IT로그

멀티에이전트 전이 시스템을 로직 프로그램으로 짜보기   스마트폰 P2P를 목표로 “의미론(spec)→AI가 만든 영어+코드 조각 spec→Dart 구현”의 3계층 워크플로를 전면에 세운 점은, 형식 의미론을 ‘AI…

Activation steering, 왜 생각보다 잘 안 먹히는가   활성화 스티어링은 모델을 원하는 방향으로 “내부에서” 밀어주는 강력한 도구이지만, 최근 연구는 모델이 오히려 그 개입을 감지하고 되돌아오는 현상…

DreamDojo 사람 영상으로 로봇 월드모델을 만든다   로봇 월드모델은 “행동을 넣으면 미래를 시뮬레이션한다”는 약속을 하지만, 현실에서는 데이터가 너무 비싸고 액션 라벨은 더 희귀해 쉽게 정체됩니다. Drea…

InftyThink+ 오래 생각시키는 걸 RL로 다듬으면  긴 추론을 늘리면 성능이 오르지만, 비용은 제곱으로 커지고 컨텍스트 한계와 “lost-in-the-middle”로 품질도 흔들립니다. InftyThink+…

activations도 ‘분포’가 있다 내부 상태를 모델링해보기   LLM 조향(steering)은 “원하는 개념을 밀어 넣는 일”은 쉬운데, 그 순간 활성화가 쉽게 망가져(off-manifold) 유창성이 무너지…

Jackpot 액터-정책이 안 맞을 때 예산 아끼는 RL   롤아웃 비용이 RL 학습비의 대부분을 차지하는 LLM 후학습에서, “더 싼 모델로 롤아웃하고 더 센 모델로 업데이트”는 매력적이지만 분포 미스매치로 학습…

LLM 추론 실패 케이스 모음 왜 자꾸 삐끗할까   LLM 추론 실패 연구는 많지만, 서로 다른 커뮤니티의 결과가 파편처럼 흩어져 있어 “지금 무엇이 어디까지 밝혀졌는지”가 잘 보이지 않는 경우가 많습니다. 260…

시간논리로 보상 설계하기 비마르코프도 다루는 법   강화학습에서 “무엇을 해야 하는가”를 정확히 말로 적는 일은 쉽지만, 그 문장을 학습 가능한 보상으로 바꾸는 일은 어렵습니다. 2602.06227v1은 스펙 언어…

LLM은 합리적 선택을 일관되게 할까   LLM이 “확률을 안다”고 말하는 시대이지만, 더 중요한 질문은 그 숫자가 실제 선택을 움직이느냐입니다. 2602.06286v1은 캘리브레이션·정확도 논쟁을 넘어, 확률 발…

그래프 알고리즘 문제로 본 ‘추론 모델’의 빈틈   긴 입력을 “진짜로” 이해하는지 묻는 방식이 점점 중요해지는 상황에서, GRALGOBENCH는 그래프 알고리즘 문제를 정면으로 끌어와 LRM의 장문 컨텍스트 취약…

GUI 에이전트에서 “어디를 클릭해야 하는지”를 맞히는 GUI grounding은 성능이 아니라 신뢰의 문제입니다. Trifuse는 훈련 없이도 attention 기반 grounding을 더 믿을 만하게 만들겠다며…