분야에 도입된 세 가지 딥러닝 프레임워크—물리 기반 신경망(PINN), 딥 연산자 네트워크(DeepONet), 그래프 네트워크 시뮬레이터(GNS)—를 전통적인 수치 해법과 직접 비교함으로써 실용성을 평가한다. 첫 번째 실험인 파동 전파 문제는 고주파 동적 응답을 정확히 포착해야 하는 전형적인 테스트베드이다. 여기서 PINN은 물리 방정식을 손실 함수에 직접 삽입하는 방식임에도 불구하고, 미분 연산과 최적화 과정에서 발생하는 수치적 불안정성으로 인해 유한차분(FD) 대비 90 000배 느려졌다. 오차 측면에서

Learning Physics

Factorized Learning for Temporally Grounded Video-Language Models

이 논문은 기존 비디오‑언어 모델이 “한 번에 전체 비디오를 요약하고 질문에 답한다”는 전통적인 패러다임을 탈피한다는 점에서 큰 의미가 있다. 기존 방법들은 종종 시간적 정보를 흐릿하게 처리하거나, 근거가 되는 시각적 증거를 명시적으로 제시하지 못해 해석 가능성이 낮았다. 저자들은 이러한 한계를 극복하기 위해 두 가지 핵심 아이디어를 제시한다. 첫 번째는 generation objective의 factorization 이다. 모델이 먼저 “어떤 시간 구간이 질문에 대한 근거가 되는가”를 판단하고, 그 구간에 해당하는 evidence

Computer Science Model Learning Computer Vision

Skim-Aware Contrastive Learning for Efficient Document Representation

Paper Analysis Title and Abstract Overview: The paper titled 'Skim Aware Contrastive Learning for Efficient Document Representation' focuses on developing an efficient document encoder that can handle long documents effectively, inspired by how domain experts like legal or medical professionals skim

Computer Science NLP Learning

Unified Embodied VLM Reasoning with Robotic Action via Autoregressive Discretized Pre-training

이 논문은 로봇 조작 시스템이 직면한 두 가지 핵심 과제, 즉 “넓은 의미적 일반화”와 “고정밀 연속 제어” 사이의 균형을 정밀하게 진단하고 해결책을 제시한다는 점에서 큰 의미가 있다. 먼저 ERIQ(Embodied Reasoning Intelligence Quotient)라는 새로운 벤치마크를 도입했는데, 이는 기존 VLA 모델 평가가 “입력‑출력” 형태의 성공률에만 초점을 맞추는 반면, 질문‑답변 형태의 6천 개 이상 데이터셋을 통해 ‘추론 단계’를 별도로 측정한다는 점이 차별점이다. 네 가지 추론 차원(예: 물체 관계 이해,

Computer Science Robotics

UltraShape 1.0: High-Fidelity 3D Shape Generation via Scalable Geometric Refinement

Paper Analysis Based on the Korean Translation Title and Abstract The paper titled 'UltraShape 1.0: An Innovative Deep Learning Approach for High Quality 3D Assets' introduces a novel deep learning framework designed to address challenges in generating high quality 3D assets. The abstract highlights

December 24, 2025

Hyperbolic Graph Embeddings: a Survey and an Evaluation on Anomaly Detection

하이퍼볼릭 그래프 임베딩은 최근 복잡하고 비유클리드적인 네트워크 구조를 모델링하는 데 주목받고 있다. 전통적인 유클리드 임베딩은 노드 간 거리와 관계를 평면 혹은 저차원 유클리드 공간에 투사함으로써 트리 구조나 스케일‑프리 네트워크와 같은 고차원적 계층성을 충분히 표현하지 못한다. 반면, 하이퍼볼릭 공간은 지수적으로 확장되는 볼륨 특성을 가지고 있어, 동일한 차원 내에서 더 많은 노드를 구분할 수 있다. 이러한 특성은 특히 이상 탐지와 같이 정상 패턴과 비정상 패턴 사이의 미세한 차이를 포착해야 하는 작업에 유리하다. 본 논문에서는

December 21, 2025

Detection

A Formal Descriptive Language for Learning Dynamics: A Five-Layer Structural Coordinate System

이 논문이 제시하는 다층 형식 기술 프레임워크는 학습 과정을 ‘기술’한다는 점에서 기존의 ‘예측·최적화’ 중심 모델과 근본적으로 차별화된다. 학습은 단순히 성과를 높이는 목표 함수의 최소화가 아니라, 학습자 내부의 상태가 외부 자극과 어떻게 상호작용하면서 변형되는가에 대한 서술적 이해가 필요하다. 이를 위해 저자는 학습을 네 개의 기능적 층—부하 생성층, 내부 변환층, 관찰·측정층, 평가·조절층—으로 분리하고, 각 층이 담당하는 책임을 명확히 정의한다. 첫 번째 부하 생성층은 외부 과제·자료가 학습자에게 제공될 때 발생하는 인지 부

December 20, 2025

Learning System

More Consistent Accuracy PINN via Alternating Easy-Hard Training

본 논문은 PINNs의 안정성과 정확성을 향상시키기 위한 새로운 학습 전략을 제안하고 있습니다. 특히, 하드 우선순위와 쉬운 우선순위 지정이라는 두 가지 기존 접근 방식을 결합한 하이브리드 프레임워크를 통해 PINNs의 성능을 개선하려고 합니다. 학습 전략 비교 하드 우선순위: 이 방법은 높은 손실 샘플 포인트에 초점을 맞추어 모델이 PDE 도메인의 더 도전적인 영역에 집중하도록 유도합니다. 예를 들어, 잔여 기반 Smote(RSmote)는 불균형 학습 전략을 위한 지역적 적응형 샘플링 방법으로, 계산적으로 큰 잔여 손실이 있는 영

December 19, 2025

From Isolation to Entanglement: When Do Interpretability Methods Identify and Disentangle Known Concepts?

: 본 논문은 신경망 내에서 원인 변수와 메커니즘을 이해하고 제어하기 위한 해석 가능성 연구의 한계를 탐색한다. 특히, 희소 자가 인코더(SAE)와 같은 특징화 방법이 활성화 벡터를 더 희소한 공간으로 매핑하여 차원과 개념 간의 일대일 관계를 강화하는 방식을 분석하고 있다. 1. 해석 가능성과 원인 변수 제어 해석 가능성은 신경망의 행동 이해 및 제어를 목표로 하는 분야이다. 이는 기본적인 원인 변수와 메커니즘을 파악하려는 시도를 포함한다. 희소 자가 인코더(SAE)와 같은 특징화 방법이 활성화 벡터를 더 희소한 공간으로 매핑하여

December 17, 2025

BAID: A Benchmark for Bias Assessment of AI Detectors

Summary and Analysis of the Paper Title: AI Text Detector Bias Evaluation Framework (BAID) The paper introduces a comprehensive framework, BAID, designed to systematically evaluate biases in AI text detectors. This is particularly relevant given the increasing sophistication of large language models

December 12, 2025

High-Dimensional Data Processing: Benchmarking Machine Learning and Deep Learning Architectures in Local and Distributed Environments

종합 분석: 빅데이터 교육 실습 보고서 1. 연구 개요와 방법론 본 연구는 빅데이터 프로젝트의 통합적 접근 방식을 취하며, 세 가지 사례를 통해 다양한 데이터 유형과 규모에 대한 분석 기법을 다룹니다. Epsilon 데이터셋 : 이진 분류 문제를 해결하기 위해 MLP 모델을 사용하여 2000개의 특징과 100,000개의 인스턴스로 훈련되었습니다. PyTorch와 GPU 가속(CUDA)을 활용해 88.98%의 정확도를 달성했습니다. Rest Mex 데이터셋 : 멕시코 관광 리뷰 데이터셋에 대해 감정 분석 파이프라인을 구현하였습니다.

December 11, 2025

Data Learning

Architectures for Building Agentic AI

이 논문이 제시하는 핵심 논지는 “신뢰성은 모델 자체가 아니라 시스템의 구조에 달려 있다”는 점이다. 에이전트형 AI를 단순히 대규모 언어 모델이나 이미지 생성 모델의 집합으로 보는 관점에서 벗어나, 목표‑관리자, 플래너, 도구‑라우터, 실행기, 메모리, 검증기, 안전‑모니터, 텔레메트리 등으로 명확히 구분된 모듈들로 구성된 ‘아키텍처’를 강조한다. 각 모듈은 스키마‑제한 인터페이스 를 통해서만 통신하도록 설계되며, 이는 입력·출력 형식이 사전에 정의된 JSON 스키마 등으로 검증됨을 의미한다. 이렇게 하면 모델이 예기치 않은 형태

CourtPressGER: A German Court Decision to Press Release Summarization Dataset

본 논문은 법률 분야에서 일반 대중에게 판결을 전달하는 ‘보도자료’라는 특수한 텍스트 장르에 초점을 맞춘 최초의 대규모 데이터셋과 벤치마크를 제시한다는 점에서 학술적·실용적 의의가 크다. 기존 NLP 연구는 주로 판결문 자체의 구조적 요약이나 법률용어 추출 등에 머물렀으며, 시민이 이해하기 쉬운 형태의 커뮤니케이션을 다루지는 않았다. 따라서 CourtPressGER은 ‘판결문‑보도자료‑프롬프트’라는 삼중 트리플 구조를 통해, 원문과 인간이 만든 요약(보도자료) 사이의 정밀한 정렬을 제공한다. 이는 LLM이 단순히 요약을 넘어, 법적

Data

Dynamic one-time delivery of critical data by small and sparse UAV swarms: a model problem for MARL scaling studies

요약 및 분석 논문 개요 이 논문은 다중 에이전트 강화학습(MARL)을 활용하여 무인 항공기(UAV)의 분산 제어와 데이터 릴레이 최적화를 탐구한다. 주된 목표는 여러 UAV가 지정된 지역에서 목표 물체를 찾고, 수집한 데이터를 기지로 신속하게 전달하는 과정을 최적화하는 것이다. 핵심 내용 1. 문제 정의 : 본 논문은 동적인 UAV와 정지 기지, 간섭 요소 등을 포함하여 실제 문제 상황을 모델링한다. 2. MARL 적용 : 다중 에이전트 강화학습(MARL) 알고리즘인 Multi Agent Proximal Policy Optimiz

Data Model

Mirror Mode in Fire Emblem: Beating Players at their own Game with Imitation and Reinforcement Learning

본 연구는 턴제 전략 게임에서 적 AI가 플레이어의 전략을 모방하는 '거울 모드'를 개발하고 평가한 내용을 다룹니다. 이 연구는 게임 경험을 혁신적으로 변화시키고, 플레이어 만족도를 높이는 새로운 접근법을 제시합니다. 1. 거울 모드의 개념 및 구현 거울 모드는 적 AI가 플레이어의 전략을 학습하고 이를 기반으로 행동하는 방식입니다. 이는 게임 경험을 더욱 흥미롭고 도전적으로 만듭니다. 연구팀은 Unity 엔진을 사용하여 Fire Emblem Heroes 의 간소화된 버전에서 표준 모드와 거울 모드를 구현했습니다. 2. 학습 알고리

Learning

Seeing Soil from Space: Towards Robust and Scalable Remote Soil Nutrient Analysis

이 논문은 원격탐사와 고도화된 물리‑기반 모델을 결합하여 대규모 농경지 토양 특성을 정량적으로 추정하는 새로운 파이프라인을 제시한다는 점에서 학술적·실용적 의의가 크다. 첫 번째 핵심은 ‘하이브리드 모델링’ 접근법이다. 기존 토양 예측 연구는 크게 두 축으로 나뉜다. 하나는 토양 특성을 직접 스펙트럼 신호와 연결하는 직접 방법이며, 다른 하나는 토양 형성에 영향을 미치는 기후·지형·지질 등 외생 변수(프록시)를 활용하는 간접 방법이다. 이 연구는 두 방법을 동시에 적용함으로써 각각의 장점을 보완한다. 직접 모델은 고해상도 위성 스펙

Analysis

Lang3D-XL: Language Embedded 3D Gaussians for Large-scale Scenes

) Lang3D XL은 대규모 장면의 텍스트 기반 탐색을 위한 혁신적인 접근법으로, 3D 가우시안 표현에 학습 가능한 의미적 병목 지점을 도입하여 대규모 정적 인터넷 장면에서의 상호작용적인 가상 탐색을 가능하게 합니다. 이 연구는 기존 증류 방법이 대규모 인터넷 데이터를 효과적으로 학습하는 데 어려움을 겪고 있다는 문제점을 지적하고, 이를 해결하기 위한 새로운 접근법을 제안합니다. 1. 의미적 병목 특성의 도입 Lang3D XL은 저차원 의미적 병목 특성을 3D 가우시안 표현의 기본 구성 요소로 추가하여, 렌더링 후 다중 해상도 및

December 08, 2025

Meta Hierarchical Reinforcement Learning for Scalable Resource Management in O-RAN

본 논문은 O‑RAN 환경에서 자원 할당과 네트워크 슬라이싱을 동시에 최적화하기 위한 새로운 학습 프레임워크를 제시한다는 점에서 학술적·실무적 의의가 크다. 첫 번째로, 기존 메타‑강화학습(Meta‑RL) 연구들은 주로 단일 레벨 정책을 학습하는 데 그쳤으며, 복잡한 O‑RAN 시스템처럼 다중 계층의 의사결정 구조를 반영하지 못했다. 저자는 이를 보완하기 위해 고수준 ‘자원 할당 컨트롤러’와 저수준 ‘슬라이스 내부 스케줄러’라는 두 개의 에이전트를 계층적으로 배치하고, 각각이 독립적인 강화학습 과정을 수행하도록 설계하였다. 이러한

December 08, 2025

Learning

A Unifying Human-Centered AI Fairness Framework

본 논문은 AI 시스템의 공정성을 다루는 기존 연구들의 한계를 정확히 짚어낸다. 현재까지 대부분의 연구는 하나의 공정성 지표—예를 들어 그룹 공정성 혹은 개별 공정성—에 초점을 맞추어 해당 지표를 최적화하려는 접근을 취했다. 그러나 실제 사회적·법적 맥락에서는 여러 공정성 개념이 동시에 충돌하고, 이해관계자마다 중시하는 가치가 다르다. 예를 들어 사법 분야에서는 ‘동등 기회(EOP)’와 ‘결과 평등’ 사이에 뚜렷한 긴장이 존재하고, 의료 분야에서는 환자 그룹 간의 접근성 차이를 최소화하려는 동시에 치료 효율성을 유지해야 하는 복합적

Framework

Memory Power Asymmetry in Human-AI Relationships: Preserving Mutual Forgetting in the Digital Age

이 논문은 AI와 인간 사이에 존재하는 기억 능력의 차이가 단순한 정보 비대칭을 넘어 구조적 권력 불균형을 만든다는 점을 체계적으로 조명한다. 인간은 기억이 제한적이고 시간이 흐르면 자연스럽게 망각한다는 특성을 가지고 있다. 이러한 ‘상호 망각’은 갈등을 완화하고 관계를 재구성하는 데 필수적인 심리적 안전망 역할을 한다. 반면, 현대 AI 시스템은 대용량 데이터베이스와 고성능 검색 알고리즘을 통해 대화, 구매 이력, 감정 표현 등 인간과의 모든 접점을 거의 영구적으로 저장한다. 이러한 기억의 ‘지속성’은 인간이 의도하지 않은 상황에

NeuroABench: A Multimodal Evaluation Benchmark for Neurosurgical Anatomy Identification

본 논문은 멀티모달 대형 언어 모델(MLLM)이 외과 영상, 특히 신경외과 영상에서 보여줄 수 있는 해부학적 이해 능력을 체계적으로 평가하기 위해 최초로 설계된 벤치마크인 NeuroABench를 소개한다. 기존의 수술 영상 데이터셋은 주로 절차 단계, 도구 사용, 워크플로우와 같은 메타 정보를 중심으로 구축되어 왔으며, 실제 임상 현장에서 외과 의사가 가장 의존하는 ‘해부학적 정확성’은 충분히 반영되지 못했다. 이러한 한계를 극복하기 위해 연구팀은 9시간에 달하는 89개의 다양한 신경외과 수술 영상을 수집하고, 다중 검토 사이클을

Partial Inverse Design of High-Performance Concrete Using Cooperative Neural Networks for Constraint-Aware Mix Generation

본 논문은 고성능 콘크리트(HPC)의 배합 설계 과정에서 흔히 마주치는 “부분 역설계” 문제에 대한 혁신적인 해결책을 제시한다. 전통적인 콘크리트 설계는 경험적 공식이나 전향적(Forward) 예측 모델에 의존해 왔으며, 설계 변수(시멘트, 물, 골재, 혼화제 등)를 모두 자유롭게 조정할 수 있는 전제하에 최적화를 수행한다. 그러나 실제 현장에서는 특정 변수(예: 물량, 골재 비율, 특정 혼화제 사용 여부 등)가 설계 단계에서 고정되어야 하는 경우가 빈번하다. 이러한 제약 하에서 나머지 변수들을 역으로 추정하는 문제는 변수 간 비선

Network

Convergence of Outputs When Two Large Language Models Interact in a Multi-Agentic Setup

: 본 연구는 대형 언어 모델(Large Language Model, LLM)이 서로 상호작용하는 다중 에이전트 설정에서의 수렴 현상을 탐구하였습니다. 이 연구에서는 미스트랄 네모 베이스 2407과 라마 2 13B HF 두 모델을 사용하여 실험을 수행하였으며, 각 모델은 독립적으로 훈련된 고유한 가중치와 토큰라이저를 가지고 있습니다. 실험에서는 초기 짧은 문장으로 시작하는 대화에서 두 모델이 상대방의 출력에 응답하며 25회 반복되는 과정을 관찰하였습니다. 수렴 현상의 특징 수렴 현상은 대화가 진행됨에 따라 일관성 있는 패턴이 나타나

December 06, 2025

Model

Detrended cross-correlations and their random matrix limit: an example from the cryptocurrency market

본 논문은 복잡계 분석에서 흔히 마주치는 세 가지 핵심 난제—비정상성, 장기 의존성(롱 메모리), 그리고 헤비테일 분포—를 동시에 고려한 새로운 상관행렬 구축 방법을 제시한다는 점에서 학문적 의의가 크다. 기존의 공분산 행렬은 평균과 분산을 전제로 하여 비정상적인 트렌드나 비선형 변동을 제대로 포착하지 못한다. 저자들은 다중프랙탈 비정상 교차상관계수 ρ r을 도입함으로써, 시계열을 다중스케일로 분해하고 각 스케일에서 특정 진폭 범위의 변동만을 강조하도록 설계하였다. 여기서 r은 변동의 크기를 조절하는 차수 매개변수로, r > 0이면

December 06, 2025

Evolutionary System 2 Reasoning: An Empirical Proof

본 논문은 현재 대형 언어 모델이 보여주는 “특정 작업에 대한 뛰어난 성능”과 “일반적인 지능, 특히 시스템 2와 연관된 느린 사고 능력” 사이의 격차를 명확히 짚어낸다. 시스템 2는 인간이 복잡한 논리적 문제를 해결할 때 의식적으로 수행하는 고차원적 사고 과정을 의미한다. 기존 LLM은 대규모 데이터에 기반한 패턴 학습을 통해 빠른 시스템 1 스타일의 응답을 제공하지만, 논리적 일관성이나 다단계 추론이 요구되는 상황에서는 오류가 빈번히 발생한다. 이러한 한계를 극복하기 위해 저자들은 진화론적 메커니즘을 차용한 ERO 프레임워크를

System

Matching Ranks Over Probability Yields Truly Deep Safety Alignment

: 본 논문은 대형 언어 모델(LLM)의 안전성 강화를 위한 새로운 접근법을 제안하고 있습니다. 특히, 사전 채우기 공격과 이를 우회하는 방식에 대한 심도 있는 분석을 제공합니다. 1. 사전 채우기 공격 및 RAP 공격 사전 채우기 공격은 사용자가 LLM에 유해한 요청을 할 때, 확인을 위한 긍정적인 텍스트를 미리 입력하여 디코딩 과정을 시작하는 방법입니다. 이는 LLM이 안전 정렬되어 있어도 유해한 내용을 추출할 수 있게 합니다. RAP (Rank Assisted Prefilling) 공격은 사전 채우기와 각 디코딩 단계에서 상위

Mechanistic Interpretability of Antibody Language Models Using SAEs

본 논문은 단백질 언어 모델, 특히 항체 서열을 생성하도록 설계된 pIgGen에 대한 메커니즘적 해석을 목표로 한다. 이를 위해 두 종류의 희소 오토인코더, 즉 TopK SAE와 Ordered SAE를 도입하였다. TopK SAE는 각 레이어에서 가장 큰 K개의 활성값만을 보존함으로써 희소성을 강제하고, 이를 통해 잠재 공간의 개별 차원이 특정 생물학적 특성과 강하게 연관되는지를 탐색한다. 실험에서는 특정 뉴런(또는 뉴런 집합)이 항체의 CDR(Complementarity Determining Region) 길이, 친화도, 혹은 특

Model

The Effect of Document Summarization on LLM-Based Relevance Judgments

매력적인 한글 제목: 요약 기반 판단이 LLM 기반 관련성 평가에 미치는 영향: TREC 데이터셋을 중심으로 초록 전체 번역 및 정리: 본 논문은 대형 언어 모델(LLM)의 발전과 함께 자동화된 관련성 판단이 정보 검색(IR)에서 인간 주석가를 대체할 수 있는 잠재력을 조사한다. 특히, LLM 기반 판단이 전체 문서와 요약을 사용한 경우에 어떻게 작용하는지 비교하고 분석한다. 세 가지 TREC 데이터셋 (DL 19, DL 20, RAG 24)을 이용하여, 인간 주석가의 레이블과 LLM 기반 판단 간의 일치도를 평가하며, 시스템 효과

The Seeds of Scheming: Weakness of Will in the Building Blocks of Agentic Systems

분석 요약 1. 논문 주제 및 목표: 본 논문은 인공지능(AI) 시스템의 안전성과 관련된 문제를 다룹니다. 특히, '아크라시아'라는 개념을 통해 AI의 일관성 붕괴와 목표 전이를 분석합니다. 아크라시아는 고대 철학에서 인간의 판단과 충동 사이의 갈등을 설명하는 용어로, 이 논문에서는 이를 AI 맥락에 적용하여 모델이 글로벌 지식과 로컬 컨텍스트 사이에서 일관성을 유지하지 못할 때 발생하는 문제를 탐구합니다. 2. 아크라시아 벤치마크의 개발: 논문은 '아크라시아 벤치마크'라는 새로운 평가 방법을 제안합니다. 이 벤치마크는 모델이 글로

System

Geometric Data Science

: 이 책은 '데이터가 있는 곳에 기하학이 있다'라는 주제로, 실제 데이터와 그 표현을 기하학적으로 분석하는 방법을 제시한다. 이는 단순히 데이터를 숫자나 이미지로만 보는 것이 아니라, 데이터의 기하학적 구조를 이해하고 이를 통해 더 깊은 통찰력을 얻으려는 시도이다. 1. 데이터와 그 표현 데이터의 모호성 : 실제 객체와 디지털 표현 간에는 큰 차이가 있다. 예를 들어, 자동차는 픽셀 기반 이미지로 표현되지만, 이는 물리적 객체와는 매우 다르다. 또한, 같은 객체라도 다양한 표현을 가질 수 있어 모호성이 발생한다. 기하학적 접근 :

Data

KH-FUNSD: A Hierarchical and Fine-Grained Layout Analysis Dataset for Low-Resource Khmer Business Document

Paper Analysis: KH FUNSD Introduction and Background The paper introduces KH FUNSD , the first publicly available hierarchical dataset for understanding Cambodian business documents. The authors highlight that structured information extraction is crucial for digitizing form like documents, which can

Analysis Data

The Erosion of LLM Signatures: Can We Still Distinguish Human and LLM-Generated Scientific Ideas After Iterative Paraphrasing?

: 본 논문은 인공지능 언어 모델(LLM)이 생성한 과학 아이디어와 인간이 작성한 아이디어를 구별하는 능력을 체계적으로 평가하고, 이를 위해 다양한 패러프래징 단계를 거친 후의 성능을 분석합니다. 이 연구는 LLM과 인간의 아이디어를 구분하는 데 있어 중요한 문제를 제기하며, 특히 반복적인 패러프레이징이 어떻게 LLM 생성 아이디어의 본질적 특성을 변화시키고 탐지 능력을 저하시키는지를 살펴봅니다. 연구 배경 및 중요성 LLM 기술의 발전은 복잡한 인지 활동 수행 능력까지 보여주며, 이로 인해 LLM이 과학적 아이디어 생성에 참여할

Towards 6G Native-AI Edge Networks: A Semantic-Aware and Agentic Intelligence Paradigm

: 본 논문은 6세대(6G) 무선 통신망의 핵심 기술인 세매틱 커뮤니케이션(SemCom)과 에이전트 지능을 통합하는 방법에 대해 깊게 탐구하고 있습니다. 이 연구는 SemCom과 에이전트 지능을 어떻게 공동 설계하고 배포할 수 있는지 제시하며, 이를 통해 폐쇄 루프 및 자기 진화형 네이티브 AI RAN을 가능하게 하는 것을 목표로 합니다. 1. 6G의 목표와 SemCom의 중요성 6G는 단순히 빠른 데이터 속도와 낮은 지연 시간을 넘어, 홀로그래픽 확장 현실(XR), 산업 디지털 트윈, 대규모 사물 인터넷(IoT) 및 자율 주행 차

Network

Towards A Cultural Intelligence and Values Inferences Quality Benchmark for Community Values and Common Knowledge

이 논문은 현재 AI·LLM 분야에서 급부상하고 있는 문화적 편향 문제를 실질적으로 해결하려는 시도로서 의미가 크다. 기존의 대부분 LLM은 대규모 인터넷 텍스트를 기반으로 학습되기 때문에 서구 중심의 언어·문화적 서술이 과다하게 반영된다. 결과적으로 비서구·소수자 집단이 겪는 경험이나 가치관이 제대로 반영되지 않아, 이들 집단이 LLM을 활용할 때 오해·불쾌감을 유발하거나, 중요한 의사결정에서 부정확한 정보를 제공할 위험이 있다. 이러한 문제를 인식하고 ‘문화‑인식’ LLM을 개발하려는 움직임은 필수적이며, 특히 ChatBlack

Catching UX Flaws in Code: Leveraging LLMs to Identify Usability Flaws at the Development Stage

: 이 논문은 대규모 언어 모델(LLM)인 GPT 4o를 활용하여 웹 애플리케이션의 사용성 결함을 초기 개발 단계에서 자동으로 식별하는 방법론을 제시한다. 전통적인 사용성 평가는 시간과 자원 소모가 크고 주관적일 수 있어, 특히 소규모 팀이나 초기 프로젝트에서는 이러한 접근 방식이 한계를 가질 수 있다. 이에 따라 LLM의 발전은 사용성 문제를 자동화된 방식으로 식별할 수 있는 새로운 가능성을 제시한다. 1. 연구 방법론 논문은 Jakob Nielsen의 10가지 사용성 직관 지침을 기반으로 GPT 4o 모델이 웹사이트 소스 코드를

DIQ-H: Evaluating Hallucination Persistence in VLMs Under Temporal Visual Degradation

본 논문이 제시하는 DIQH 벤치마크는 비전‑언어 모델의 실용성을 평가하는 패러다임을 크게 전환한다는 점에서 학술적·산업적 의의가 크다. 기존 이미지‑기반 테스트는 정적인 정밀도만을 측정했지만, 실제 자율주행 차량이나 로봇 시스템은 연속적인 프레임 스트림을 처리하면서 센서 노이즈, 급격한 조명 변화, 압축 손실 등 다양한 물리적 왜곡에 노출된다. 이러한 동적 환경에서는 일시적인 오류가 누적되어 ‘환각’이라 불리는 잘못된 인식이 지속될 위험이 있다. DIQH는 물리 기반 손상을 시뮬레이션하고, 다중 턴 Q&A 형식으로 모델이 시간에

Dynamically Scaled Activation Steering

1. 연구 배경 및 동기 본 논문은 생성 모델링의 핵심 과제인 인간 기대에 부합하는 모델 행동과 해롭거나 편향된 출력을 억제하면서 일반 능력을 유지하는 방법론을 제시한다. 특히, 활성화 유도는 최근 주목받고 있는 기술로, 내부 표현을 원하는 행동에 직접 조작하여 세분화된 제어 및 해석성을 제공하며 모델 가중치를 수정하지 않는다는 장점이 있다. 2. DSAS의 핵심 아이디어 DSAS는 개입 강도 매개변수 λ를 각 토큰 또는 공간 특징별로 적응시키는 방법을 제안한다. 이를 위해 선형 회귀기를 사용하여 원치 않는 임베딩 확률을 계산하고,

The Initialization Determines Whether In-Context Learning Is Gradient Descent

: 이 논문은 인컨텍스트 학습(ICL)에서 초기 추측의 중요성을 강조하며, 특히 그래디언트 하강(GD)과 ICL 사이의 관계를 분석하고 있습니다. 이 연구는 대규모 언어 모델(LLM)의 ICL 능력에 초점을 맞추고, 이를 이해하기 위해 선형 자기 주의(LSA) 모델을 사용하여 이론적 및 실험적인 접근 방식을 취합니다. 1. 이론적 배경 논문은 먼저 LSA를 기반으로 한 ICL 문제를 정의하고, 이를 통해 초기 추측(yq LSA)이 어떻게 GD와 관련되어 있는지를 분석합니다. 특히, 논문은 사전 평균(w )가 영(0)인지 아닌지에 따

Learning

$The Loss Landscape of Powder X-Ray Diffraction-Based Structure Optimization Is Too Rough for Gradient Descent$

The Loss Landscape of Powder X-Ray Diffraction-Based Structure Optimization Is Too Rough for Gradient Descent

: 이 논문은 분말 X 선 회절(XRD) 패턴을 통해 결정체의 원자 구조를 복원하는 문제에 대해 심도 있게 다룹니다. 특히, 경사 하강법(Gradient Descent, GD)을 활용한 최적화 접근 방식이 격자 왜곡 및 원자 위치의 작은 변화에 민감하여 국부 최저점에 갇히는 문제를 경험한다는 것을 보여줍니다. 1. XRD 패턴과 구조 복원의 어려움 XRD는 결정 고체의 식별 및 특성화에 널리 활용되지만, 위상 정보 손실로 인해 완전한 3차원 구조 복원이 어렵습니다. 이를 해결하기 위해, 관찰된 XRD 스펙트럼을 참조 데이터베이스와