2410 편의 논문
이 논문은 산업용 하드웨어 설계의 반복적 업데이트를 지원하기 위해 자연어 변경 요청을 RTL 코드 블록에 매핑하는 새로운 작업인 Spec-to-RTL 로컬라이제이션을 정의하고, EvoRTL-Bench 벤치마크와 다중 뷰 융합 아키텍처를 기반으로 한 RTLocating 프레임워크를 제안하여 기존 최강 베이스라인을 크게 상회하는 성능을 입증합니다.
이 논문은 기존 자동 채점 프레임워크의 '규칙 희석' 문제를 해결하기 위해 혼동 행렬을 활용하여 오류 모드를 분리하고 표적 수정 패치를 적용하는 '혼감지 루브릭 최적화 (CARO)'를 제안하여 LLM 기반 자동 채점의 정확성과 효율성을 획기적으로 향상시켰음을 보여줍니다.
이 논문은 LLM 기반 자동 채점의 신뢰성을 높이기 위해 rubric 의 결정 경계를 명확히 구분하는 '경계 쌍'을 식별하고 차별적 근거를 생성하는 반복적 최적화 프레임워크인 GUIDE 를 제안하여 기존 검색 기반 방법보다 우수한 성능을 입증합니다.
CIRCUS 는 분석적 선택의 불확실성을 정량화하여 다양한 설정에서 도출된 그래프의 안정성 점수를 기반으로 신뢰할 수 있는 기계적 회로 (mechanistic circuit) 의 핵심 구조를 추출하고 불확실성을 명시적으로 드러내는 새로운 프레임워크를 제시합니다.
이 논문은 기존 MoE-LoRA 아키텍처의 파라미터 비효율성과 coarse-grained 적응 문제를 해결하기 위해, 전문가의 다양성을 유지하면서 파라미터 증가를 억제하는 '코어 공간 전문가'와 토큰 단위 동적 라우팅을 도입한 새로운 효율적 MoE-LoRA 프레임워크인 CoMoL 을 제안합니다.
이 논문은 추론 비용과 성능 간의 불필요한 상관관계를 해소하기 위해, 핵심 추론 단계만 선별하는 '초안 스타일' 구조를 점진적 커리큘럼 학습과 적응형 프롬프팅을 통해 내재화함으로써 추론 예산을 획기적으로 줄이면서도 성능을 유지하는 'Draft-Thinking' 방법을 제안합니다.
이 논문은 기존 비전 - 언어 - 행동 (VLA) 모델이 언어 지시를 제대로 이해하지 못한다는 점을 'LangGap' 벤치마크를 통해 규명하고, 데이터 증강으로 부분적인 개선은 가능하지만 언어 다양성이 증가할수록 모델의 학습 한계가 드러난다는 근본적인 문제를 제시합니다.
이 논문은 암 연구에서 바이오마커 기반의 약물 병용 가설을 생성하기 위해 구조화된 데이터베이스와 비정형 문헌을 통합한 지식 그래프와 에이전트 추론을 결합한 인간-기계 협업 시스템 'CoDHy'의 설계, 상호작용 워크플로우 및 실용적 활용 사례를 제시합니다.
이 논문은 수천 개의 언어 식별자 (BCP-47, ISO 639-1, Glottocode 등) 간의 매핑과 정규화를 단일 인터페이스로 제공하며, 언어 계통 및 속성 기반 탐색을 가능하게 하는 경량 Python 툴킷인 'QwanQwa (QQ)'를 소개합니다.
이 논문은 복잡한 에이전트 실행 트래이스의 문제 진단과 근본 원인 분석을 위해 구조화된 추상화, 정밀한 진단, 종합적 보고서 생성을 담당하는 세 가지 전문 에이전트로 구성된 'TraceSIR' 프레임워크를 제안하고, 이를 평가하기 위한 벤치마크와 프로토콜을 통해 기존 방법보다 우수한 성능을 입증합니다.
이 논문은 지속가능성 보고 표준의 복잡성을 해결하기 위해 대규모 언어 모델 (LLM) 과 전문가의 협업을 통해 감사 가능한 지식 그래프를 생성하고 관리하는 'SSKG Hub'라는 웹 플랫폼을 제안하며, 이를 통해 표준의 구조화, 검증, 그리고 활용성을 향상시키는 방법을 제시합니다.
본 논문은 메모리 및 계산 복잡도가 선형인 다항식 믹서 (PoM) 를 제안하여 기존 Transformer 기반의 이차 복잡도 자기주의 메커니즘을 대체함으로써, 효율성과 성능 간의 균형을 개선한 자기지도 학습 음성 인코더를 개발했습니다.
이 논문은 LLM 의 실제 텍스트 생성 능력을 평가하기 위해 RAVEL 이라는 자율 에이전트 프레임워크와 C3EBench 벤치마크를 제안하고, 텍스트 합성 성능이 단순한 생성 능력보다 추론 능력에 더 크게 의존하며 강력한 추론자가 약한 생성기를 보완할 수 있음을 입증합니다.
이 논문은 자율주행 LLM 의 의사결정 과정을 해석하기 위해 그래디언트 기반 최적화로 생성된 임베딩을 제어된 디코딩 과정에 활용하여, 유창하고 도메인 유효성을 갖춘 반사실적 설명 (counterfactual explanations) 을 생성하는 'DRIV-EX'라는 새로운 방법을 제안하고 그 유효성을 입증합니다.
이 논문은 대규모 언어 모델의 다중 작업 강화 학습에서 정적 보상 모델의 한계를 극복하고, 인터넷에서 최적의 보상 모델을 동적으로 검색 및 합성하여 데이터 분포 변화에 맞춰 진화하는 에이전트 기반 보상 시스템 'RLAR'을 제안하고, 이를 통해 다양한 작업에서 뛰어난 일반화 성능과 성능 향상을 입증합니다.
이 논문은 자연어 쿼리를 통해 대규모 시계열 데이터에서 관련 국소 구간을 검색하는 'LaSTR'을 제안하며, TV2 기반 분할과 GPT-5.2 를 활용한 대규모 학습 데이터 구축 및 Conformer 기반 대비 학습을 통해 기존 방법보다 우수한 검색 성능과 의미적 일관성을 입증했습니다.
이 논문은 실행 가능한 환경과 대규모 합성 데이터를 활용한 에이전트 중심 훈련을 통해, 800 억 파라미터 모델 중 30 억 파라미터만 활성화하여 SWE-Bench 및 Terminal-Bench 등 에이전트 벤치마크에서 경쟁력 있는 성능을 보이는 오픈 가중치 코딩 특화 모델인 Qwen3-Coder-Next 를 제안합니다.
이 논문은 자연어 행동 명세에서 생성된 합성 데이터로 학습된 헌법적 블랙박스 모니터링 기법이 실제 환경에서 사기 행위를 탐지할 수 있음을 보여주지만, 성능은 단순 프롬프트 탐색 수준에서 포화되어 추가 최적화는 오히려 과적합을 초래함을 규명했습니다.
이 논문은 중첩된 개체명 인식 (NER) 을 위한 고품질 주석이 부족하다는 문제를 해결하기 위해 평면 주석 데이터만으로 중첩 구조를 학습할 수 있는 네 가지 접근법을 제안하고, 러시아어 벤치마크 NEREL 에서 최선의 결합 방법이 완전한 중첩 감독의 성능 격차의 40% 를 해소함을 입증했습니다.
이 논문은 환자 프라이버시와 PHI 준수를 위한 온프레미스 배포가 가능한 오픈 가중치 20B 파라미터 비전 - 언어 모델인 MedGPT-oss 를 소개하며, 이는 복잡한 아키텍처 없이도 최적화된 3 단계 훈련 커리큘럼을 통해 더 큰 오픈 의료 모델보다 우수한 성능을 보임과 동시에 상용 GPU 환경에 적합함을 입증합니다.