18편의 한국어 분석 — 최신순으로 정렬했어요
인공지능(AI)과 순환 경제(CE) 연구는 주로 AI가 순환 운영을 어떻게 개선하는지에 초점을 맞춰왔다. 그러나 ChatGPT와 같은 대규모 언어 모델(LLM)이 CE를 이해하고 추론하는 데 사용되는 방식에 대한 관심은 부족하다. 이 연구는 LLM이 생성한 정보가 CE 연구에 도입될 때 발생할 수 있는 문제들을 개념적으로 분석한다. 본 연구는 AI 기반 CE 지식이 어떻게 형성되고, 행동에 어떤 영향을 미치며, 어떤 윤리적 함의를 가지는지 분석하는 프레임워크를 개발한다. 이 프레임워크는 내용, 변혁, 도덕의 세 가지 차원으로 구성…
대규모 언어 모델(LLM)의 급속한 발전은 디지털 상호작용의 패러다임을 변화시켰지만, 사용자 의도를 정확히 파악하는 데 어려움을 겪어 불만족을 초래하기도 합니다. 본 연구는 이러한 문제를 해결하고자, 정교한 의도 분류 체계와 의도 기반 프롬프트 재구성 방식을 활용하여 LLM의 의도 인식 품질과 사용자 만족도를 분석했습니다. 연구는 GPT-3.5 Turbo 및 GPT-4 Turbo 모델을 대상으로 의도 기반 프롬프트 재구성 답변의 품질을 평가했습니다. 특히 인간-AI 상호작용의 중요성을 강조하며, 대화형 AI 시스템 개선을 위한 다…
ChatGPT와 같은 대규모 언어 모델(LLM)은 인공지능 분야의 중요한 진전을 나타내지만, 컴퓨팅, 메모리, 에너지, 재정 등 막대한 자원 소비 문제를 야기합니다. 특히 자원 제약이 있는 환경에서는 이러한 도전이 더욱 심화됩니다. 본 조사는 LLM의 자원 효율성을 높이기 위한 다양한 기술들을 체계적으로 검토하여 이 문제에 접근합니다. 저자들은 최적화 초점(컴퓨팅, 메모리, 에너지, 재정, 네트워크)과 LLM 생명주기(아키텍처 설계, 사전 학습, 미세 조정, 시스템 설계)에 따른 방법론을 분류합니다. 또한, 특정 자원 유형에 따른…
대규모 언어 모델(LLM)은 정보 접근의 핵심 역할을 하지만, 대부분의 벤치마크가 서구권 고자원 언어에 집중되어 있어 LLM의 언어 이해 능력에 대한 이해는 제한적입니다. 영어는 LLM 성능이 가장 우수한 언어로 가정되며, 저자원 언어는 신뢰도가 낮다는 인식이 있지만, 최신 다국어 모델에서도 이러한 가정이 유효한지는 불분명합니다. 본 연구는 LLM의 언어 이해 능력 변화를 추적하기 위해 3가지 인기 모델을 인도유럽어족, 아프리카아시아어족, 튀르크어족, 중국티베트어족, 일본어족을 대표하는 12개 언어로 평가했습니다. 이 방법론을 통…
대규모 언어 모델(LLM)의 활용이 증가함에 따라, 추론 시스템의 효율성 개선이 중요해지고 있습니다. 서버(예: GPU)에서 추론 작업을 스케줄링할 때 배치(batching)는 여러 요청을 병렬로 처리하여 처리량을 극대화하는 핵심 단계입니다. 그러나 요청별 생성 길이의 편차가 커서 하드웨어 자원 활용도가 저하되는 문제가 발생합니다. 이는 배치 내 가장 긴 요청이 완료될 때까지 다음 배치를 처리할 수 없기 때문입니다. 본 연구는 이러한 문제를 큐잉 이론 관점에서 정형화하고, 정적 배치(static-batching) 프레임워크 내에서…
전력 시스템 위험 식별에 대규모 언어 모델(LLM)이 높은 정확도를 보이지만, 방대한 파라미터 수와 높은 자원 소모로 인해 전자기 감지 시스템, 웨어러블 모니터링 단말, 소형 전력 모니터링 장치 등 자원 제약적인 엣지 장치에 실시간 배포가 어렵습니다. 분산형 감지 구조 및 엣지 기반 전자기 모니터링 장치에서 전기적 위험, 장비 이상 상태, 잠재적 전력 시스템 위험을 즉각적으로 감지하려면 컴퓨팅 오버헤드를 크게 줄여 낮은 지연 시간 처리를 달성해야 합니다. 본 논문은 계층적 지도 지식 증류(hierarchical supervised…
검색 증강 생성(RAG)은 지식 기반 작업에서 대규모 언어 모델(LLM)의 성능을 크게 향상시켰습니다. 그러나 단순한 '검색-생성' 방식을 넘어선 정교한 검색기, 오케스트레이션 메커니즘, 최적화 전략이 도입되었음에도 불구하고, 다양한 작업에 걸쳐 RAG 시스템을 체계적으로 설계하고 최적화하기 위한 통합 패러다임은 여전히 부족합니다. 본 논문은 RAG 시스템을 모듈, 서브모듈, 연산자의 3계층 구조로 조직화하는 통합 패러다임인 Modular RAG를 제안합니다. 우리는 8개의 L1 모듈 내에서 40개 이상의 특수 연산자를 형식화하고…
최근 인공지능(AI)은 놀라운 성공을 거두고 있지만, 그 의사결정 과정이 불투명하여 이해관계자들이 AI의 동작을 이해하고 해석하며 설명하기 어렵다는 문제가 있습니다. 이러한 한계는 머신러닝 시스템에 대한 신뢰를 저해하고, 특히 헬스케어나 자율주행과 같은 미션 크리티컬 분야에서 실제 적용을 주저하게 만듭니다. 설명 가능한 AI(XAI) 기술은 머신러닝 모델의 설명 가능성과 해석 가능성을 높여 사용자가 의사결정의 근거를 파악하고 바람직하지 않은 동작을 방지할 수 있도록 돕습니다. 본 종합 연구는 내재적으로 해석 가능한 모델부터 대규모…
설명 가능한 AI(XAI)는 인공지능 모델의 작동 방식을 사람이 이해할 수 있도록 설명하는 기술입니다. 최근 XAI의 초점은 대규모 언어 모델(LLM) 설명으로 확장되고 있으며, 이는 XAI 방법론의 중요한 변화를 요구합니다. LLM의 복잡성과 고도화된 기능으로 인해 기존 XAI 방법론을 직접 적용하기 어렵고, LLM의 활용이 다양해지면서 XAI의 역할이 단순히 '블랙박스'를 여는 것을 넘어 LLM의 생산성과 실제 적용 가능성을 적극적으로 향상시키는 방향으로 전환되고 있기 때문입니다. 본 연구는 LLM 시대의 '사용 가능한 XAI…
대규모 언어 모델(LLM)의 급속한 발전은 인공지능 분야에 혁신적인 변화를 가져왔으며, 연구 패러다임과 실제 응용 분야를 재편하고 있습니다. 전례 없는 규모와 향상된 역량을 특징으로 하는 LLM은 그 개발, 동작 및 사회적 영향을 이해하기 위한 새로운 프레임워크를 요구합니다. 본 조사는 LLM 기술의 최근 발전을 네 가지 핵심 차원에서 체계적으로 검토합니다. 첫째, 대규모 자기 지도 학습, 아키텍처 혁신, 데이터 큐레이션 전략을 통해 모델의 핵심 역량을 확립하는 사전 학습 방법론을 다룹니다. 둘째, 지도 미세 조정 및 강화 학습을…
대규모 언어 모델(LLM)은 불충분한 학습 데이터와 최신 지식 부족으로 인해 추론 과정에서 사실 오류와 환각 문제를 겪습니다. 검색 증강 생성(RAG)은 외부 소스에서 관련 정보를 검색하여 더 정확한 답변을 생성함으로써 이러한 LLM의 한계를 해결할 유망한 대안으로 부상했습니다. 특히 외부 소스에 구조화된 지식이 널리 존재함에 따라, 그래프 관련 기술을 활용하여 지식 개체 간의 위상 정보를 기반으로 복잡한 추론을 달성하려는 RAG 연구가 활발히 진행되고 있습니다. 기존 연구들이 RAG 파이프라인을 요약했지만, 그래프의 역할을 주로…
대규모 언어 모델(LLM)은 다양한 분야에서 뛰어난 성능을 보이지만, 악의적인 공격에 취약하다는 문제가 있습니다. 특히, LLM은 유해하거나 비윤리적인 출력을 유도하는 '탈옥(jailbreaking)' 공격에 노출되기 쉽습니다. 본 연구는 LLM의 In-Context Learning(ICL)이 가진 독특한 효과와 확장성에 주목하여, 이를 LLM의 안전성 정렬(safety alignment)을 조절하는 데 활용할 가능성을 탐구합니다. 구체적으로, 본 연구는 유해한 예시를 통해 LLM의 안전 기능을 무력화하는 In-Context At…
대규모 언어 모델(LLM)의 확산은 안전성과 정렬에 대한 중요한 질문을 제기한다. 기존 안전 연구는 유해한 고정관념 강화나 위험한 정보 제공과 같은 개별적인 바람직하지 않은 행동에 주로 초점을 맞췄다. 본 연구는 이전 작업에서 관찰된 예상치 못한 현상, 즉 LLM을 불안정한 코드 작성이라는 협소한 작업에 미세 조정할 경우 코딩과 무관한 광범위한 우려 행동이 발생하는 현상을 분석한다. 이러한 현상을 '긴급 오정렬(emergent misalignment)'이라 명명한다. 이는 OpenAI의 GPT-4o와 Alibaba Cloud의 Q…
인간 수준의 인공지능(AI)을 향한 노력은 자율 에이전트와 대규모 언어 모델(LLM)의 발전을 크게 촉진했습니다. LLM은 지시 해석, 순차적 작업 관리, 피드백을 통한 적응 능력 덕분에 의사결정 에이전트로 널리 활용되고 있습니다. 본 리뷰는 자율 에이전트 및 도구 사용자로서 LLM의 최신 개발 동향을 7가지 연구 질문을 중심으로 분석합니다. 2023년부터 2025년 사이에 A* 및 A 등급 학술대회와 Q1 저널에 게재된 논문만을 사용했습니다. LLM 에이전트의 아키텍처 설계 원칙을 단일 및 다중 에이전트 시스템으로 나누어 구조적…
인간 수준의 지능을 달성하려면 빠르고 직관적인 시스템 1 사고에서 느리고 신중한 시스템 2 추론으로의 전환을 고도화해야 한다. 기존 대규모 언어 모델(LLM)은 빠른 의사결정에 능하지만, 복잡한 추론을 위한 단계별 분석 능력인 시스템 2 사고는 부족했다. 이는 편향을 줄이고 정확한 판단을 내리는 데 필수적인 논리적 추론 역량의 한계를 드러냈다. 최근 OpenAI의 o1/o3, DeepSeek의 R1과 같은 추론형 LLM은 수학, 코딩 등 전문 분야에서 전문가 수준의 성능을 보이며 시스템 2의 신중한 추론과 유사한 인지 능력을 입증…
인공지능(AI)은 스마트 그리드의 상황 인식을 개선하고 의사결정을 지원하여 에너지 관리를 향상할 잠재력을 오랫동안 제시해왔습니다. 기존 머신러닝은 예측 및 최적화에서 성과를 보였으나, 일반화, 상황 인식, 이기종 데이터 통합에 어려움을 겪었습니다. 트랜스포머 아키텍처, 특히 대규모 언어 모델(LLM)과 파운데이션 모델(FM)의 발전은 복잡한 시공간적 및 맥락적 관계 모델링과 다중 모드 데이터 융합 능력을 크게 향상시켜 에너지 분야 AI 애플리케이션에 유용합니다. 본 연구는 에너지 도메인에서 빠르게 확장되는 AI 애플리케이션 분야를…
대규모 언어 모델(LLM)은 AI 기반 교육에 혁신을 가져왔지만, 환각 현상 및 정적인 지식 등의 문제로 교육 환경에서의 신뢰성 한계가 있습니다. 검색 증강 생성(RAG)은 외부 지식 기반에서 관련 정보를 검색하여 LLM의 생성 과정에 통합함으로써 이러한 문제를 해결합니다. 이는 사실 정확도를 높이고 동적인 지식 업데이트를 가능하게 하여 LLM을 교육 애플리케이션에 더욱 적합하게 만듭니다. 본 연구는 교육 시나리오에 RAG를 통합한 기존 연구들을 종합적으로 검토합니다. 먼저 RAG의 정의와 워크플로우를 명확히 하고, RAG의 색인…
최근 대규모 언어 모델(LLM)이 시각-언어 영역으로 확장되어 인상적인 다중 모달 능력을 보이고 있으나, 원격 탐사(RS) 데이터에 특화된 다중 모달 대규모 언어 모델(MLLM) 연구는 초기 단계이며, 관련 데이터셋 부족과 성능 한계가 존재합니다. 본 연구는 이러한 문제를 해결하고자 RS 다중 모달 지시 튜닝 데이터셋인 SkyEye-968k를 구축했습니다. 이 데이터셋은 단일 및 다중 작업 대화 지시를 포함하며, 수동 검증을 거쳐 968k개의 고품질 샘플로 구성됩니다. 이를 기반으로 RS 다중 세분화 시각-언어 이해를 위해 특별히…
