출처, 주제, 시간으로 전체 뉴스에서 관심 소식을 찾아보세요.
arXiv:2610.33018v1 발표 유형: 신규 초록: 학술 지식 그래프(SKGs)는 문헌 검색, 과학적 발견 및 에이전트 지원 연구를 지원합니다. 그러나 SKG 구축을 위한 대부분의 접근법은 일반적으로 학술 개체 또는 기여 수준의 진술로 명명되는 표현할 지식 단위를 사전에 규정하고, 해당 단위를 통해 표현 가능한 출판물 내용만을 유지합니다. 이러한 선택은 두 가지 주요하면서도 서로 다른 패러다임을 낳습니다: 개체와 국부적 관계를 보존하는 개념 중심의 SKGs와, 문장 수준의 고차원적 담론을 포착하는 진술 중심의 SKGs입니다. 두 경우 모두, 그래프는 논문이 지식을 구성하고 전달하는 방식이 아니라 선택된 추출 대상을 반영하게 됩니다. 우리는 지식을 정의하는 방법을 제시하는 SUDO, 즉 학술 상위 담론 온톨로지를 소개합니다.
arXiv:2610.32122v1 발표 유형: 신규 초록: 우리는 현대 텍스트 임베딩 모델들에서 체계적인 분리 현상을 보고합니다. 감정은 해당 임베딩으로부터 거의 완벽하게 복원될 수 있는 반면, 그 메트릭에서는 거의 전적으로 나타나지 않습니다. 2021년부터 2026년까지의 기간에 걸쳐 출시된 열한 개의 고정된 인코더를 대상으로 한 실험에서, 2026년 세대 모델들과 4B 파라미터 규모의 LLM 임베더 Qwen3-Embedding-4B를 포함하여, 선형 프로브는 문장의 극성을 최대 91.3%의 정확도로 복원하는 반면, 코사인 유사도는 극성 차이를 단지 0.003~0.064의 폭으로만 구분합니다. 패널 내에서 가장 강력한 프로브인 Qwen3-Embedding-4B는 91.3%의 프로브 정확도를 달성했지만, 검색 MAP는 64.3에 불과합니다. 검색, 클러스터링, 중복 제거 및 검색 증강 생성과 같은 작업들은 학습된 프로브가 아닌 메트릭을 기반으로 수행되므로, 이러한 시스템들은 정보에 대해 사실상 눈이 멀어 있습니다.
arXiv:2610.32128v1 발표 유형: 신규 초록: RAG 및 검색 기반 소샷 ICL은 의사결정에 중요한 근거가 길고 잡음이 많은 문맥 속에 묻혀 있을 때 어려움을 겪을 수 있습니다. 검색된 구절과 예시에는 중복되거나 산만한 정보가 포함될 수 있습니다. 전문가가 라벨링한 개발 예시는 각 결정을 뒷받침하는 텍스트를 식별할 수 있지만, 이러한 주석은 일반적으로 잡음이 많은 검색 결과를 필터링하기 위한 감독 자료로 사용되기보다는 답변 측의 근거로만 활용됩니다. 우리는 실버 증거 시연을 제안합니다. 이는 ICL 예시에서 원본 검색 구절을 생성된 목표 조건에 맞춘 증거 요약으로 대체하는 방법입니다. 각 라벨링된 개발 예시에 대해, LLM은 전문가 라벨이나 골드 증거에 접근하지 않은 상태에서 실버 증거를 생성하며, 이후 이 증거는 전문가 라벨과 짝지어집니다.
2026년 10월 26일 arXiv에 게재된 논문(번호 2610.31684v1)은 데이터, 정보, 연관 데이터 및 지식 그래프(KG)의 품질 평가 연구를 체계적으로 정리하고, 대규모 언어 모델(LLM)이 추론의 근거로 KG에 의존하는 새로운 시나리오를 고려하여, 24개의 품질 차원과 다양한 품질 지표를 포함하는 범용적이고 맞춤형 지식 그래프 품질 평가 프레임워크를 제안한다.
추천 이유：이 논문은 현재 LLM과 KG의 심층적 융합이 이루어지는 배경 속에서 지식의 신뢰성이라는 핵심 문제를 정면으로 다루며, 다분야 품질 평가 이론을 최초로 통합하여 포괄적이면서 실제 응용에 적합한 평가 체계를 구축하였다. 또한 논문의 게재일자(2026-10-26)는 현재 날짜와 일치하여 최신 학술 성과에 해당하며, 권위 있는 사전출판 플랫폼인 arXiv에 게재되어 출처가 명확하고 학술적 규범성을 갖추고 있다.
이 논문은 2026년 10월 24일 arXiv에 게재되었으며(번호 2610.30885v1), 가해자 중심의 분석 프레임워크인 ODCBNA를 제안한다. 이 프레임워크는 온톨로지 설계, 지식 그래프 구축, 행동 모델링, 커뮤니티 분석 및 영향력 모델링을 통합하며, 방글라데시어 사이버불링 코퍼스인 BenCoDiC를 기반으로 실증 분석을 수행하였다.
추천 이유：자료는 arXiv 사전인쇄본으로, 게시일(2026-10-24)이 현재 시점(2026-10-26)보다 늦지 않으며, 출처가 명확하고 구조가 완비되어 있습니다. 내용은 방법론적 혁신과 재현 가능한 분석 결과(예: 가해자 1,063명 식별, Louvain 커뮤니티 6개, 특성 기여도 순위 등)에 중점을 두고 있어, 학술 정보의 시의성과 사실성 요건을 충족합니다.
2026년 10월 24일, 연구팀은 arXiv에 논문(번호 2610.31256v1)을 발표하며 인도네시아어 임상 영양 분야를 위한 최초의 전문가 주석 기반 질문응답 평가 벤치마크인 IndoNutriQA를 공개했습니다. 이 벤치마크는 실제 임상 보고서에서 도출된 911쌍의 질문-응답 쌍을 포함하며, 학습이 아닌 평가에 중점을 두고 있으며 생성형, 추출형 및 검색 강화형 질문응답 과제를 지원합니다.
추천 이유：이 벤치마크는 저자원 언어(특히 인도네시아어)를 대상으로 한 임상 영양 NLP 분야의 고품질 공개 평가 데이터 부족이라는 공백을 메우며, 구조화된 메타데이터가 완비되고 질문 유형이 영양 간호 프로세스(NCP)를 엄격히 준수하며, 전문가 검증과 다중 모델 벤치마크를 완료하여 명확한 연구적 정위와 방법론적 엄밀성을 갖추고 있습니다.
2026년 10월 24일 arXiv에 게재된 연구 논문(번호 2610.30664v1)은 계층적 검색 증강 생성(Hierarchical RAG)에서 대규모 언어 모델의 자회귀 제어 로직을 정책 정확(policy-exact)한 병렬 추론 프로세스로 컴파일하는 새로운 방법을 제안하며, MetaX 장치에서 제어 지연을 35–47% 감소시키는 동시에 정책 일관성을 84–89% 유지한다고 밝혔다.
추천 이유：이 성과는 LLM이 구조화된 의사결정 제어기로 활용될 때 일반적으로 직렬 텍스트 디코딩에 의존하는 병목 현상을 해결하기 위해, 이론적으로 입증 가능한 병렬 컴파일 방안을 제시한다. 실험은 실제 하드웨어(MetaX, H800)와 다중 데이터 분할을 기반으로 검증되었으며, 처리 속도가 뛰어나고 기술적 세부사항이 명확하여 최첨단 신뢰성 있는 AI 시스템 최적화 연구에 해당한다.
arXiv:2610.31019v1 발표 유형: 신규 초록: 검색 증강 생성을 위한 청크화 전략은 거의 항상 정적인 스냅샷 기준으로 평가되지만, 지식 기반의 근간이 되는 문서들은 계속해서 변화합니다. 청크는 독립적으로 임베딩되기 때문에, 편집 이후 이동한 경계로 인해 변경되지 않은 텍스트까지 다시 임베딩해야 하는 문제가 발생합니다. 우리는 엄격한 바이트 단위 동일 재사용 규칙과 고정된 밀집형 인코더를 적용한 상태에서, 세 가지 무상태 청크화 방식(겹치지 않는 고정 크기, 재귀적 문단 우선, 그리고 콘텐츠 기반 청크화)에 대해 중국어와 영어 위키백과의 인접한 수정 쌍 120개를 대상으로 이러한 업데이트 비용을 측정했습니다. 116개의 문서로 구성된 공통 성공 집합에서, 파라미터를 고정하고 길이를 보정한 상태에서, 고정 크기 청크화는 전체 신버전 임베딩-입력 작업량의 57~68%를 재계산하는 것으로 나타났습니다. 재귀적 청
