연구자료실
설비 연결, 품질 검사, 생산 분석과 제조 업무에 관련된 외부 논문입니다.
연구자료 검색
새 논문 요약
요점은 편집자가 정리한 메모입니다. 원저자의 표현과 다를 수 있으니 원문을 확인하세요. 2026-11-20 갱신.
- 1155AI Agents
Turbo Harness: Instance-Adaptive Harness Optimization
- 하나의 전역 하네스가 아니라 과제마다 맞춤 하네스를 만들어 성능을 일관되게 올렸다.
- 기존 최적화 과정에서 버려지던 시행착오 기록을 플레이북으로 재활용해 학습 데이터로 썼다.
- SWE-smith-MR에서 Claude Haiku 4.5 기준 통과율을 50.7%에서 64.0%로, Gemini 3.7 Flash 기준 70.7%에서 88.0%로 끌어올렸다.
- 9B급 작은 편집 모델(Qwen3.5-9B)로도 충분했고, 과제당 한 번만 호출되어 추론 비용 부담이 작다.
- Terminal-Bench 2.1에서 사람이 설계한 주요 하네스들보다 높은 통과율을 기록했다.
2609.40330
- 1154Robotics
DuoMind: Enabling Distributed Multi-Robot Coordination with Semantic Communication
- VLM 오케스트레이터(상위 추론)와 VLA 행동 모델(하위 제어)을 로봇별로 분산 배치한 계층 구조를 제안했다.
- 로봇 간 통신은 원시 데이터가 아닌 의도·하위목표가 담긴 의미 메시지로 주고받게 했다.
- 긴 호리즌 멀티로봇 조작 벤치마크 RoboPoly를 새로 구축해 평가 공백을 메웠다.
- RoboPoly와 RoboTwin에서 기존 기준들을 꾸준히 앞섰고, 제거 실험으로 계층 설계와 의미 통신의 효과를 각각 확인했다.
- 1153AI / Evaluation
KaliBench: A Fine-Grained Benchmark for Cybersecurity Tool Use on Kali Linux with Runtime-Free Verifiable Rewards
- 1,642개 칼리 리눅스 도구, 23개 기능 차원을 아우르는 8,504개 질문-명령 쌍 벤치마크를 구축했다.
- 힌트 없는 자유 설정에서는 어떤 오픈 가중치 모델도 정확한 명령어 생성 42%를 넘지 못했다.
- 실행 없이도 채점할 수 있는 검증 가능 보상을 만들어 SFT·강화학습 훈련에 바로 쓸 수 있게 했다.
- 이 보상으로 훈련한 8B 모델이 685B MoE 모델과 비슷한 성적을 냈다.
- 명령어 오류를 도구 선택·옵션 인자·순서·문법으로 쪼개 채점하는 세밀한 평가 체계를 제안했다.
- 1151Robotics
Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents
- 오프라인 데이터로 시뮬레이터 연습 과제를 자동 만들고, 실패 진단으로 스킬 라이브러리와 프롬프트를 고치는 RPG 프레임워크를 제안했다.
- 모델 가중치를 바꾸지 않고 스킬·프롬프트만 개선했는데도 22개 과제 성공률을 28.6%에서 95.0%로 올렸다.
- 기존 최고 기준인 ASPIRE(75.5%)와 GPT-6 기반 에이전트(60.0%)를 모두 큰 차이로 앞섰다.
- 스킬 수정은 같은 라이브러리를 쓰는 다른 과제에도 도움이 되는 교차 과제 검증 후에만 반영했다.
- 보정 후 얼린 시스템으로 실물 로봇 3개 과제 30번 시험을 전부 성공했다.
- 1149Machine Learning
Decoding Looped Transformers Better for (Almost) Free
- 반복 트랜스포머의 초회 예측을 '약한 모델'로 활용하는 무학습 대비 디코딩(contrastive decoding)을 제안했다.
- LoopCD-Logits는 Ouro-2.6B의 AIME 2024 pass@1을 61.88%에서 73.33%로, LoopCD-Hidden은 Huginn의 HumanEval을 22.56%에서 31.71%로 높였다.
- 반복 횟수를 절반으로 줄여도 전체 깊이 기준 모델과 같거나 나은 성능을 유지해 연산량을 22.5~48.2% 줄였다.
- 숫자 맞히기 같은 객관형에는 강한 보정(ω=0.5)이, 길게 생성하는 과제에는 약한 보정(ω=0.2~0.3)이 필요함을 보였다.
- 1148Machine Learning
Finetuning with Sampling: SFT Learns Better Than You Think
- 전문가 답변을 MCMC 샘플링으로 모델이 쓰는 표현에 가깝게 바꾼 뒤 SFT하는 'projection sampling'을 제안했다.
- 화학 과제에서 일반 SFT는 MMLU 등 기존 능력을 크게 잃었지만, 이 방법은 평균 손실 -1.10%로 가장 적게 잊었다.
- MCMC 단계 수를 늘릴수록 학습 데이터가 모델 분포에 가까워지고 정확도도 함께 올라가, 샘플링 자체가 확장 가능한 계산 축이 됨을 보였다.
- 이 방법으로 학습한 모델은 베이스 모델이 전혀 못 풀던 문제를 67.2% 확률로 풀 정도로 진짜 새 능력을 익혔다.
- 샘플링 SFT로 초기화한 뒤 RL을 얹으면 MATH500 +40.7%, GSM8K +25.1%로 전체 최고 성적을 냈다.
- 1147AI / Agents
VISTA: A Visual Harness for Reasoning in an Interactive World
- 과거 화면을 원본 그대로 보관하고 필요한 장면을 확대해 다시 확인하도록 설계했다.
- 공개 ARC-AGI-3 게임 25개를 모두 해결하고 처음 참여한 사람보다 행동 횟수를 57.4% 줄였다고 보고했다.
- BabyVision 시각 추적 문제 39개에서 정답률을 41.0%에서 63.2%로 높였다고 보고했다.
- 공개 게임이 모델 학습에 포함됐을 가능성은 배제할 수 없다고 명시했다.
- 1146AI / General
Sharpening Tax in Post-Training
- 학습 전후 모델 14쌍을 세 가지 시험에서 비교해 총 42개 조건을 분석했다.
- 간단한 도구 실행 틀을 붙인 기본 모델도 충분히 재시도하면 추가 학습 모델보다 더 많은 문제를 풀 수 있음을 확인했다.
- 문제별 성공 기록에 따라 어려운 문제에서는 더 다양한 행동을 시도하도록 학습 과정을 설계했다.
- 두 게임 환경에서 첫 시도 성공률과 반복 시도로 해결하는 문제의 범위를 함께 개선했다.
- 기존 공개 모델의 학습 자료가 알려지지 않아 관찰 결과만으로 원인을 확정할 수 없다고 명시했다.
- 1145AI / General
ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research
- 연구자 184명의 판단으로 연구 초기 질문 894개를 구성했다.
- 상위 20개 결과에서 필요한 논문을 찾은 비율이 검색 에이전트 42%, 의미 유사도 검색 48%라고 보고했다.
- 세부 분야 질문에서 유용하다고 인정된 논문의 43.6%는 원래 연구의 참고문헌에 없었다고 확인했다.
- 후보 논문을 더 길게 읽는 것보다 유용한 후보가 검색 결과에 들어오는지가 중요하다고 분석했다.
- 1144AI / Agents
Turbo Harness: Instance-Adaptive Harness Optimization
- 평균에 맞춘 전역 하네스는 특정 과제에선 최적이 아닐 수 있다는 문제의식에서 출발했다.
- 이미 끝난 최적화 과정의 부산물을 재활용해 구조화된 플레이북으로 만들어, 값비싼 탐색을 다시 안 해도 되게 했다.
- 플레이북을 참조하는 하네스 편집기가 과제별 맞춤 패치를 만들어, 실행 모델이 맞춤 환경에서 돌아가게 한다.
- 인터랙티브 에이전트, 소프트웨어 엔지니어링, 장기 터미널 과제 등 7개 벤치마크에서 기존 기법을 일관되게 능가했다.
- 1143AI / Agents
Learning from Research: Toward Lifelong Agent Harness Evolution
- 모델 가중치는 그대로 두고, 에이전트를 감싼 소프트웨어(하네스)를 논문에서 배워 스스로 진화시키는 접근이다.
- 실행 기록 기반 기존 방식은 소극적이라는 문제의식에서, 연구 문헌을 읽고 개선 전략을 먼저 뽑아내는 능동적 진화로 바꿨다.
- 토픽 모델링으로 논문에서 개선 전략을 찾고, 그 조합을 실험해 골라내는 파이프라인을 만들었다.
- AppWorld에서 과제 완수율 49.6%→63.6%, Tau2-Bench Telecom에서 72.7%→81.9%로 향상됐다.
- 1142AI / Agents
PivotOPD: Learning to Recover from Pivotal Mistakes in Multi-Turn Agents
- 실패한 에이전트 궤적의 절반 이상에 '결정적 실수'가 있고, 대부분 초반 턴에 나온다는 걸 Qwen3 3종으로 확인했다.
- 그 실수는 치명적이지만 회복 가능해서, 실수 직후 몇 턴만 인도하면 과제 성공으로 되돌아올 수 있었다.
- 교사 모델이 정답 행동(예방용)과 회복 행동(복구용)을 제공하고, 두 가지 증류를 함께 쓰는 PivotOPD를 제안했다.
- 13개 기준 대비 ALFWorld에서 +5.5%, SWE-Bench Verified에서 +3.2% 향상으로 다른 모델 계열에도 이전됐다.
- 1141Computer Vision
Looped Diffusion Transformer
- 모델 크기를 키우는 대신 같은 트랜스포머 블록을 한 번의 노이즈 제거 안에서 여러 번 돌리는(루프) 방식으로 확장성을 얻었다.
- 단순 반복은 품질이 나빠지는데, 그 원인이 중간 루프의 약한 감독과 어텐션 업데이트 불안정이라는 걸 찾아냈다.
- 중간 루프 감독 + 자기조절 어텐션을 합친 Looped-DiT로 파라미터 2억6천만 모델이 6.5배 큰 모델을 능가했다.
- 같은 추론 예산에서는 노이즈 제거 단계를 늘리는 것보다 루프 깊이를 늘리는 게 더 효과가 컸다.
- 깊은 루프가 앞 루프의 실수를 점진적으로 교정하는, 잠재적 추론(latent reasoning)을 시사하는 행동을 보였다.
- 1140Robotics
T$^2$Mem: Learning Test-Time Memory for Robotics
- T²Mem은 사전 학습된 시각·언어·행동 모델에 내부 기억을 넣어 현재 화면에서 사라진 정보를 행동에 활용한다.
- 관찰 기반 인터페이스가 과거 정보를 빠른 가중치에 저장하며 기억 모듈과 행동 모델을 번갈아 학습한다.
- RoboMME의 16개 과제에서 평균 성공률은 기억이 없는 기준 모델의 17.93%에서 56.83%로 높아졌다.
- 외부 추론 모델 없이 기억을 활용하며 통제된 RTX A5000 측정에서 FrameSamp+Modul보다 전면 실행 계산이 약 3배 빨랐다.
- 물체 위치 교환을 추론하는 과제와 정밀한 삽입 동작에는 한계가 있으며 속도 측정은 통신과 환경 실행 시간을 제외한다.
- 1139AI / General
Context Language Models
- Context Language Models는 현재 문맥을 파일로 제공해 모델이 일반 코드 도구로 내용을 직접 편집하도록 한다.
- 편집 결과는 다음 모델 호출에 반영되며 여러 문맥 파일을 함께 관리하는 다중 에이전트 구조로 확장할 수 있다.
- Qwen3.6-27B의 BrowseComp-Plus 평가에서 최상위 비교 방식보다 정확도가 상대적으로 11.4% 높고 접두부 캐시 재사용을 반영한 계산량은 21.5% 적었다.
- 자연어 지침과 강화학습으로 문맥 관리 전략을 개선할 수 있으며 별도의 접미부 캐시 재사용 기법은 해당 평가에서 표준 SGLang보다 계산량을 35% 줄였다.
- 편집 가능한 문맥은 악성 지시가 지속되는 새 경로가 될 수 있으므로 유연한 관리와 함께 문맥 무결성 보호가 필요하다.
- 1138AI / General
MatToolBench: Benchmarking Multimodal Agents in Real-World Materials Science Workflows
- MatToolBench는 Windows 11 가상 머신에서 재료과학 도구 10개를 사용하는 204개 과제를 제공한다.
- 화면 조작과 OriginPro 스크립트, 코드 기반 조회를 평가하며 세부 기준별 부분 점수와 모든 기준을 충족한 성공률을 구분한다.
- 평가 모델 중 가장 높은 평균 성공률은 화면 조작 과제에서 25%, 코드 과제에서 45%였다.
- 전문 작업 안내를 제거한 실험에서 성능이 낮아져 도구별 사용 지식과 작업 절차 지원의 중요성을 보여 준다.
- 평가는 영어 지시와 최대 50단계의 단일 세션에 한정되며 일부 전문 도구와 장기 작업 흐름은 포함하지 않는다.
- 1137Robotics
AD-E2E-JEPA: A Joint-Embedding Predictive Architecture For End-to-End Autonomous Driving
- AD-E2E-JEPA는 영상의 잠재 표현에서 미래를 예측하고 목표 영상에 가까운 경로를 선택하는 자율주행 월드 모델이다.
- SIGReg 규제를 적용한 학습 가능한 압축 모듈로 계획에 쓰는 패치 수를 16분의 1로 줄이고 특징 차원을 4분의 1로 줄인다.
- 256개 경로 후보를 평가하는 A100 실험에서 장면당 계획 시간은 0.8초로 DINO-WM과 JEPA-WM의 91.8초 및 101.0초보다 짧았다.
- 사전 학습한 압축 모듈을 별도 모방학습에 활용하면 EPDMS가 무작위 초기화의 80.2에서 85.4로 높아져 표현 재사용의 효과를 보였다.
- 제로샷 평가는 실제 미래 영상을 목표로 제공하고 안전을 직접 최적화하지 않으므로 결과를 실제 도로의 안전성 입증으로 해석할 수 없다.
- 1136LLMs / NLP
Improving Test-Time Scaling with Adaptive Looped Transformers
- '이 토큰이 한 번 더 반복하면 좋아지는가'를 알려주는 예측 라벨로 반복 결정기를 백본과 공동 학습시켰다.
- 테스트타임 정확도-계산 기울기(계산 2배당 정확도 이득)가 비루프 기준 대비 53% 좋아졌다(2.74 vs 1.79).
- 같은 계산량에서 AIME 최고 정확도가 약 3.4점 높고, 깊이를 2에서 8로 늘릴 때 이득이 +2.8점에서 +3.9점으로 계속 커졌다.
- 고정 깊이 루프가 모든 토큰에 반복을 쓰는 것과 달리, 도움 되는 토큰에만 추가 계산을 집중했다.
- 1.7B 모델 후학습(post-training)만으로 효과를 냈다.
- 1135Computer Vision
Learning Native Reflection in Unified Models with Interleaved Reinforcement Learning
- 진단 텍스트와 이미지 수정이 같은 모델 안에서 일어나는 '자기 반성 루프' 전체를 RL로 학습시켰다.
- 같은 초기 그림에서 시작하는 형제 궤적끼리 비교하는 그룹 상대 우위로, 운이 좋은 첫 그림이 아니라 반성 전략의 차이를 학습하게 했다.
- 궤적 하나에 상금 신호 하나를 써서 라운드별 크레딧 분해의 조합 폭발을 피했다.
- GenEval +12.05, WISE +10.97, OneIG-Bench +3.48 등 학습에 안 쓴 벤치마크에서도 향상이 옮겨갔다.
- SFT도 78%의 실패 그림에 대해 옳은 수정을 '가지고' 있었으나 한 번의 궤적으로는 20.59%만 고쳤고, RL 후 64.94%까지 올랐다.
- 1134Robotics
DexAgent: An Agentic Human2Sim2Robot Framework for Dexterous Manipulation with Self-Evolving Tool Library
- 사람 1인칭 영상 하나와 과제 문장만으로 물리적으로 타당한 로봇 궤적 데이터를 만들어냈다.
- 4단계 파이프라인 각 단계에서 도구를 고르거나 새로 개발하고, 속성별 검증기를 통과해야 진행해 오류 누적을 막았다.
- 새 스킬과 검증기를 라이브러리에 저장하는 자기진화 구조로 영상이 쌓일수록 처리 시간이 줄었다.
- 단단한 물체·관절 물체·연성 물체를 아우른 11개 실제 과제에서 경쟁 기준 대비 3.5배 높은 성공률을 달성했다.
- 시뮬레이션에서 물체·로봇 상태를 변형하고 렌더링을 다시 입혀 실제 이식(sim-to-real)을 도왔다.
- 1133Robotics
Agent Priors-guided Policy Learning
- 기술의 구조적 사전을 훈련용 유도 편향과 실행 에이전트용 설명 문서로 동시에 썼다.
- 하나의 기술에 대해 여러 사전을 제안하고, 사전마다 확산 정책(diffusion policy)을 따로 훈련·검증했다.
- 실행 에이전트가 사전·인계 조건·검증 증거를 읽고 정책을 골라 최대 300스텝 단위로 호출하게 했다.
- MetaWorld·ManiSkill에서 학습 분포 밖 상황의 기술 일반화가 좋아졌고 본 적 없는 기술 조합도 성공했다.
- 사전 정보를 없애는 비교 실험에서 성능이 크게 떨어져, 이 인터페이스가 핵심임을 확인했다.
- 1132Machine Learning
PoEM: Predicting RL Outcomes from Existing Policies
- 새 보상이 기존 보상들의 선형 조합이면, 새 로그 정책도 기존 로그 정책들의 선형 조합으로 표현됨을 증명했다.
- 선형이 아닌 경우에도 로그 정책들이 대략 저차원 공간에 놓인다는 경험적 발견이 알고리즘의 뼈대가 됐다.
- 조합 계수를 실제 강화학습 없이 견본에 대한 보상/출력만으로 추정한다.
- 합성·실제 보상, 텍스트·이미지 두 영역에서 실측과 맞는 예측을 확인했다.
- 보상 모델을 자주 바꿔가며 실험하는 LabChin 같은 환경에서 학습 비용을 크게 아껴줄 수 있다.
- 1131Machine Learning
Minimally Invasive Steering of Language Models
- 재학습 없이 마지막 은닉 상태에 더하는 벡터만으로 모델 성향을 조정하되, 분포를 흔드는 정도를 Fisher 이차형 벌점으로 억제한다.
- 시퀀스 전체 KL 기울기를 해석적 항과 점수 함수 항으로 정확히 분해하고, 근사의 타당성을 1차 오더에서 증명했다.
- 계산은 얼어 있는 모델 머리와의 행렬-벡터 곱이라 학습 없이도 위치별 조종 벡터를 최적화할 수 있다.
- 1B~14B 모델의 선호·코드 생성 7개 설정 중 6개에서 최고 평균 보상을 기록했고, 문장 다양성·일관성은 Best-of-N 수준을 유지했다.
- 1130Robotics
AD-WM: Action-Discriminative World Models for Counterfactual Model Predictive Control
- '사실 예측 오차가 낮다 ≠ 행동 선택을 잘한다'라는 세계 모델의 구조적 문제를 정확히 짚었다.
- 행동 복원(역학) 보조 과제를 학습에만 붙여 예측이 행동 정보를 잃지 않게 했고, 테스트 때는 떼어내 계획 수립을 그대로 유지한다.
- OGBench-Cube 어려운 시작 상태에서 성공률 3.7% → 52.0%, 실제 Franka 로봇 픽앤드플레이스 42.2% → 71.1%를 기록했다.
- 단순 예측 오차 대신 '엘리트 후회(elite regret)' 같은 진단 지표가 실제 성공과 더 잘 맞는다는 것도 보여줬다.
- 1129Reasoning
SAGE: Mitigating Long-Horizon Reasoning Biases via Topological Guidance
- 긴 추론 실패를 '탐색 편향'과 '누적 편향' 두 축으로 나눠 정의하고 이론 분석(Symbolic Closure Analysis)을 제시했다.
- 대수적 축소는 가짜 분기를 줄이고, 쌍곡 공간 임베딩은 깊이 방향 신호를 촘촘하게 줘서 두 편향을 각각 잡는다.
- 12개 벤치마크·7개 모델 패밀리에서 일관되게 기존 방법을 앞질렀다.
- 실제 열린 문제인 Andrews-Curtis 과제에서 성능이 최대 8배 좋아졌다.
- 1128Agents
GRASP: Generating, Revising, and Assessing for Strategic Planning with Agentic AI
- 계획짜기를 '생성 → 수정 → 평가' 세 단계로 나누고, 각 단계를 맥락이 분리된 전용 모듈에 맡겼다.
- 자연어 실행 계획 과제에서 직접 플래닝 대비 캘린더 일정 +12.4%, 퍼즐 추론 +30.8% 정확도를 얻었다.
- 일반 플래너는 작업을 섞는 순간 성능이 무너지는데, GRASP은 혼합 작업에서도 하락 폭을 사실상 없앴다(최대 +16.7%).
- 맥락 분리 덕분에 GPT-5-mini 같은 최첨단 추론 모델보다도 14.5% 앞서는 구간이 있었다.
- 1127Computer Vision
FuseReg: Regularizing Layer Fusion Mitigates the Reconstruction-Generation Gap in Representation Autoencoders
- 층 선택을 사람이 정하는 대신, 학습 때마다 인코더 층을 무작위로 섞어 쓰는 규칙(FuseReg) 하나로 문제를 풀었다.
- 이 규칙이 '층끼리 서로 다른 신호에 예민해지지 않게' 하는 벌점 역할을 한다는 걸 이론적으로도 보였다.
- 디코더 하나가 전체/희소/단일 층 입력을 재학습 없이 다 처리하면서, 고정 방식 전용 디코더보다 재구성 품질(PSNR)이 더 높았다.
- 디코더만 바꿔도 이미지 생성 품질(gFID)이 27% 좋아졌고, 생성 단계까지 같은 규칙을 함께 적용하면 29% 좋아졌다.
- 사전학습 인코더는 전혀 손대지 않아서, 기존 모델 자산을 그대로 쓸 수 있다는 실용적 장점이 있다.
- 1126Agents
HEXIS: Compiling Skills into Extended Finite State Machines
- 스킬 문서를 지식과 제어 흐름으로 분리해 FSM으로 컴파일하는 HEXIS를 제안했다
- 실행 트레이스를 정렬해 빠진 상태를 찾아 더하는 증분 컴파일 알고리즘을 만들었다
- 업데이트는 정적 검사와 전체 트레이스 재현(리플레이)을 통과해야만 반영했다
- 4개 벤치마크·4개 실행 모델에서 Skill+ReAct 대비 평균 16.1%p 성공률이 올랐다
- Qwen3.8-27B는 실행 토큰을 38.4~88.9% 줄였고 SpreadsheetBench에서 84.2% 성공률을 냈다
- 1123Robotics
Representation World Model: Learning States, Transition and Executable Plans in Representation
- 상태·전이·계획을 하나의 표현 공간 안에 함께 학습하는 월드 모델을 제안했다
- 경로 상의 역동역학 감독으로 잠재 경로가 실제 실행 가능한 계획이 되도록 표현을 학습했다
- 추론 시 재귀 롤아웃이나 행동 탐색 없이 경로 구축만으로 계획을 완성했다
- LIBERO-Goal 로봇 조작에서 평균 성공률 93%로 LeWM(71.2%)을 크게 앞섰다
- 탐색 기반 최강 베이스라인(384개 후보 평가)보다 좋은 성적을 탐색 없이 달성했다
- 1122AI Agents
JEV-as-a-Judge: Accept When Confident, Escalate When Unsure
- 판결+확률만 출력하는 저렴한 심판(JEV)을 생성형 LLM 심판 16개와 공정 비교했다
- 일반 선호·근거 기반 사실 판단에서 최고 심판과 3% 포인트 이내 차이를 냈다
- 측정 비용은 최고 성능 비교군의 0.36%에 불과했다 ($0.042/백만 입력 토큰)
- 확신 있으면 수용, 불확실하면 상위 심판으로 넘기는 캐스케이드가 정확도 99%를 유지했다
- 수식 유도 검증이나 그럴듯한 오답 저항 같은 어려운 판단에서는 한계가 뚜렷했다
연구에서 제품 적용까지
운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.
보유기술 보기