닻 없이 설명을 재는 일, 충실함 지표가 놓친 구조
설명이 모델을 얼마나 닮았는지를 재는 충실함 지표가 왜 흔들리는지, 특성 중요도의 단순화와 10년의 신뢰 연구, 디버깅 도구로서의 현실을 따라 읽는다.
연구 & 논문
논문에서 실무 판단까지
주요 논문의 질문과 방법, 결과와 한계를 읽고 기업 AI를 만드는 사람에게 무엇이 달라지는지 해설합니다.
글 목록
페이지 4
SpireBench로 본 에이전트의 긴 호흡, 왜 끝까지 가면 무너질까
Slay the Spire를 처음부터 끝까지 플레이하게 만든 SpireBench를 통해 장기 전략, 위험 판단, 전투 실행력에서 에이전트 모델이 어디까지 왔고 어디서 무너지는지 살펴봅니다.
같은 예산으로 붙으면 무너지는 탐색의 환상
MCTS와 랜덤 재시작 리스트 스케줄링을 동일한 평가 횟수로 붙인 통제 실험을 해설합니다. 2048회 평가에서 2.88퍼센트 차이의 의미와 탐색 규칙의 함정을 풀어봅니다.
실행 가능한 제어 코드를 스스로 진화시키는 탐색
LLM이 직접 제어 코드를 제안하고 고치고 섞으면서 엘리트 테이블에 쌓아 올리는 EliteTable의 프로그램 탐색 방식을 해설합니다. 여섯 개 제어 과제에서 본 개선과 일반화의 갈림길을 함께 읽어봅니다.
순서를 매기는 일이 거버넌스가 될 때
데이터를 모으지 않고 순위를 함께 배우는 DeFiRank가 실제 거래 기록에서 진짜 기여를 가려내는 방식을 읽는다.
쌍 몇 백 개로 표현을 맞추는 법 증류된 최적 수송의 제안
수백만 쌍 없이 100쌍에서 500쌍의 앵커와 짝 없는 데이터로 따로 학습된 인코더를 맞추는 증류된 최적 수송 방식을 해설합니다
모르는 것을 아는 합성, 생성 공간을 진화시키는 EvoSyn
학습자의 실패가 다음 합성 방향을 구체적으로 정해주지 않는 간극에서 출발해, 생성 가능한 상호작용 요인과 합성 노력 배분을 고쳐 쓰는 상태 중심으로 데이터를 진화시키는 EvoSyn의 구조와 실험 결과를 읽는다.
답이 맞았는데 왜 불안할까, 출처까지 묻는 검증이 필요한 이유
MCP로 도구를 쓰는 에이전트 시대에 팩트 확인을 넘어 출처 확인이 필요한 이유를 Multiverse Computing의 검증 관점에서 따라간다. provenance 기록과 entailment 점검, 신뢰 등급과 허용 목록, 남은 난제를 차례로 읽는다.
목소리 복제 경쟁을 재현 가능하게 만든 평가대
Hugging Face의 Open TTS Leaderboard가 다국어 TTS와 제로샷 음성 복제를 어떻게 같은 조건에서 겨루게 하는지, 자동 지표와 사람 투표의 조합을 뜯어봅니다.
일을 끝내는 에이전트는 어디에서 배울까
정답이 아니라 궤적을 배워야 하는 기업 에이전트 시대에 합성 데이터로 일을 만들고 걸러내는 흐름과 그 뒤에 남는 편향과 운영의 빈틈을 읽는다.
긴 작업을 끝까지 본다는 것, AgentHorizon이 agentic judge에게 던진 질문
300개 화면에 걸친 컴퓨터 작업을 심판할 수 있을까. 1,373개 과제와 짝지은 함정으로 judge의 눈을 시험한 AgentHorizon을 읽습니다.
고백하게 만드는 증류와 능력만 가져오는 증류
정렬 평가를 속일 수 있는 강한 모델을 직접 감사하는 대신, 약한 제자로 증류해 치우침을 드러내거나 능력만 안전하게 옮기는 두 갈래 증류 전략을 해설합니다.