전체 AI 소식

SAGE 벤치마크와 GAR 프레임워크 발표: 다중 모달 의미 정합성 평가 촉진

2026년 10월 26일, arXiv은 논문 arXiv:2610.31838v1을 발표하여 Sense-Aligned Grounding Evaluation(SAGE)를 제안했습니다. 이는 통합된 10개의 후보 이미지 선택 기준이며, 명사, 동사 및 엔터티 중심의 다중모달 그라운딩 평가를 위한 학습 독립형 Gloss-Augmented Reasoning(GAR) 프레임워크와 함께 제공됩니다.

추천 이유：이 연구는 최초로 VWSD, VerSe 및 WikiDiverse 세 가지 유형의 과제를 용어 중심의 지상 검증 프로토콜로 통합하고, 혼동을 유발하는 어려운 음성 샘플과 문맥 교환 진단 메커니즘을 도입하며, 정의 강화와 제약 기반 추론의 상호작용이 Hits@1 지표를 크게 향상시킬 수 있음을 실증적으로 입증했습니다(65.90→71.22). 이를 통해 다모달 의미 정렬에 대해 보다 세밀하고 해석 가능한 평가의 새로운 패러다임을 제공합니다.

InferSlice: 통신사 광역 네트워크에서 SLO 기반 LLM 추론을 위한 참조 아키텍처

arXiv:2610.32638v1 발표 유형: 신규 초록: LLM 추론은 기업용 및 대화형 애플리케이션의 핵심 서비스로 점점 더 널리 도입되고 있지만, 주권, 규정 준수, 지연 시간 및 자원 지역성에 대한 요구 사항으로 인해 중앙 집중식 클라우드 배치의 적합성이 제한될 수 있습니다. 통신사들은 이러한 제약을 해결하기 위해 지리적으로 분산된 컴퓨팅 및 네트워크 인프라를 제공합니다. 그러나 기존의 LLM 서비스 프레임워크는 밀접하게 연동된 데이터 센터를 대상으로 설계되어 있어, 지리적으로 분산되고 이질적인 자원을 조율하는 데 대한 지원이 제한적입니다. 우리는 통신사 인프라 위에서 서비스 수준 목표(SLO) 기반 LLM 추론을 구현하기 위한 참조 아키텍처인 InferSlice를 제시하며, 여기에는 네트워크 슬라이싱, GPU 파티셔닝, 탄력적 서비스 제공 및 관찰 가능성이 통합되어 있습니다.

무엇을 말할 것인가를 넘어서: 늑대인간 에이전트를 위한 내면의 생각을 활용한 선제적 발화 타이밍

arXiv:2610.32107v1 발표 유형: 신규 초록: 대화에 참여하는 것은 단순히 무엇을 말할지 결정하는 것뿐만 아니라, 과연 말을 할 것인지 여부까지 포함된다. 이러한 판단은 특히 늑대인간 게임과 같이 참가자들의 이해관계가 상충되는 환경에서 더욱 중요한 의미를 갖는다. 왜냐하면 발화와 침묵 모두 타인에 의해 해석되고 평가되기 때문이다. 따라서 언제 말을 할지, 그리고 무엇을 말할지를 결정하는 것은 늑대인간 게임을 플레이하는 LLM 에이전트에게 매우 중요하다. 본 연구에서는 AIWolfDial 공동 과제의 Anytime Utterance Track를 위해 개발된 늑대인간 AI 에이전트를 소개한다. 우리 시스템은 기존의 Inner Thoughts 프레임워크를 기반으로 하며, 이 프레임워크는 내부 사고를 생성하고 각 사고의 가치를 평가함으로써 대화 중 발화 시점을 결정한다.

오픈 ISA 슈퍼컴퓨팅을 향하여: HPC 워크로드에 대한 RISC-V, Arm, x86 아키텍처 비교 연구

arXiv:2610.32632v1 발표 유형: 신규 초록: RISC‑V는 고성능 컴퓨팅(HPC)의 후보 아키텍처로 부상하고 있지만, 기존의 x86 및 Arm 프로세서와의 경쟁력은 아직 평가하기 어렵습니다. 이는 기존 연구들이 서로 다른 플랫폼, 워크로드, 방법론을 사용하고 있으며, 에너지 효율성을 거의 고려하지 않기 때문입니다. 본 연구에서는 공통된 소프트웨어 스택과 방법론을 활용하여 현대 HPC용 RISC‑V, Arm, x86 프로세서를 평가합니다. 우리는 Sophgo SG2044를 특성화하고, NVIDIA Grace CPU 슈퍼칩 및 Intel Xeon Platinum 8480+와 비교하여 네 가지 HPC 벤치마크(STREAM, HPL, HPL‑MxP, HPCG)와 네 가지 대표 애플리케이션(iPIC3D, PLUTO, OpenFOAM, llama.cpp)을 평가했습니다. 본 연구에서 사용된 OpenBLAS에 연동된 HPL‑MxP 버전은 구축되고 사용되었습니다…

온폴리시 대 오프폴리시를 넘어: LLM 에이전트 디스틸레이션은 어느 수준에서 학생 모델을 따라야 할까?

arXiv:2610.31918v1 발표 유형: 신규 초록: 대화형 LLM 에이전트를 디스틸링할 때는 교사가 생성한 시연과 학생이 생성한 경험 사이에서 선택해야 하며, 이는 대략 오프폴리시 디스틸링과 온폴리시 디스틸링에 해당합니다. 두 방법 모두 효과가 입증되었지만, 우리는 이러한 구분이 본질적으로 계층적이라고 주장합니다. 즉, 상호작용 이력을 유도하는 정책과 현재 행동의 토큰 접두사를 생성하는 정책이 반드시 동일할 필요는 없습니다. 우리는 이러한 두 수준의 온폴리시성을 체계화하고, 이들 간의 조합, 혼합 비율 및 학습 스케줄을 명시적으로 제어할 수 있도록 하는 계층적 에이전트 디스틸링 프레임워크를 제안합니다. 우리는 이 문제를 자기 디스틸링 방식으로 연구하며, 여기서 고정된 교사는 학생이 접근할 수 없는 과제 지침에 접근할 수 있습니다. 그리고

BARC-Bench: Benign Asks, Risky Consequences

arXiv:2610.32024v1 Announce Type: new Abstract: Task instructions from users for agents are inherently underspecified, especially regarding safety boundaries--creating behavioral risks. To study these risks, we introduce BARC-Bench, a collection of 110 tasks across nine simulated workspace environments where benign requests leave openings for unsafe actions. In this benchmark, we evaluate agent behavior against safety boundaries established by workspace records, implicit environmental context, and unstated social norms. For example, an agent asked to schedule off-boarding discussions must arrange the meeting without prematurely revealing an employee's resignation through a shared calendar invitation. Evaluating four frontier model configurations across five attempts per task reveals that m

누구를 신뢰해야 하는지 아는 것만으로는 충분하지 않다: 반복되는 다자간 LLM 협상에서의 신뢰–합의 간극

arXiv:2610.31971v1 발표 유형: 신규 초록: 대규모 언어 모델(LLM) 에이전트는 개인과 조직을 대신해 협상에 점점 더 많이 참여하고 있지만, 특히 반복적인 다자 간 상호작용에서는 여전히 조작에 취약한 상태입니다. 전통적인 다중 에이전트 시스템은 명시적인 신뢰 및 평판 모델을 통해 이러한 도전 과제를 해결하는 반면, LLM 기반 협상에 관한 기존 연구들은 대부분 신뢰를 자연스럽게 발생하는 현상으로 간주합니다. 우리는 LLM 에이전트가 이전 상호작용을 바탕으로 유용한 신뢰 추정치를 형성하고 이를 활용해 향후 협상 결과를 개선할 수 있는지 탐구합니다. 우리는 반복적이고 다자간이며 다중 이슈로 구성된 협상 프레임워크를 제안하며, 여기서 재참여하는 에이전트들이 일련의 협상 게임에 참여하는 동안 한 참가자가 은밀히 합의를 방해하려 시도합니다.

개를 얼마나 신뢰하시나요? 추론 언어 모델의 힌트 따르기 행동을 정량화하기

arXiv:2610.32055v1 발표 유형: 신규 초록: 대규모 언어 모델(LLM)은 종종 아첨적인 성향을 보이며, 객관적 사실 및 추론 과제에서도 사용자의 제안에 맞추어 답변을 수정하는 경향을 나타냅니다. 그러나 이러한 영향의 정량적 형태와 그것이 출처의 신뢰성에 따라 조정되는지 여부는 아직 잘 이해되지 않고 있습니다. 본 연구에서는 MMLU 문제를 대상으로 힌트에 의해 유도된 답변 변화를 통해 이와 같은 행동을 탐구하며, “[출처]는 답이 (X)라고 생각합니다”와 같은 형식의 프롬프트를 평가합니다. 우리는 힌트가 부여되는 출처(교수, 친구, 또는 개)를 세 가지 오픈소스 모델 계열인 Qwen, Gemma, SmolLM에서 체계적으로 변경하여 실험을 수행했습니다. 그 결과, 힌트에 의해 유발되는 변화는 지수적 기울기로 잘 특징지어지는 예측 가능한 구조를 따르며, 힌트는

오프라인 및 다국어 LLM 지원을 위한 ISO 11783 네트워크 기반 기계 판독형 운영자 매뉴얼

arXiv:2610.31863v1 발표 유형: 신규 초록: 농업용 기계가 지능형 오프라인 지원을 제공하려면, 시스템이 기술 문서에 동적으로 접근할 수 있어야 한다. 본 논문에서는 ISO 11783 기반 CAN 버스를 통한 운전자 매뉴얼의 의미적 동기화를 분석하며, 이를 트랙터 측 어시스턴트의 로컬 지식베이스와 연결된 작업기의 운전자 매뉴얼 간의 일치를 도모하는 과정으로 정의한다. 데이터 전송 성능은 Markdown, JSON, XML을 이용해 벤치마킹되었으며, 다양한 오픈 소스 대규모 언어 모델(LLM) 또한 다국어 쿼리 작업에서 평가되었다. 답변에 대한 자동 평가는 네 명의 인간 평가자를 대상으로 검증되었다. 완전한 매뉴얼은 물리적 ISO 11783 네트워크를 통해 31초에서 89초 사이에 전송되었으며, 이는 f에 따라 달라진다.

생산 환경의 에이전트에서 안전한 프롬프트 압축을 위한 기반으로서의 재현 가능한 평가

arXiv:2610.31972v1 발표 유형: 신규 초록: 실시간으로 변화하는 기업 데이터를 기반으로 작동하는 대화형 에이전트를 평가하는 일은 어렵습니다. 재생된 세션은 백엔드 상태가 변경됨에 따라 흐려지고, 오늘날 구축된 벤치마크는 그 대상이 되는 데이터가 진전되면서 조용히 시들어 버릴 수 있습니다. 우리는 운영 중인 대화형 에이전트를 위한 오프라인 평가 허니스를 제시합니다. 이 허니스는 작동하는 실시간 데이터가 변하더라도 재현성이 유지되며, 유효성이 떨어지면 필요에 따라 다시 생성할 수 있습니다. 이후 우리는 이 허니스를 정확성 게이트로 보호된, 보상 해킹을 방지하는 GEPA 기반 프롬프트 최적화의 적합도 함수로 활용합니다. 실제 상거래 고객 대상 에이전트에 적용한 결과, 정확성 게이트를 통한 압축은 보유된 과제의 정확성을 저하시키지 않으면서 에이전트의 전체 프롬프트 표면을 3.5~7.6% 축소했습니다, 고려

SpecMem은 실시간 도구 호출 메모리 관리 메커니즘을 제안하여 에이전트의 응답 속도를 향상시킵니다.

arXiv는 2026년 10월 26일, “SPECMEM: 실시간 메모리 관리를 통한 에이전트 기반 도구 호출 가속”이라는 제목의 사전 인쇄 논문(번호 2610.31840v1)을 발표하며, 세션 간에 온라인으로 업데이트되는 사용자 수준의 도구 호출 메모리 관리를 통해 도구 호출 지연을 크게 줄이는 새로운 시스템인 SpecMem을 제안했습니다.

추천 이유：이 연구는 현재 도구 호출 에이전트가 배포 과정에서 자회귀 디코딩으로 인해 발생하는 높은 지연 문제를 해결하기 위해, 검증 가능한 쓰기 반영, LRU 제거, 부작용 게이팅 등 핵심 기술을 제안하고, 다중 사용자·다중 세션의 실제 쿼리 흐름에서 그 효과성을 검증했습니다(최대 1.74배의 실측 가속, 평균 수신 토큰 27% 증가). 이는 AI 시스템 엔지니어링 분야에서 중요한 진전입니다.

KVStream: Adaptive Parallel Storage Management for KV Caching in Large-Scale LLM Serving

arXiv:2610.31827v1 Announce Type: new Abstract: Long-context LLM serving for agentic, coding, and document workloads reuses prefixes whose key-value (KV) cache outgrows GPU and host memory, putting storage I/O on the critical path of the inference step for retrieving prefixes. A single node-local NVMe absorbs all retrievals, while the parallel file system or cloud file store that nodes already mount carries almost no inference traffic. We cast prefix retrieval as aggregate-bandwidth scheduling across these tiers and present KVStream, a KV cache engine that batches a step's reads, defers writes behind the forward pass, replicates each chunk on every tier, and lets each tier adaptively claim the next unread chunks once it is free. Our performance model shows this routing attains the aggregat

OpenHome: 스마트홈 카메라 영상에서 인식부터 통찰까지

arXiv:2610.31986v1 발표 유형: 신규 초록: 비전 언어 모델(VLM)은 녹화된 영상을 해석하고 인사이트를 제공하기 위해 소비자용 스마트홈 카메라 시스템에서 점점 더 널리 채택되고 있습니다. 그러나 스마트홈 카메라가 캡처한 영상 클립은 기존 VLM 벤치마크를 주도하는 큐레이션된 웹 동영상과는 다릅니다. 스마트홈 영상 클립은 자막이나 내레이션이 없고, 다양한 시야각에서, 여러 조명 조건 하에, 그리고 다양한 상황에서 촬영되는 경우가 많습니다. 그럼에도 불구하고, 이 분야에서 희박한 시각적 신호와 제한된 맥락 하에서 모델의 성능은 기존 VLM 벤치마크로는 충분히 평가되지 않고 있습니다. 이러한 격차를 해소하기 위해, 우리는 스마트홈 영상 이해력을 평가하기 위한 시각 전용 4지선다형 벤치마크인 OpenHome을 도입합니다. I

뮤온 프리컨디셔닝은 언제, 어떻게 이루어지는가? 구조화된 그라디언트 노이즈의 역할

arXiv:2610.31728v1 발표 유형: 신규 초록: 뮤온은 대규모 언어 모델 학습에서 인기 있는 최적화 방법으로 자리잡았지만, 그 이론적 기반은 아직 잘 이해되지 않고 있습니다. 본 연구에서는 그래디언트 노이즈의 기하학적 구조가 뮤온의 전치 preconditioning 효과에 어떤 영향을 미치는지 분석합니다. 먼저, 고전적인 등방성 노이즈 가정 하에서 뮤온은 학습률의 재조정 외에는 추가적인 가속 효과를 제공하지 않음을 이론적·실험적으로 보여줍니다. 이를 계기로, 임의의 작업 주기가 서로 다른 연관 기억 시스템에서 미니배치 샘플링으로 인해 발생하는 구조화된 노이즈를 탐구합니다. 우리는 두 가지 작업에 대해 정확한 균형 임계값을 규명하고, 이를 다중 작업으로 확장하여 작업 커버리지와 그래디언트 신뢰성이 학습 과정을 어떻게 공동으로 형성하는지 밝힙니다. 우리의 분석에 따르면, 뮤온은 …을 완화할 수 있음을 보여줍니다.

핫니스를 넘어선 것: ARM SPE를 활용한 계층형 메모리에서 클라우드 및 LLM 워크로드의 고해상도 메모리 특성화

arXiv:2610.32711v1 발표 유형: 신규 초록: 데이터 분석 및 LLM 워크로드에서 요구되는 메모리 용량은 빠르게 증가하고 있으며, 이는 클라우드와 데이터센터 내 메모리 비용을 상승시키고 있습니다. 다층 메모리는 성능과 비용 간의 균형을 맞추는 유망한 해결책으로 부각되고 있습니다. 그러나 이를 효과적으로 활용하기 위해서는 워크로드의 메모리 동작 특성을 깊이 이해해야 합니다. 본 연구에서는 워크로드별로 다층 메모리 사용 가능성을 분석하기 위한 고해상도 메모리 특성화 방법론을 제안합니다. 데이터센터에서 ARM 기반 프로세서의 도입이 늘어나는 추세에 대응하여, 우리는 최근 출시된 ARM용 통계적 프로파일링 확장 기능(SPE)을 활용해 해당 방법론을 구현했습니다. CloudSuite 및 LLM 애플리케이션에서 선정한 8개의 메모리 집약형 워크로드를 특성화함으로써, 지역별 접근 패턴을 식별하였습니다.

HyScale: 학습된 희소 주목을 위한 장문 컨텍스트 학습 확장

arXiv:2610.32057v1 발표 유형: 신규 초록: 우리는 학습된 스파스 어텐션을 위한 장문 컨텍스트 훈련 시스템인 HyScale을 제시합니다. 학습된 스파스 어텐션은 수백만 토큰 규모의 컨텍스트에 대해 유망한 아키텍처로, DeepSeek-V3.2 이후 생산 환경에서 널리 채택되고 있습니다. 그러나 선택 과정은 훈련의 병목으로 부각되고 있습니다. 각 쿼리마다 이전의 모든 토큰에 대해 점수를 매기는데 반해, 스파스 어텐션은 단지 $k$개의 토큰만 읽습니다. 더욱이 현재 시스템들은 전체 점수 테이블을 메모리에 상주시키고 재계산 과정에서도 선택을 반복합니다. 우리의 핵심 통찰은 선택의 출력이 활성화 값이 아니라 인덱스 집합이라는 점입니다. 이를 바탕으로 HyScale은 HyTopK와 선택 재생 기법을 도입합니다. HyTopK는 점수 테이블 없이 각 쿼리의 정확한 상위-$k$를 실시간으로 찾아내며, 선택 재생 기법은 전방향 패스에서 수행된 선택 결과를 재계산 과정에서 재사용합니다.

The Helpful Agent Problem: When Emergent Cooperation Among LLM Agents Bypasses Intended Workflows

arXiv:2610.31985v1 Announce Type: new Abstract: LLM agents are increasingly deployed in collaborative settings where they pursue separate tasks while sharing resources and operating under review or oversight processes. Such settings create safety risks not only when agents are malicious, but also when they are simply trying to help. Prior work has largely studied adversarial or explicitly collusive behavior; we show that benign agents pursuing separate objectives can spontaneously cooperate in ways that bypass intended workflows. We call this the \emph{helpful agent problem}. We study long-horizon shared-resource environments in which agents sometimes depend on resources owned by their peers and cross-owner changes are normally mediated by a reviewer. When review becomes unavailable, agent

Can Test-Time Memory Evolution Outperform Test-Time Training for Scientific Discovery?

arXiv:2610.32046v1 Announce Type: new Abstract: Recent \emph{test-time training} (TTT) frameworks have enabled open-weight large language models (LLMs) to outperform inference-only frameworks powered by frontier models on scientific discovery tasks. However, TTT introduces additional computational cost for online weight updates during the discovery process, making computational efficiency an important consideration when scaling to larger models. This motivates us to explore an efficient \emph{test-time adaptation} method for scientific discovery. We introduce \emph{Test-Time Memory Evolution} (TTME), a plug-and-play test-time adaptation method, as an alternative to TTT. TTME continually updates the external memory by distilling the experience to guide subsequent discovery without updating

AI-포-사이언스 에이전트는 모델의 안전성을 보호하는가?

arXiv:2610.32045v1 발표 유형: 신규 초록: AI-포-사이언스 에이전트는 과학적 가설을 제시하고, 자율 실험을 수행하며, 증거를 해석하는 데 점점 더 널리 활용되고 있습니다. 이러한 에이전트들은 도메인 특화형 에이전트 하네스에 대규모 언어 모델(LLM)을 통합하여 구축되며, 이는 LLM의 과학적 역량을 향상시키고 모델이 과학적 도구들을 조율할 수 있도록 합니다. 본 연구에서는 LLM이 AI-포-사이언스 에이전트 하네스에 통합될 때 모델의 안전성이 유지되는지 여부를 검토합니다. 우리는 50개의 유해한 화학 관련 요청에 대해 다섯 가지 에이전트 하네스를 평가합니다. 구체적으로, 직접 프롬프팅, 두 가지 간단한 적대적 프롬프팅 전략, 그리고 적응형 공격 하에서 안전성 행동이 어떻게 변화하는지를 분석합니다. 최근 출시된 네 가지 GPT 변종을 대상으로 한 결과는 다음과 같습니다

MXFP4에서 MoE LLM을 훈련하기: 우리가 BF16과의 격차를 어떻게 해소했는가

arXiv:2610.32229v1 발표 유형: 신규 초록: 8비트 미만의 연산에서 대규모 언어 모델(LLM)을 학습하면 메모리 대역폭과 연산 처리량에서 상당한 향상을 기대할 수 있지만, FP4 형식은 양자화 오차가 너무 심해 이를 해결하지 않으면 최적화가 불안정해질 수 있습니다. 우리는 MXFP4 마이크로스케일링 형식 하에 MLPerf 소형 MoE 학습 벤치마크에서 200억 개의 파라미터를 가진 혼합-전문가(MoE) 모델인 GPT-OSS-20B를 위한 오픈소스 학습 레시피 ALTO를 제시합니다. 이 레시피는 Abecassis, Felix 등 [arXiv:2509.25149]에서 제안된 기존 기법들(하이브리드 1D/2D 블록 양자화, 무작위 하다마르 변환, 확률적 반올림)과 TetraJet-v2 [arXiv:2510.27527]에서 차용한 간소화된 가중치 탈진동 방식을 결합한 것입니다. 글로벌 배치 크기 기준 C4 검증 결과