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.

  1. 339LLMs / NLP

    You Only Index Once: Cross-Layer Sparse Attention with Shared Routing

    • KV 공유 아키텍처에서 라우팅 인덱스까지 레이어 간 공유하는 CLSA를 제안한다.
    • 단일 인덱서가 top-k 선택을 한 번 수행하고 결과를 전체 층에서 재사용한다.
    • 토큰 희소 attention의 정확도를 유지하면서 라우팅 비용을 분할 상환한다.
    • 프리필링, KV 캐시, 디코딩 등 모든 주요 추론 병목을 동시에 개선한다.
    • 128K 컨텍스트에서 7.6배 디코딩 가속, 17.1배 전체 처리량 향상을 달성한다.
  2. 338AI / General

    Goedel-Architect: Streamlining Formal Theorem Proving with Blueprint Generation and Refinement

    • 정의와 보조정리의 의존성 그래프인 청사진을 생성하고 정제하는 전략을 사용한다.
    • 재귀적 보조정리 분해 대신 병렬 증명과 전역 정제로 dead-end 루프를 방지한다.
    • DeepSeek-V4-Flash(284B-A13B) 오픈 모델을 백본으로 사용한다.
    • MiniF2F-test 100%, PutnamBench 88.8%, IMO 2025 4/6, Putnam 2025 11/12를 달성한다.
    • 유사 오픈소스 파이프라인 대비 최대 500배 낮은 비용으로 SOTA를 기록한다.
  3. 337Statistics

    How abundant are good interpolators?

    • 보간 분류기 집합에서 무작위 선택 시 일반화 오차에 대한 대편차 원리를 확립한다.
    • 거의 모든 보간 분류기가 동일한 일반화 성능에 지수적으로 집중됨을 보인다.
    • 가우시안 혼합 모델과 로지스틱 모델 두 가지 자연스러운 분포에서 분석한다.
    • 과파라미터화 영역에서 기울기 하강과 선형 계획법이 무작위 보간기보다 우수하다.
    • 실용적 알고리즘의 무해한 과적합이 자명하지 않은 비자명한 현상임을 시사한다.
  4. 336Machine Learning

    PC Layer: Polynomial Weight Preconditioning for Improving LLM Pre-Training

    • 저차 다항식 전처리로 가중치 행렬의 특이값 스펙트럼을 안정화한다.
    • 학습 후 가중치를 원래 아키텍처에 병합해 추론 오버헤드가 없다.
    • Llama-1B에서 AdamW, Muon 모두에 대해 표준 transformer 대비 성능 향상을 달성한다.
    • 이론적으로 층별 특이값 균일 제한 시 기울기 하강의 기하학적 수렴을 보장한다.
    • 추가 파라미터나 구조 변경 없이 기존 LLM 학습 파이프라인에 적용 가능하다.
  5. 335AI / General

    MLEvolve: A Self-Evolving Framework for Automated Machine Learning Algorithm Discovery

    • Progressive MCGS로 브랜치 간 정보 흐름을 가능케 해 기존 트리 탐색의 고립 문제를 해결한다.
    • Retrospective Memory로 도메인 지식과 태스크 경험을 동시에 활용한다.
    • 전략 기획과 코드 생성을 분리하는 적응적 코딩 모드로 장기 반복의 안정성을 확보한다.
    • MLE-Bench에서 12시간(표준의 절반) 예산으로 평균 메달률과 유효 제출률 SOTA를 달성한다.
    • AlphaEvolve를 수학 알고리즘 최적화에서 능가하며 강한 교차 도메인 일반화를 보여준다.
  6. 334LLMs / NLP

    Self-Augmenting Retrieval for Diffusion Language Models

    • 디노이징에서 버려지는 저신뢰도 토큰을 검색용 lookahead 신호로 활용한다.
    • 학습 불필요, 검색기 무관, 모든 이산 확산 언어모델에 적용 가능하다.
    • 저신뢰도 토큰이 출력 완성 전 주요 개체를 미리 표면화하는 특성을 이용한다.
    • 5개 다중 홉 QA 벤치마크에서 기존 기준선들을 능가한다.
    • 기존 대비 최대 8배 높은 처리량을 달성한다.
  7. 333Machine Learning

    RREDCoT: Segment-Level Reward Redistribution for Reasoning Models

    • 사고사슬의 지연 보상 문제를 구간 수준 보상 재분배로 해결한다.
    • 모델 자체를 활용해 추가 생성 없이 최적 보상 재분배를 근사한다.
    • 몬테카를로 샘플링 대비 계산 오버헤드를 크게 줄인다.
    • 정답 도달에 기여하는 CoT 구간을 식별해 credit assignment를 수행한다.
    • CoT 분할 방식과 상태 가치 추정 방법의 설계 선택을 체계적으로 분석한다.
  8. 332Machine Learning

    Pretraining Recurrent Networks without Recurrence

    • RNN 학습을 단계 기억 전이에 대한 지도학습으로 환원해 순환 전파를 우회한다.
    • Transformer 기반 인코더로 기억 라벨을 생성해 무엇을 기억할지를 학습한다.
    • 모든 토큰 쌍 간 O(1) 기울기 경로로 장거리 의존성을 안정적으로 포착한다.
    • 시간 축 병렬 학습이 가능해 RNN 스케일링의 병목을 해소할 잠재력이 있다.
    • 언어모델링과 픽셀 시퀀스 모델링에서 표준 BPTT를 능가한다.
  9. 331Game Theory

    DNQ: Deep Nash Q-Network for Partially Observable n-Player Games

    • solver-in-the-loop 균형 감독 프레임워크로 입찰 에이전트를 학습한다.
    • 공유 critic이 pairwise 보수 행렬 또는 N인 보수 텐서를 예측해 학습 효율을 높인다.
    • pairwise 공식화는 정확한 N인 공식화 대비 계산 비용을 크게 감소시킨다.
    • 정확한 방법은 에이전트 수가 늘어나면 계산적으로 실현 불가능해진다.
    • 전략적 충실도와 확장성 사이의 트레이드오프를 실증적으로 보여준다.
  10. 330LLMs / NLP

    Operation-Guided Progressive Human-to-AI Text Transformation Benchmark for Multi-Granularity AI-Text Detection

    • 인간-AI 점진적 공동 편집 과정을 9단계로 모델링하는 벤치마크 OpAI-Bench를 제안한다.
    • 문서, 문장, 토큰, 스팬 네 가지 세분성에서 AI 텍스트 탐지기를 평가한다.
    • 5가지 대표적 AI 편집 연산과 4개 도메인을 포괄한다.
    • 혼합 저작의 중간 버전이 완전 인간이나 고비율 AI보다 탐지하기 더 어려운 비단조적 패턴을 발견했다.
    • AI 탐지 가능성은 편집 비율, 연산 유형, 도메인, 누적 이력에 모두 의존한다.
  11. 329Machine Learning

    Regret Minimization with Adaptive Opponents in Repeated Games

    • 적응적 상대가 있는 반복 게임을 위한 새 메트릭 RP-Regret을 도입한다.
    • RP-Regret은 기본적으로 비볼록 문제이며, 이를 다루기 위한 세 가지 알고리즘을 제안한다.
    • 모든 플레이어가 RP-Regret을 최소화하면 부분게임 완전 균형을 학습할 수 있다.
    • Stag-Hunt 게임에서 기존 방식보다 더 협력적이고 효용이 높은 해로 수렴한다.
    • 비교 전략과 상대 전략의 기억에 대한 필요조건을 규명한다.
  12. 328Robotics

    TempoVLA: Learning Speed-Controllable Vision-Language-Action Policies

    • 기존 VLA는 고정 속도만 학습하지만, TempoVLA는 명시적 속도 조건으로 실행 속도를 제어한다.
    • VSTA 데이터 증강으로 데모를 임의 속도로 재조정하면서 운동 의미를 보존한다.
    • 시뮬레이션과 실제 환경 모두에서 양방향 유연한 속도 제어를 달성한다.
    • 대형 멀티모달 모델과 결합해 위험도 기반 동적 속도 제어를 실현한다.
    • VSTA는 기본 1x 속도 성능도 데이터 활용도 향상으로 개선한다.
  13. 327Software Engineering

    Code2LoRA: Hypernetwork-Generated Adapters for Code Language Models under Software Evolution

    • 하이퍼네트워크가 리포지토리별 LoRA 어댑터를 생성해 추론 시 토큰 오버헤드 없이 저장소 지식을 주입한다.
    • 정적 스냅샷용 Code2LoRA-Static과 진화하는 코드베이스용 Code2LoRA-Evo 두 모드를 지원한다.
    • Code2LoRA-Evo는 GRU 은닉 상태로 커밋별 diff에 적응한다.
    • 604개 Python 리포지토리 기반 RepoPeftBench 벤치마크를 새로 구축했다.
    • 정적 트랙 66.2%, 진화 트랙 60.3% exact match로 리포지토리별 LoRA 상한에 근접한다.
  14. 326Robotics

    HANDOFF: Humanoid Agentic Task-Space Whole-Body Control via Distilled Complementary Teachers

    • 작업 계획과 전신 제어 사이의 간결하고 모듈적인 인터페이스를 제안한다.
    • 전신 모션 트래킹, 이동, 낙하 복구 세 전문가를 mixture-of-experts로 증류한다.
    • Unitree G1 하드웨어에서 SOTA 속도 추적과 넓은 조작 작업공간을 달성한다.
    • VLM 기반 에이전트 플래너로 자연어 명령을 통한 제어가 가능하다.
    • 태스크별 데이터나 컨트롤러 미세조정 없이 다양한 작업을 수행한다.
  15. 325Machine Learning

    TailLoR: Protecting Principal Components in Parameter-Efficient Continual Learning

    • 사전학습 가중치의 특이값 기저(U, V)를 고정 참조 프레임으로 활용해 저랭크 업데이트를 설계한다.
    • 소프트 스펙트럴 페널티로 주성분 방향의 업데이트를 억제하여 태스크 간 간섭을 줄인다.
    • 세밀한 적응은 유연성이 높은 긴 꼬리 스펙트럼 좌표로 라우팅된다.
    • 스펙트럼 분해 기반 PEFT 방법들의 연속학습 성능을 개선한다.
  16. 324LLMs / NLP

    Self-Evaluation Is Already There: Eliciting Latent Judge Calibration in Base LLMs with Minimal Data

    • 이 논문은 이 능력이 어떤 표적 학습 이전에도 대체로 존재함을 발견한다. 퓨샷 프롬프트만으로 기본 모델은 이미 세 가지 벤치마크 전반에서 개방형 응답에 대한 외부 심판의 다속성 품질 점수를 우연 수준을 훨씬 웃돌게 예측한다.
    • 강화 학습 베이스라인보다 약 31배 적은 160개의 고유 예제로부터, SEE는 답변 품질을 유지하면서 세 가지 벤치마크 전반에 걸쳐 홀드아웃 보정을 개선한다.
    • 이 결과들은 심판 정렬 자기 평가를 획득이 아니라 도출의 문제로 재구성한다.
  17. 323Computer Vision

    Geometry Gaussians: Decoupling Appearance and Geometry in Gaussian Splatting

    • 새로운 시점 합성을 위한 3D Gaussian Splatting(3DGS)의 성공 이후, 많은 연구가 이를 기하 표면 표현에도 활용하는 방법을 탐구해 왔다.
    • 이 연구는 완전한 정답 텍스처 및 기하 정보로 학습함으로써, 기본 형태의 3DGS가 본질적으로 텍스처와 기하 구조를 동시에 표현하기에 부적합함을 보인다.
    • 저자들은 또한 각 스플랫에 단일 추가 기하 불투명도 파라미터를 적용하고, 선택적인 투명도 큐레이션 최적화 파이프라인을 함께 사용하는 간단한 해법을 제안한다.
  18. 322Machine Learning

    Preserving Data Privacy in Learning Causal Structure with Fully Homomorphic Encryption

    • 이 논문은 암호문에 대해 계산을 수행하여 전송 및 연산 중에 데이터를 암호화된 상태로 유지하는, 완전 동형 암호(FHE) 기반 방법을 제안한다.
    • 또한 이 방법은 차등 프라이버시를 지원하도록 이식 가능함을 보임으로써 FHE를 넘어 손쉽게 확장될 수 있다.
    • 실험 결과는 이 방법이 테스트한 데이터셋에서 평문 버전과 높은 일관성 및 대등한 인과 구조를 달성함을 보여준다.
  19. 321Machine Learning

    Towards Efficient and Evidence-grounded Mobility Prediction with LLM-Driven Agent

    • 지도 학습 시퀀스 모델은 높은 정확도를 달성하지만 작업별 학습이 필요하며 의사결정 수준의 투명성을 거의 제공하지 못한다.
    • 이 논문은 다음 위치 예측을 적응적·증거 통제형 의사결정으로 정식화하는, 학습이 필요 없는 LLM 구동 에이전트 프레임워크를 제안한다.
    • 세 가지 이동성 데이터셋 전반에서 AgentMob은 학습이 필요 없는 LLM 기반 방법 중 가장 강한 종합 성능을 달성하며, GPT-5.4는 BW에서 71.42% Acc@1, YJMob100K에서 33.14%, Shanghai ISP에서 33.50%에 도달한다.
  20. 320Machine Learning

    Deep Embedded Multiplicative DMD for Algebra-Preserving Koopman Learning

    • 심층 쿠프만 방법은 유연한 좌표를 학습하는 반면, 구조 보존 방법은 고정된 사전에 연산자 항등식을 강제한다.
    • 그 결과는 학습된 잠재 셀 위의 유한 전이 맵이다.
    • 이 결과들은 쿠프만 학습을 위한 실용적 규칙을 시사한다. 좌표는 학습하고, 대수는 제약하라.
  21. 319LLMs / NLP

    Activation-Based Active Learning for In-Context Learning: Challenges and Insights

    • 그러나 이 논문은 부정적인 결과를 발견한다. 거대 활성화 또는 처음 네 개의 모멘트라는 렌즈로 본 MLP 출력은 예제 품질이나 작업 성능과 상관관계가 없다.
    • 구체적으로, 테스트한 모든 작업과 모델에서 절대 스피어만 상관계수는 최대 0.33에 불과하여, 이러한 활성화 기반 샘플링이 인컨텍스트 학습에 사용되어서는 안 됨을 보여준다.
    • 저자들은 이것이 중첩 때문일 수 있다고 가정하는데, 이는 모델이 가진 차원 수보다 더 많은 특징을 표현하는 현상으로, Sparse Autoencoder(SAE) 같은 방법이 유망한 향후 방향일 수 있음을 시사한다.
  22. 318Machine Learning

    Generating Financial Time Series by Matching Random Convolutional Features

    • 이를 완화하기 위해, 최근 접근법들은 실제 시계열과 생성된 시계열의 비학습 특징 표현 간 불일치를 최소화하도록 생성기를 학습시킨다.
    • 이 논문은 무작위 SOCK 특징을 매칭하여 학습된 생성기가 다양한 소표본 금융 데이터셋 전반에서 시그니처 및 확산 기반 베이스라인을 일관되게 능가함을 보인다.
    • 저자들은 나아가 이표본 가설 검정과 시계열 분류 작업에서 SOCK의 표현력을 입증하는데, 이 작업들에서 SOCK는 기존 비지도 특징 맵과 대등하거나 이를 능가한다.
  23. 317Machine Learning

    BBOmix: A Tabular Benchmark for Hyperparameter Optimization of Unsupervised Biological Representation Learning

    • 심층 비지도 학습 구조, 특히 오토인코더(AE)는 이 분야에서 차원 축소와 표현 학습을 위해 점점 더 많이 사용되고 있다.
    • 대규모 비지도 HPO 연구에 대한 접근을 보편화하기 위해, 이 논문은 실제 생물학 데이터에 대한 비지도 표현 학습을 위한 최초의 오픈소스 테이블형 벤치마크인 BBOmix를 소개한다.
    • 이 벤치마크는 TCGA 및 SCHC 데이터셋의 네 가지 AE 구조와 일곱 가지 다중 오믹스 양식에 걸쳐 105,000건의 평가를 포함한다.
  24. 316Computer Vision

    GeM-NR: Geometry-Aware Multi-View Editing for Nonrigid Scene Changes

    • 이 논문은 기존 방법들이 어려워하는, 기하 구조와 외관에 큰 변화가 있는 편집을 이 방법이 처리할 수 있음을 입증한다.
    • 저자들은 편집된 장면의 3D 표현 생성을 포함한 다양한 편집 작업에서 이 방법이 일관성을 개선함을 보이는 광범위한 평가를 수행한다.
    • 정량적·정성적 결과 모두 편집 품질뿐 아니라 여러 시점에 걸친 기하적·광도적 일관성 측면에서 이 방법의 최첨단 성능을 나타낸다.
  25. 315Robotics

    HORIZON: Recoverability-Governed Curriculum for Physical-Domain Scaling

    • 온폴리시 학습에서 새로운 동역학은, 롤아웃을 회복 불가능한 실패로 무너뜨리는 대신 교정용 온폴리시 데이터를 생성할 만큼 현재 정책에 충분히 가깝게 유지되는 한에서만 유용하다.
    • 체화된 일반화를 위한 물리적으로 까다로운 벤치마크로 4족 보행을 사용하여, 이 논문은 HORIZON을 도입한다. 이는 현재 정책의 회복 가능 경계 안에서만 물리 도메인을 확장하는 체크포인트 기반 프런티어 커리큘럼이다.
    • 종합하면, 이 결과들은 물리 도메인 일반화를 체화된 제어를 위한 지속적 성장 문제로 규정하며, 회복 가능성을 온폴리시 확장의 조직 원리로 삼는다.
  26. 314Machine Learning

    Failed Reasoning Traces Tell You What Is Fixable (But Not by Reading Them)

    • 이 논문은 이것이 중요한 신호를 버리는 것이라고 주장한다. 어떤 실패는 운 나쁜 샘플링에서 비롯되어 더 많은 롤아웃이 도움이 되지만, 다른 실패는 구조적이어서 예산과 무관하게 재샘플링에 저항한다.
    • 저자들은 실패한 추론 흔적이 회복 가능성 구조를 부호화한다고 제안한다. 즉, 주어진 실패를 어떤 테스트타임 개입이 구제할 수 있는지에 대한 추론 시점의 시그니처다.
    • 사용 가능한 개입의 구조에서 도출된 세 가지 문제 수준의 궤적 특징은, 실패한 롤아웃의 텍스트가 아니라 그 분포적 시그니처로부터 이 구조를 복원한다.
  27. 313Computer Vision

    An Open-Source Two-Stage Computer Vision Pipeline for Fine-Grained Vehicle Classification using Vision Transformers

    • 미시간주 앤아버의 자전거 도로 구간에서 수집한 3,805건의 주석 달린 추월 이벤트(분포 내)로 평가한 결과, 이 파이프라인은 0.94의 정확도를 달성했으며 클래스별 F1 점수는 0.91(미니밴)부터 0.97(SUV)까지였다.
    • 잘 대표된 네 범주 중 세 범주는 도메인 변화 하에서도 F1을 0.90 이상으로 유지했다.
    • 추론 스크립트, 학습 코드, 평가 유틸리티, 모델 가중치를 포함한 전체 파이프라인은 도로변 영상 아카이브와 자전거 안전 연구 전반에서 재현성과 재사용을 지원하기 위해 오픈소스 소프트웨어로 공개된다.
  28. 312Neural Networks

    Multi-Column RBF Neural Network Using Adaptive and Non-Adaptive Particle Swarm Optimization

    • 최첨단 경사 기반 학습 방법인 오류 보정(ErrCor)은 정확도를 높이기 위해 최적의 은닉 유닛을 선택한다.
    • ErrCor과 PSO 모두 향상된 결과와 경쟁력 있는 수렴을 입증한다.
    • MCRN의 성공에 영감을 받아, 저자들은 PSO 성능을 개선하기 위한 두 가지 새로운 접근법을 제안한다. 즉, PSO를 적용한 다중 열 RBFN(MC-PSO)과 APSO를 적용한 다중 열 RBFN(MC-APSO)이다.
  29. 311Machine Learning

    Reinforcement Learning from Rich Feedback with Distributional DAgger

    • 이 논문은 역방향 KL이나 Jensen-Shannon에 기반한 기존 자기 증류 목적 함수를 사용하는 RL이 단조적 정책 개선을 보장하지 못함을 보인다. 즉, 전문가가 더 높은 보상을 갖더라도 그 업데이트가 더 나쁜 행동에 대한 확률을 높일 수 있다.
    • 이와 대조적으로, 순방향 교차 엔트로피가 단조적 정책 개선을 허용하며 후회(regret)에 대한 보장을 누림을 보인다.
    • 또한 이 목적 함수가 교사 가중 성공 가능도의 하한을 최적화하여 Pass@N을 개선함을 보인다.
  30. 310LLMs / NLP

    Streaming Communication in Multi-Agent Reasoning

    • 이 논문은 생성되는 즉시 각 추론 단계를 하위 에이전트로 스트리밍하여 인접 에이전트를 파이프라이닝함으로써 지연 시간을 줄이는 다중 에이전트 추론 시스템 StreamMA를 소개한다.
    • 수학, 과학, 코드를 아우르는 8개 추론 벤치마크, 두 개의 최첨단 LLM(Claude Opus 4.6과 GPT-5.4), 세 가지 토폴로지(Chain, Tree, Graph)에 걸쳐 StreamMA는 두 베이스라인을 모두 능가한다.
    • 이러한 기여를 넘어, 저자들은 '단계 수준 스케일링 법칙'을 발견했다. 즉, 에이전트당 단계 수를 늘리면 효과성과 효율성이 일관되게 향상되며, 이는 에이전트 수 스케일링과 직교하고 조합 가능한 새로운 스케일링 차원이다.

연구에서 제품 적용까지

운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.

보유기술 보기