· ai
[Paper] ABC-Bench: 실제 개발 환경에서 에이전트형 백엔드 코딩 벤치마킹
Large Language Models (LLMs)이 자율 에이전트로 진화하면서 AI 코딩의 범위가 국지적인 코드 생성에서 복잡한, 저장소 기반 …
-
- · ai
[Paper] MatchTIR: 이분 매칭을 통한 도구 통합 추론을 위한 세밀한 감독
Tool-Integrated Reasoning (TIR)은 대형 언어 모델(LLMs)이 추론 단계와 외부 도구 상호작용을 교차시켜 복잡한 작업을 수행하도록 지원합니다.
- · ai
[Paper] 맥락적 의도에서 에이전트 메모리 그라운딩
대규모 언어 모델을 long-horizon, goal-oriented interactions에 배치하는 것은 여전히 어려운 과제이다. 이는 유사한 엔터티와 사실이 서로 다른 latent …
- · ai
[Paper] LIBERTy: 인과 프레임워크를 이용한 LLM의 Concept-Based Explanations 벤치마킹과 Structural Counterfactuals
Concept-based explanations는 고수준 개념(예: gender 또는 experience)이 모델 행동에 미치는 영향을 정량화하며, 이는 decision-makers에게 매우 중요합니다.
- · ai
[Paper] Large Language Models와 설득 전략을 활용한 승리 논증 탐지
주장적인 텍스트에서 설득을 감지하는 것은 인간 커뮤니케이션을 이해하는 데 중요한 함의를 가진 도전적인 과제입니다. 이 연구는 r...
- · ai
[Paper] 영향력 있는 훈련 데이터 검색을 통한 LLM의 언어화된 신뢰도 설명
대형 언어 모델(LLMs)은 출력에 대한 자신감을 언어화함으로써 사용자가 느끼는 신뢰를 높일 수 있습니다. 그러나 기존 연구에 따르면 LLM은 종종 o...
- · ai
[Paper] 스스로 레드 팀을 하라: Self-Play와 Reflective Experience Replay를 통한 Safety Alignment
대형 언어 모델(LLMs)은 놀라운 능력을 달성했지만, 안전 가드레일을 우회하도록 설계된 적대적 “jailbreak” 공격에 여전히 취약합니다.
- · ai
[Paper] 내재적 다국어 평가에서 형식과 의미
조건부 언어 모델에 대한 내재적 평가 지표인 perplexity나 bits-per-character와 같은 지표는 단일 언어 및 다국어 설정 모두에서 널리 사용됩니다....
- · ai
[Paper] 활성화 시그니처를 통한 Representation-Aware Unlearning: 억제에서 Knowledge-Signature Erasure까지
LLM에서 선택적인 지식 삭제는 GDPR 준수와 모델 안전성에 필수적이지만, 현재의 unlearning 방법은 행동 억제를 실제...
- · ai
[Paper] 병렬 다중 에이전트 시스템을 위한 Latency-Aware Orchestration 학습
Multi-agent systems (MAS)는 여러 에이전트를 조정함으로써 복잡한 추론을 가능하게 하지만, 다단계 실행 및 반복적인 … 때문에 높은 inference latency가 발생하는 경우가 많다.
- · ai
[Paper] Large Language Models를 탈옥 공격으로부터 방어하기 위한 In-Decoding Safety-Awareness Probing
대규모 언어 모델(LLMs)은 자연어 작업 전반에 걸쳐 인상적인 성능을 달성했으며 실제 응용 프로그램에 점점 더 많이 배치되고 있습니다. Despit...
- · ai
[Paper] 에이전트 스킬 인 더 와일드: 대규모 보안 취약점에 대한 실증 연구
AI agent frameworks의 부상은 agent skills를 도입했으며, 이는 instructions와 executable code를 포함하는 modular packages로, agent capabilities를 dynamically extend합니다.