28편의 한국어 분석 — 최신순으로 정렬했어요
소프트웨어 저장소에서 사용자 설명 기반의 실제 문제 해결은 소프트웨어 유지보수의 핵심입니다. 최근 대규모 언어 모델(LLM)의 추론 및 생성 능력 발전으로 자동화된 소프트웨어 문제 해결 분야에서 상당한 진전이 있었습니다. 그러나 실제 소프트웨어 문제 해결은 본질적으로 복잡하며, 장기적인 추론, 반복적 탐색, 피드백 기반 의사결정 등 기존의 단일 단계 접근 방식을 넘어서는 에이전트형 역량을 요구합니다. 본 연구는 LLM 기반 에이전트형 시스템이 소프트웨어 문제 해결의 유망한 방향임을 인식하고, 이 분야의 폭발적인 성장을 체계적으로 …
접두사 가산기는 필수적인 산술 회로지만, 비트 폭이 증가함에 따라 설계 공간이 기하급수적으로 커져 최적화에 큰 어려움이 있습니다. 기존 방법론은 성능, 일반화 및 확장성 측면에서 한계를 보였습니다. 본 연구는 이러한 문제를 해결하고자 대규모 언어 모델(LLM) 기반의 효율적인 접두사 가산기 최적화 프레임워크인 PrefixAgent를 제안합니다. PrefixAgent는 최적화 문제를 백본 합성(backbone synthesis)과 구조 정제(structure refinement)의 두 가지 하위 작업으로 재구성하여 탐색 공간을 효과…
거대 언어 모델(LLM)은 다양한 추론 작업에서 뛰어난 성능을 보이며 모델 크기 확장을 가속화하고 있습니다. 그러나 이러한 모델의 규모 증가는 막대한 계산 비용과 에너지 소비를 수반하여, 자원이 제한적인 학계 연구자나 기업에게는 실용성이 떨어지는 한계가 있습니다. 반면, 소형 모델(SM)은 실제 환경에서 자주 활용되지만 그 중요성은 종종 간과되고 있습니다. 본 연구는 LLM 시대에 소형 모델이 가지는 역할에 대한 중요한 질문을 제기하며, 기존 연구에서 충분히 다루어지지 않았던 이 주제를 심층적으로 탐구합니다. 특히, LLM과 SM…
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…
거대 언어 모델(LLM)의 발전에도 불구하고, 클라우드 단독 배포나 엣지 기기 압축은 지연 시간, 개인 정보 보호, 비용, 개인화 문제로 인해 한계에 부딪히고 있습니다. 본 연구는 클라우드 LLM과 엣지 소형 언어 모델(SLM)이 추론 및 학습 과정에서 협력하는 패러다임을 탐구합니다. 이를 위해 엣지-클라우드 협업 전략에 대한 통합 분류 체계를 제안합니다. 추론 단계에서는 작업 할당, 작업 분할, 혼합 기반 협업 방식을 작업 및 토큰 수준으로 분류하며, 적응형 스케줄링, 자원 인식 오프로딩, 추측 디코딩, 모듈러 라우팅 등을 포함…
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…
사회 과학에서 인간 행동과 사회 이해는 핵심 과제이며, 생성 사회 과학의 등장은 패러다임 전환을 가져왔습니다. 이는 고비용의 전통적 실험을 대체하여 복잡한 사회 역학 연구를 위한 확장 가능하고 재현 가능한 계산 접근법을 제공합니다. 최근 대규모 언어 모델(LLM)의 발전은 인간과 유사한 생성 에이전트 및 사실적인 사회 시뮬레이션을 가능하게 하며 이 연구 패러다임을 더욱 변화시켰습니다. 본 연구는 LLM 기반 에이전트, 현실적인 사회 환경, 강력한 대규모 시뮬레이션 엔진을 통합한 사회 시뮬레이터인 AgentSociety를 제안합니다…
파운데이션 모델(FM)은 재료 과학(MatSci) 분야에서 확장 가능하고 다목적이며 다중 모드 AI 시스템을 구현하여 과학적 발견의 변혁을 주도하고 있습니다. 기존의 좁은 범위의 머신러닝 모델과 달리, FM은 도메인 간 일반화 및 새로운 기능을 제공하여 다양한 데이터 유형과 스케일을 다루는 재료 과학 연구에 특히 적합합니다. 본 조사는 이 성장하는 분야를 지원하는 파운데이션 모델, 에이전트 시스템, 데이터셋 및 계산 도구에 대한 포괄적인 개요를 제공합니다. 데이터 추출, 해석 및 Q&A, 원자 시뮬레이션, 특성 예측, 재료 구조,…
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…
인공지능은 법률 서비스 분야에서 큰 잠재력을 가지고 있지만, 기존 대규모 언어 모델(LLM)은 중국 법률 시스템에 대한 제한된 지식과 환각 현상에 취약하다는 문제에 직면해 있습니다. 본 연구는 이러한 한계를 극복하기 위해 다중 에이전트 법률 비서인 Chatlaw를 제안합니다. Chatlaw는 실제 법률 사무소의 표준 운영 절차(SOP)를 모방하여 설계되었습니다. 법률 보조원, 연구원, 선임 변호사 등 다양한 역할이 사건을 협력하여 처리하는 구조를 반영하기 위해, 우리는 새로운 역할 정렬 전문가 혼합(RA-MoE) 아키텍처를 개발했…
거대 언어 모델(LLM)은 자연어 처리 분야에 혁신을 가져왔지만, 편향에 취약하다는 중대한 문제가 있습니다. 본 종합 리뷰는 LLM 편향의 발생 원인부터 현재의 완화 전략까지 포괄적으로 탐구합니다. 편향을 내재적 및 외재적 범주로 나누고, 다양한 자연어 처리(NLP) 작업에서 나타나는 양상을 분석합니다. 또한, 데이터 수준, 모델 수준, 출력 수준 접근 방식을 포함한 다양한 편향 평가 방법을 비판적으로 검토하여 연구자들에게 견고한 편향 탐지 도구 키트를 제공합니다. 완화 전략은 모델 이전, 모델 내, 모델 이후 기술로 분류하여 …
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…
대규모 언어 모델(LLM) 기반의 자율 AI 에이전트 시스템은 계획 수립, 도구 사용, 기억, 자율성 기능을 통해 자동화를 위한 강력하고 유연한 플랫폼으로 부상하고 있습니다. 이러한 시스템은 웹, 소프트웨어, 물리적 환경 전반에서 작업을 자율적으로 실행할 수 있어, 기존 AI 안전 및 소프트웨어 보안과는 다른 새롭고 증폭된 보안 위험을 야기합니다. 이 연구는 자율 AI 에이전트에 특화된 위협 분류 체계를 제시하고, 최신 벤치마크 및 평가 방법론을 검토합니다. 또한, 기술적 관점과 거버넌스 관점 모두에서 방어 전략을 논의합니다. …
대규모 언어 모델(LLM)이 헬스케어 분야에 통합되고 있으나, 악의적인 프롬프트 주입 공격에 대한 체계적인 평가가 부족했습니다. 본 연구는 상용 LLM이 안전하지 않은 의료 조언을 유도할 수 있는 프롬프트 주입 공격에 얼마나 취약한지 평가하고, 중간자(man-in-the-middle) 및 클라이언트 측 주입이 현실적인 공격 벡터임을 검증하는 것을 목표로 합니다. 2025년 1월부터 10월까지 표준화된 환자-LLM 대화를 사용한 시뮬레이션 연구를 수행했습니다. GPT-4o-mini, Gemini-2.0-flash-lite, Clau…
클라우드 인프라가 전 세계 디지털 운영의 핵심으로 자리 잡았지만, 복잡성 증가에 비해 신뢰성 엔지니어링은 뒤처져 있습니다. 관측 및 경고 시스템은 발전했으나, 장애 대응은 여전히 사람의 전문성에 크게 의존하여 탐지부터 자동 복구까지 상당한 격차가 발생하고, 이는 막대한 다운타임 비용과 운영 피로도로 이어집니다. 본 논문은 생성형 AI를 활용한 폐쇄 루프형 복구 프레임워크를 제안합니다. 이 프레임워크는 LLM 기반 진단, 정책 기반 실행, 안전성 검증 메커니즘을 통합하며, 지속적인 학습 피드백 주기를 통해 장애 해결의 진단, 실행,…
거대 언어 모델(LLM)은 다양한 분야에서 뛰어난 성능을 보이며, 2023년까지 AI 생성 콘텐츠(AIGC) 산업에 260억 달러 이상이 투자될 정도로 그 잠재력이 주목받고 있습니다. LLM 활용이 확산됨에 따라, 모델 파라미터 변경 없이 성능을 향상시키는 프롬프트 엔지니어링이 핵심 연구 분야로 부상했습니다. 그러나 기존 프롬프트 엔지니어링 기법들을 체계적으로 정리하고 종합적으로 분석한 연구는 부족한 실정입니다. 이 연구는 프롬프트 엔지니어링의 기존 기법과 응용 사례를 심층적으로 조사하고, 프롬프트 구성의 기초 프레임워크를 제공하…
대규모 언어 모델(LLM)은 유용성을 지향하는 훈련 과정에서 비논리적인 요청에도 순응하여 잘못된 정보를 생성할 수 있는 취약점을 보인다. 이는 모델이 해당 요청의 비논리성을 인지할 지식이 있음에도 불구하고 발생한다. 본 연구는 이러한 취약점이 의료 분야에서 어떻게 나타나는지 조사했으며, 동등 약물 관계를 오해하는 프롬프트를 사용하여 최신 LLM 5종을 평가했다. 연구는 기본 아첨 경향, 거부 허용 및 사실 회상을 강조하는 프롬프트의 영향, 그리고 비논리적 요청 데이터셋을 통한 미세 조정(분포 외 일반화 포함)의 효과를 테스트했다.…
거대 언어 모델(LLM) 분야의 급속한 발전과 함께, 윤리적 사용을 보장하기 위한 강력한 안전 메커니즘, 즉 '안전장치' 또는 '가드레일' 개발의 중요성이 커지고 있습니다. 본 논문은 이 핵심 메커니즘의 현재 상태를 체계적으로 문헌 검토하고, 주요 과제와 다양한 맥락의 윤리적 문제를 다루는 포괄적인 메커니즘으로 발전시킬 방안을 논의합니다. 먼저, 주요 LLM 서비스 제공업체와 오픈소스 커뮤니티가 활용하는 안전장치 메커니즘의 현황을 설명합니다. 이어서 환각, 공정성, 프라이버시 등 가드레일이 강화해야 할 바람직하거나 바람직하지 않은…
최근 대규모 언어 모델(LLM)은 답변 도출 전 상세한 사고 과정을 생성하는 대규모 추론 모델(LRM)을 도입하며 추론 벤치마크에서 성능 향상을 보였습니다. 그러나 이러한 모델의 근본적인 능력, 스케일링 특성, 그리고 한계는 아직 충분히 이해되지 않고 있습니다. 기존 평가는 주로 최종 답변의 정확성에 초점을 맞추며 데이터 오염 문제와 추론 과정의 구조 및 품질에 대한 통찰력 부족이라는 한계를 가집니다. 본 연구는 이러한 간극을 체계적으로 탐구하기 위해 제어 가능한 퍼즐 환경을 활용했습니다. 이 환경은 일관된 논리 구조를 유지하면서…
대규모 언어 모델(LLM) 챗봇의 급속한 확산에도 불구하고, 실제 사용 방식에 대한 이해는 부족한 실정이다. 본 연구는 2022년 11월 출시부터 2025년 7월까지 ChatGPT 소비자 제품의 성장과 활용 패턴을 분석한다. 이 기간 동안 ChatGPT는 전 세계 성인 인구의 약 10%가 사용하게 되었다. 초기 사용자층은 남성 편향적이었으나 성별 격차는 크게 줄었으며, 저소득 국가에서 더 높은 성장률을 보였다. 본 연구는 개인 정보 보호를 준수하는 자동화된 파이프라인을 활용하여 대표적인 ChatGPT 대화 샘플 내 사용 패턴을 분…
대규모 언어 모델(LLM)은 감성 분석 분야에 상당한 발전을 가져왔지만, 내재된 불확실성과 변동성은 신뢰할 수 있고 일관된 결과를 얻는 데 중대한 과제를 제기합니다. 본 논문은 LLM 기반 감성 분석에서 나타나는 모델 변동성 문제(MVP)를 체계적으로 탐구합니다. 이는 확률적 추론 메커니즘, 프롬프트 민감도, 훈련 데이터 편향으로 인해 발생하는 일관성 없는 감성 분류, 양극화, 불확실성으로 특징지어집니다. 저자들은 MVP의 영향을 강조하기 위해 예시와 두 가지 사례 연구를 제시하고, 모델 변동성의 근본적인 원인인 12가지 이유를 …
인간의 뇌는 시각 입력에서 객체, 공간적·의미론적 관계, 환경과의 상호작용 등 복잡한 정보를 추출하지만, 이를 정량적으로 연구하는 방법은 여전히 부족합니다. 본 연구는 대규모 언어 모델(LLM)에 인코딩된 맥락 정보가 뇌가 자연 장면에서 추출하는 복잡한 시각 정보를 모델링하는 데 유용한지 탐구합니다. 연구팀은 장면 캡션의 LLM 임베딩이 자연 장면을 볼 때 유발되는 뇌 활동을 성공적으로 특성화함을 보였습니다. 이 매핑은 다양한 뇌 영역의 선택성을 포착하며, 뇌 활동으로부터 정확한 장면 캡션을 재구성할 수 있을 만큼 견고합니다. 엄…
대규모 언어 모델(LLM)은 임상 환경에서 유용성이 기대되지만, 허위 정보를 생성하는 환각 현상이 문제로 지적됩니다. 특히, 프롬프트에 조작된 세부 정보를 삽입하여 모델이 거짓 정보를 생성하거나 정교화하도록 유도하는 적대적 공격으로 인한 환각은 심각한 위험을 초래할 수 있습니다. 본 연구는 이러한 적대적 환각 공격에 대한 LLM의 취약성을 다중 모델 분석을 통해 평가했습니다. 연구팀은 300개의 의사 검증 시뮬레이션 임상 시나리오를 개발했으며, 각 시나리오에는 조작된 실험 결과, 신체/방사선 징후, 또는 의학적 상태와 같은 단일 …
자율주행 분야에서 월드 모델은 다중 시점 운전 영상 생성에 탁월한 성능을 보였으나, 맞춤형 영상 생성에는 한계가 있었습니다. 본 연구는 사용자 정의 운전 영상 생성을 위해 대규모 언어 모델(LLM)을 통합한 DriveDreamer-2를 제안합니다. DriveDreamer-2는 사용자 설명에 부합하는 궤적을 생성하는 궤적 생성 함수 라이브러리를 개발하고, 궤적에서 도로 구조를 학습하는 HDMap 생성기를 설계했습니다. 또한, 생성된 다중 시점 운전 영상의 시간적, 공간적 일관성을 강화하기 위해 통합 다중 시점 모델(UniMVM)을 …
지식 그래프(KG)의 품질은 이를 기반으로 하는 지능형 애플리케이션의 성공에 필수적입니다. 최근 대규모 언어 모델(LLM)의 발전은 다양한 작업에서 인간 수준의 성능을 보여주며, KG 검증에서의 잠재력에 대한 질문을 제기합니다. 본 연구는 LLM과 도메인 전문가 간의 다양한 협업 전략을 탐색하며, 인간 중심의 KG 검증 워크플로우에서 LLM의 역할을 탐구합니다. 저자들은 완전 자동화된 검증부터 전문가 감독과 AI 지원을 결합한 하이브리드 방식에 이르기까지 9가지 접근 방식을 제안하고 평가했습니다. 이 워크플로우들은 과학계량학적 작…
신제품 출시 단계에서 잠재적 고장을 완화하는 데 필수적인 FMEA(고장 모드 및 영향 분석)는 기존 도구의 제한된 추론 능력으로 인해 효과가 저해됩니다. 대규모 언어 모델(LLM)은 자연어 처리에서 새로운 가능성을 제시하지만, 사실적 지식 요구 사항에서 약점을 보입니다. 이를 보완하기 위해 비모수적 데이터 저장소에서 정보를 검색하여 응답을 생성하는 RAG(검색 증강 생성) 접근 방식이 주목받고 있습니다. 본 연구는 RAG 프레임워크의 비모수적 데이터 저장소를 지식 그래프(KG)로 강화하는 방법을 제안합니다. FMEA 데이터를 위한…
인공지능 시스템, 특히 거대 언어 모델(LLM)이 의사결정 과정에 깊이 통합되면서, 그 결과물에 대한 신뢰는 매우 중요해지고 있습니다. LLM이 인간의 신뢰를 얻으려면 예측의 정확도를 정확하게 평가하고 전달하는 능력이 필수적입니다. 기존 연구는 LLM의 내부 확신도에 초점을 맞췄으나, 사용자에게 불확실성을 얼마나 효과적으로 전달하는지에 대한 이해는 부족했습니다. 본 연구는 LLM이 생성한 답변에 대한 인간의 확신도와 모델의 실제 확신도 간의 차이인 '보정 격차'와, 인간과 모델이 정답과 오답을 얼마나 잘 구별하는지를 나타내는 '판…
