1723 편의 논문
이 논문은 예산과 다양성 같은 제약 조건을 가진 장거리 여행 계획 문제를 해결하기 위해, 전략적 조정과 병렬 실행을 결합하고 거래형 모니터링 및 협상 프로토콜을 통해 제약 준수를 보장하는 계층적 다중 에이전트 프레임워크 'HiMAP-Travel'을 제안하며, TravelPlanner 벤치마크에서 기존 Sequential 기반 방법론들을 크게 능가하는 성능을 입증합니다.
이 논문은 동일한 LLM 레이어를 기반으로 하단 모델이 긴 입력을 다중 그레인 표현으로 압축하고 상단 모델이 이를 복원하는 '자기 주입 (self-injection)' 아키텍처를 제안함으로써, 기존 모델의 제한된 컨텍스트 창을 효율적으로 확장하면서도 메모리 사용량과 추론 지연을 획기적으로 줄이는 방법을 제시합니다.
이 논문은 Mixture-of-Experts(MoE) 와 Low-Rank Adaptation(LoRA) 을 결합하고 전문가 인식 부정 샘플링 (EANS) 전략을 도입하여 작업 간 충돌을 해소하고 범용 멀티모달 임베딩의 태스크 스케일링을 가능하게 하는 TSEmbed 프레임워크를 제안하며, 이를 통해 MMEB 벤치마크 및 실제 산업 데이터에서 최첨단 성능을 달성했다고 요약할 수 있습니다.
이 논문은 AI Flow 패러다임과 엣지 - 클라우드 협업 아키텍처를 활용하여 원본 이미지의 수학적 복원을 방지하면서도 동적 윤곽 시각 언어를 통해 의미 있는 행동 인식과 시각적 참조를 가능하게 하는 새로운 프라이버시 보호 감시 프레임워크를 제안합니다.
이 논문은 다중 턱 상호작용에서 이전 추론에 과도하게 집착하는 '맥락 관성' 문제를 해결하기 위해, 모델의 단일 턱 능력을 안정적 기준점으로 활용하는 강화 학습 기법인 RLSTA 를 제안하여 다양한 도메인에서 성능을 획기적으로 개선함을 보여줍니다.
이 논문은 대규모 언어 모델 (LLM) 을 활용한 의미 필터링의 선형적 호출 한계를 극복하기 위해, 튜플을 의미 클러스터로 그룹화하고 샘플링 및 투표 전략을 통해 LLM 호출 횟수를 부분 선형 복잡도로 획기적으로 줄이면서도 정확도를 유지하는 '클러스터링 - 샘플링 - 투표 (CSV)' 프레임워크를 제안합니다.
이 논문은 대규모 언어 모델의 위치 인코딩을 의미 임베딩과 분리하여 '주의 중력장 (AGF)' 개념을 도입함으로써 뉴턴의 만유인력 법칙과 일치하는 이론적 틀을 제시하고 모델 최적화 및 해석 가능성 향상을 도모합니다.
이 논문은 장문맥 LLM 과 사실 기반 메모리 시스템 (Mem0) 을 정확도와 비용 측면에서 비교 분석하여, 대화 길이가 길어질수록 메모리 시스템이 비용 효율성이 높아진다는 결론을 도출하고 생산 환경에서의 최적 아키텍처 선택 기준을 제시합니다.
이 논문은 890 개의 결과를 메타 분석하여 단답형 채점에서 LLM 의 성능이 인간 전문가의 난이도 인식과 무관하며, 디코더 전용 아키텍처가 인코더보다 현저히 낮고 토크나이저 어휘 크기 증가에도 한계가 있으며, 고위험 교육 맥락에서 인종 차별적 편향이 발생할 수 있음을 규명했습니다.
이 논문은 사전 학습 데이터의 학습 과정에서 나타나는 경사도 변화 패턴 (크기, 위치, 활성화 집중도) 을 분석하여 저작권 문제와 벤치마크 오염을 해결하는 새로운 데이터 탐지 방법인 GDS 를 제안하고, 기존 방법보다 뛰어난 성능과 전이성을 입증합니다.
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.