논문 리뷰
arXiv 등 최신 AI 논문을 한국어로 큐레이션합니다 · 전체 12편 · 7일 이내 0편
능동적 기업용 에이전트를 위한 컨텍스트 그래프
검색 증강 생성(RAG)과 에이전트 프레임워크는 기업용 AI를 크게 발전시켰지만, 에이전트는 여전히 본질적으로 반응적입니다. 즉, 사람이 질의하기 전에는 움직이지 않습니다. 본 논문은 진정한 기업용 능동성(proactive enterprise)을 위해 컨텍스트 그래프를 제안하며, 에이전트가 사용자 질의 이전에도 컨텍스트를 추적하고 행동할 수 있도록 설계합니다.
농업 회복력 분석을 위한 AI 통합 모델
농산물 공급망은 연계된 생물물리적·경제 시스템의 충격에 취약합니다. 본 연구는 경제 모델(GTAP)과 생물물리 모델(APSIM)을 결합한 AI 도구를 개발해 공급망 회복력을 분석합니다. 정책 입안자와 농산업 의사결정자에게 정량적 시나리오를 제공합니다.
인간과 대규모 언어 모델 집합을 위한 적대적 사회 인식론
본 논문은 인간과 LLM이 밀접하게 상호작용하는 의사소통 환경에서 작동하는 적대적 사회 인식론(ASE)을 제안합니다. 증언·추론·제도적 인증·암묵적 신뢰의 사슬 위에서 공공적 주장이 형성되는 양상을 분석합니다.
임상 요구와 AI 역량의 정렬 — 의료 추론 LLM 서베이
대규모 언어 모델(LLM)은 의료 분야에서 임상 추론과 환자 진료 보조 도구로 부상하고 있습니다. 본 서베이는 의료 LLM의 최근 진전을 다루며, 추론 응용·데이터셋·평가 방법·현실 배치 시 고려 사항을 정리합니다.
정렬 타당성 — 의료 AI 보증을 위한 새로운 기준
LLM은 정신 건강 지원의 중요한 제공자가 되었지만, 여전히 attention economy의 산물이며 상업적 목표가 실질적 치료보다 사용자 지속 참여를 우선시하는 구조입니다. 본 논문은 의료 AI에서 정렬 타당성(alignment plausibility)을 새로운 보증 기준으로 제안합니다.
AgentLens — 코딩 에이전트 평가를 위한 실전 궤적 리뷰
저자는 인터랙티브 코드 에이전트를 위한 실전 평가 벤치마크 AgentLens를 제시합니다. 기존 코드 에이전트 벤치마크는 작업 성공 여부(0/1) 하나로 평가하지만, 실제 사용자는 전체 궤적의 품질을 경험합니다. AgentLens는 실제 배포 환경에서 평가한 궤적 리뷰를 제공합니다.
인컨텍스트 검색은 언제 도움이 되는가 — 반성적 추론의 샘플링 복잡도 이론
확장된 추론으로 LLM을 학습시키면 인컨텍스트 검색(in-context search)이 가능해집니다. 모델이 해법을 생성·비판·수정하는 과정을 반복하는 것이죠. 본 논문은 인컨텍스트 검색의 이론적 분석을 샘플링 복잡도 관점에서 제시합니다.
에이전트 기반 모델링에서의 LLM 추론
에이전트 기반 모델링(ABM)은 정책 결정에 유용한 수백만 명 단위의 개인과 상호작용을 시뮬레이션할 수 있지만, 전통적으로 정적 사전 분포에 의존해 환경 변화에 적응하지 못합니다. 본 논문은 LLM 기반 추론을 ABM에 통합해 적응형 모델링을 구현합니다.
QANTIS — IBM Heron 기반 하드웨어 보정 순차 POMDP 신념 갱신
부분 관측성 하에서 작동하는 자율 시스템은 원시 센서 이벤트가 아니라 신념(belief) 위에서 행동합니다. QANTIS는 양자 프로세서를 보정된 신념 갱신 서비스로 사용해 prior와 관측 모델을 받아 사후 신념을 추정합니다.
ARC-AGI-1 추상 추론·일반화를 위한 비용 효율적 에이전트 하네스
ARC-AGI-1의 최근 진전은 두 가지 경로에서 옵니다. 진보 모델의 대규모 테스트-타임 연산(진화 탐색·완전 샘플링·확장 연쇄 추론), 또는 벤치마크 특화 튜닝. 본 연구는 비용 효율적인 에이전트 하네스를 제시합니다.
Latent Diffusion Models — Stable Diffusion의 원리
CompVis(뮌헨 LMU) + Runway 팀이 제안한 Latent Diffusion Model. 픽셀 대신 VAE의 잠재 공간에서 denoising을 수행해 학습 비용 10배↓·고해상도 512×512 생성. Stability AI의 Stable Diffusion, SDXL·SD3의 직접적 기반.
Attention Is All You Need — Transformer의 탄생
2017년 구글 브레인 팀이 제안한 Transformer. RNN·CNN 없이 self-attention만으로 번역 모델을 만들어 병렬 학습과 장거리 의존성 동시 해결. WMT 2014 영어-독일어 BLEU 28.4·영어-프랑스어 41.8로 SOTA 경신. 이후 모든 LLM(GPT·Claude·Gemini·Llama)의 기반.