아티클 & 가이드

arXiv 논문은 자율주행 장면의 날씨 편집을 위한 Cyclone 프레임워크를 제안한다. 잠재 확산 모델과 순환 일관성 제약, 이미지-텍스트 모델 지식을 결합해 페어 데이터 없이 다양한 날씨 변환을 수행하는 것이 핵심이다.

arXiv에 공개된 TCA-Net은 저조도 이미지 향상에서 밝기와 색도 스트림을 다시 결합하는 과정의 신뢰성에 초점을 맞춘다. 핵심은 고정 Top-K 선택 대신 임계값 기반 교차 어텐션을 사용하는 것이다.

새 arXiv 논문은 AI 코드 생성 중간에 컴파일러 피드백을 제공하는 ‘생성형 컴파일’을 제안한다. Rust처럼 정적 의미 규칙이 강한 언어에서 생성 후 검사만으로는 늦다는 문제를 겨냥했다.

arXiv 논문은 검색 에이전트의 취약성을 낮은 품질의 증거로 검증하는 DeepStress를 제안했다. 이 프레임워크는 검색 모듈을 통제 가능한 합성 환경으로 바꾸고 신뢰성, 관련성, 사실성의 영향을 분리해 살핀다.

새 arXiv 논문은 KL 발산을 사용하는 비음수 행렬 분해에 대해 뉴턴형 최적화 알고리즘을 제안한다. 기존의 분리 가능한 상계 최소화 대신, 2차 테일러 근사와 일반화된 HALS를 활용하는 점이 핵심이다.

새 arXiv 논문은 LLM 시스템의 직렬 검증 게이트가 부분적으로 상관될 때 신뢰성 향상이 크게 약해질 수 있음을 보인다. 독립성을 가정한 지수적 개선 대신 다항식적 감소나 블라인드스폿 상한이 나타날 수 있다.

제2회 International StepUP Competition은 압력 기반 발걸음 생체인식을 미등록 사용자, 신발·보행 속도 변화, 좌우 발걸음 융합 조건에서 평가했다. 최고 성능은 8.00% 등오류율이었지만, 보지 못한 개인 신발 환경은 여전히 큰 난제로 남았다.

LREC 2026 채택 논문은 바스크어, 스페인어, 영어 환경에서 대규모 언어모델이 고차원 질문을 생성할 수 있는지 살폈다. 모델은 답변 가능한 질문을 비교적 잘 만들었지만, 교사가 고차원 질문으로 인정한 비율은 제한적이었다.

AIMO Interpretability Challenge는 수학 문제의 최종 정답률을 넘어, 모델 내부 메커니즘이 견고한 추론을 수행하는지 평가하려는 대회다. 전선급 수학 언어모델이 안정적인 reasoning을 하는지, 취약한 지름길에 의존하는지 구분하는 것이 목표다.

새 arXiv 논문은 Quantum Kitchen Sinks를 RF 스펙트로그램 이상 탐지에 적용하고, 실제 셀룰러 신호와 IBM 양자 프로세서에서 검증했다. DCT 표현과 중간 깊이의 얽힘 QKS 구성이 가장 강한 조합으로 나타났다.

새 arXiv 논문은 CT 볼륨과 영상의학 보고서를 장기 조건 방사선 패턴 token 단위로 정렬하는 OCP-CT를 제안한다. 전역 스캔-보고서 대조학습이 장기별 이질적 증거를 흐릴 수 있다는 문제를 겨냥한 접근이다.

PiVoT는 노이즈와 클러터가 많은 레이더 포인트클라우드에서 학습 없이 다중 객체 검출과 추적을 수행하는 프레임워크다. 외부 클러스터링이나 별도 검출기 없이 위치 및 도플러 측정을 함께 활용한다.

arXiv 논문은 Experience Memory Graph를 통해 LLM 에이전트의 실패 복구를 구조화된 그래프 매칭으로 재정의한다. 반복적인 반성 루프 대신, 관련 수정 경험을 검색해 한 번의 실행을 안내하는 방식이다.

새 arXiv 논문은 인과추론에서 ‘식이 존재하는가’뿐 아니라 ‘주어진 식이 정말 목표 개입 분포를 식별하는가’를 검증해야 한다고 제안한다.

새 arXiv 논문은 멀티모달 대형 언어 모델을 활용한 학습 없는 HOI 탐지 프레임워크 AgentHOI를 제안한다. 고정된 상호작용 분류기를 학습하는 대신, 의미 추론과 공간적 그라운딩을 모듈식으로 조율한다.

arXiv 논문은 수중 AUV 팀이 감지 정보의 실제 과업 가치를 판단하고, 은밀 통신 제약 아래 협력 정책을 학습하는 SVR-MARL 프레임워크를 제안한다.

arXiv에 공개된 논문은 뇌종양의 진화 예측과 치료 스케줄링을 위한 AI 증강 적응형 디지털 트윈 프레임워크를 제안했다. 반응-확산 모델, 3D 잔차 학습, 온라인 업데이트, 모델 예측 제어를 하나의 흐름으로 결합한 점이 핵심이다.

arXiv 논문은 의사결정나무 규칙에 포함된 무관 조건을 찾아 삭제하는 Relevance-Aware Rule 프레임워크를 제안한다. 핵심은 무작정 가지치기를 하는 것이 아니라, 삭제 후 예측 신뢰성이 유지되는지를 확인하는 것이다.

arXiv에 공개된 새 논문은 2D 사전학습 의료 멀티모달 대형언어모델이 3D 체적 영상을 더 잘 이해하도록 슬라이스 단위 데이터 합성 방식을 제안한다. 핵심은 최종 답변이 아니라 진단에 가까운 공간 추론 과정을 학습시키는 것이다.

SPyCE는 멀티모달 에이전트의 추론 궤적을 계층적 스킬 라이브러리로 증류하고, 이를 정책과 함께 훈련 중 갱신하는 프레임워크다. 보상 신호나 정적 메모리에 머물던 경험을 정책 학습의 일부로 끌어들인다.

arXiv 논문은 위상 구조를 양자 상태에 담기 위한 Quantum Topological Data Encoding(QTDE) 프레임워크를 제안했다. clique-complex 분류 실험에서는 조합 라플라시안을 직접 비교하는 기준선보다 나은 초기 결과가 보고됐다.