1080 편의 논문
이 논문은 MRI 유도 전자기 간섭과 근원성 아티팩트 등 기술적 난제를 극복하기 위해 맞춤형 아티팩트 억제 파이프라인을 도입하여, 실시간 MRI, EEG, 표면 EMG 를 동시 획득함으로써 발화 생성 과정의 뇌 신호, 근육 활성화, 조음 운동을 포괄적으로 분석하는 새로운 다중 모달 접근법을 제시합니다.
이 논문은 RLHF 기반의 안전 정렬이 해악이 결정되는 시점 이후에는 기울기 신호가 소멸하여 얕은 정렬로 귀결된다는 것을 수학적 분석을 통해 증명하고, 이를 극복하기 위한 새로운 목적 함수를 제안합니다.
이 논문은 1981 년부터 2014 년까지의 1,206 개의 법률 문서로 구성된 약 200 만 단어 규모의 SinhalaLegel 코퍼스를 소개하고, 이를 통해 스리랑카 법률 텍스트에 대한 정보 추출 및 분석을 위한 중요한 NLP 자원을 마련했다고 요약할 수 있습니다.
이 논문은 교육 이론과 인구 분포를 정밀하게 제어할 수 있는 다중 에이전트 프레임워크 'HACHIMI'를 제안하여, 1 학년에서 12 학년까지의 100 만 개 학생 페르소나 코퍼스 (HACHIMI-1M) 를 생성하고 이를 통해 인간과 에이전트 간의 인지 및 심리적 특성을 비교 평가한 연구입니다.
이 논문은 기존 벤치마크가 간과한 기업 및 API 기반 LLM 응용 분야의 요구사항을 반영하기 위해, 실제 사용 패턴에 기반한 새로운 지시 따르기 평가 기준인 'FireBench'를 제안하고 11 개의 LLM 에 대한 평가 결과와 인사이트를 제공합니다.
이 논문은 확산 언어 모델의 샘플링 과정에서 기존 샘플의 특징 공간과 상호 배척되도록 중간 샘플을 순차적으로 수정하는 훈련 없는 저비용 방식을 제안하여, 복잡한 추론 작업에서 Pass@ 성능과 생성 다양성을 획기적으로 향상시킵니다.
이 논문은 Schwartz 기본 가치 이론을 기반으로 한 질적 인터뷰 분석에서 LLM 이 인간 전문가의 정확도에 근접하지만 순위 예측과 불확실성 패턴에서는 한계를 보이며, 특히 Qwen 모델과 앙상블 기법이 가장 유망한 대안임을 규명했습니다.
본 논문은 16 개 언어에 걸친 4 개의 사전 등록 연구를 통해, 영어에서는 안전성을 높이는 정렬 (alignment) 개입이 일본어 등 다른 언어에서는 오히려 집단적 병리 현상을 악화시키는 '정렬 역효과 (alignment backfire)'를 일으키며, 이는 언어 공간의 문화적·실용적 특성에 의해 결정된다고 주장합니다.
본 논문은 의미적 모호성과 구조적 취약성을 해결하기 위해 동적 변별적 체인 오브 씽킹 (DD-CoT) 과 '반-에코 챔버' 아키텍처를 도입한 에이전트 기반 LLM 파이프라인을 제안하여, 심리언어학적 음모 표지 추출 및 음모 지지 감지 과제에서 기존 베이스라인 대비 Macro F1 점수를 각각 100% 와 49% 향상시킨 SemEval-2026 태스크 10 참여 결과를 보고합니다.
이 논문은 다국어 및 다도메인 환경에서 차원 기반 감정 분석의 세 가지 하위 과제를 효율적으로 해결하기 위해 언어별 인코더 미세 조정과 LoRA 기반 대규모 언어 모델 지시 미세 조정을 결합한 AILS-NTUA 시스템을 제안하고, 이를 통해 베이스라인을 능가하는 경쟁력 있는 성능을 입증합니다.
이 논문은 프라이버시를 보호하는 분산형 자동 음성 인식 시스템을 위해 이질적인 언어 모델을 효과적으로 통합하기 위해 유전 알고리즘과 강화 학습을 기반으로 한 '매치 앤 머지' 패러다임을 제안하고, 이를 통해 기존 방법보다 빠른 수렴 속도와 우수한 일반화 성능을 입증했습니다.
이 논문은 지리적 맥락 반영, 노출 편향 감소, 그리고 지연 시간 최적화를 위해 도시 인식형 후보 발굴 전략과 빔 검색 기반 GRPO 알고리즘을 도입한 'LocalSUG'를 제안하여 로컬 라이프 서비스 플랫폼에서 검색 제안의 정확도와 비즈니스 성과를 크게 향상시켰음을 보여줍니다.
이 논문은 웹 환경의 변화에 따른 에이전트의 취약성을 평가하기 위해 'TimeWarp' 벤치마크를 제안하고, 여러 버전의 UI 를 아우르는 궤적을 활용한 'TimeTraj' 알고리즘을 통해 웹 에이전트의 일반화 성능과 견고성을 획기적으로 향상시켰음을 보여줍니다.
이 논문은 DOCCI 데이터셋의 고밀도 인간 작성 설명과 효율적인 멀티모달 정렬을 통해 17 억 파라미터 규모의 소형 모델임에도 불구하고 상세하고 구조화된 이미지 캡션을 생성할 수 있는 'VisionPangu'를 제안합니다.
이 논문은 타겟 도메인 데이터로 파인튜닝할 때 사전 학습된 일반 데이터를 재연습 (replay) 하는 것이 오히려 타겟 작업 성능을 향상시키고 데이터 효율성을 높인다는 사실을 발견하고 이를 실증적으로 입증했습니다.
이 논문은 약한 LLM 의 높은 확신을 가진 샘플만 선별하거나 가중치를 부여하는 '신뢰도 가중 선호도 최적화 (CW-PO)' 방식을 제안하여, 기존 인간 라벨링의 20% 만으로도 표준 DPO 보다 우수한 성능을 달성하면서도 선호도 정렬 비용을 획기적으로 절감할 수 있음을 보여줍니다.
이 논문은 다자간 대화 생성의 평가 병목 현상을 해결하기 위해 화자 모델링, 콘텐츠 품질, 일관성 등 다양한 차원을 정량적으로 측정하는 새로운 벤치마크 'MPCEval'을 제안하고, 이를 통해 기존 단일 점수 평가가 놓치는 모델의 세부적 특성을 규명합니다.
이 논문은 MoE 아키텍처의 확장성 한계를 극복하기 위해 고정된 토큰 활성화 예산 하에서 깊이를 가상 너비로 변환하는 '가상 너비'라는 새로운 차원을 도입한 '범용 전문가 혼합 (MOUE)'을 제안하며, 이를 통해 기존 MoE 모델 대비 성능을 향상시키고 확장 가능한 새로운 아키텍처를 제시합니다.
이 논문은 여러 LLM 을 기능적으로 병합하기 위해 유클리드 공간의 단순 평균 대신 피셔 - 라오 다양체 상의 가중 카체르 평균을 계산하는 새로운 접근법을 제안하여, 모델 간 이질성이 커질 때 발생하는 표현 붕괴 문제를 해결하고 기존 방법들보다 우수한 성능을 입증합니다.
이 논문은 인간 선호도의 본질을 더 잘 포착하기 위해 고차원적 목적 가중치와 저차원 의미적 특징을 잠재 변수로 통합한 변분 보상 모델링 (VRM) 프레임워크를 제안하고, 기존 방법보다 우수한 일반화 성능과 인간 선호도 파악 능력을 입증합니다.