전체 AI 소식

TACS-RF: Tool-driven Agentic Circuit Synthesis of RF and mmWave Modules

arXiv:2610.31882v1 Announce Type: new Abstract: We present the framework of TACS-RF - a Tool-driven Agentic Circuit Synthesis of RF and mmWave modules. In this framework, a large-language-model (LLM) coding agent (Claude Opus 4.8) directly drives industry-standard electronic-design-automation (EDA) tools such as Cadence Virtuoso/Spectre, Calibre, Cadence EMX, and Ansys HFSS to design RF and mmWave modules. We validate the framework through the agentic design of a 240-251 GHz sub-THz transmitter in a 90 nm SiGe BiCMOS process. The agent semi-autonomously designed the sub-blocks including a 60 GHz push-push Colpitts VCO with second-harmonic extraction, multistage differential cascode power drivers, a push-push frequency doubler, a differential bowtie antenna, and all the interstage matching

열일곱 살 청소년은 어떤 답을 작성했는가? 여섯 개의 최첨단 언어 모델에서 나타나는 저자 연령 오인, 과대평가된 신뢰도, 그리고 비교정적 자기 설명에 관한 행동 연구 사례

arXiv:2610.31946v1 발표 유형: 신규 초록: 세 명의 학생이 같은 시험 문항을 손으로 작성하여 답했다: “행복이란 무엇인가요? 당신은 행복한가요?” 수집 당시 기록된 이들의 나이는 17세, 28세, 45세이다. 17세 학생의 답변은 조심스럽고 형식적으로 표현되어 있다. 각 답변을 나이와 성별 라벨에 맞추도록 요청했을 때, 대부분의 최첨단 언어 모델은 이를 성인에게 확신 있게 배정한다. 본 논문은 Claude Fable 5, Gemini 3.1 Pro, GPT-5.6 Sol, Grok 4.5, GPT-4o (2024), 그리고 DeepSeek V4 등 여섯 개 모델에서 나타난 이러한 실패를 구조화된 사례 연구로 보고한다. 우리는 프레임워크, 공개 형식, 그리고 청중 인식 지침을 조작하는 여섯 가지 실험 조건 하에 1,081회의 API 세션을 실행하고, 총 3,225개의 응답을 평가하였다. 여섯 개 모델 중 세 개는 매칭 과제에서 우연 수준(1/3) 또는 그에 근접한 성과를 보이는 반면, 73~88%의

RSI-Opt: 모델 학습을 위한 재귀적 자기 개선 최적화 에이전트

arXiv:2610.32026v1 발표 유형: 신규 초록: 전통적인 신경망 학습은 일반적으로 사전 정의된 최적화 방식을 따르며, 이를 통해 학습 동역학을 모니터링하고 학습이 진행됨에 따라 옵티마이저 설정을 조정하는 LLM 에이전트를 구동합니다. 그러나 고정된 에이전트 정책은 여러 번의 실행에 걸쳐 경험을 축적하지 못합니다. 우리는 RSI-Opt를 제안합니다. 이는 플러그 앤 플레이 방식의 재귀적 자기개선 옵티마이저 에이전트로, 학습 과정을 안내하는 지식—프롬프트, 절차 집합인 플레이북, 검증된 옵티마이저 코드 라이브러리, 그리고 의사결정 주기—을 지속적으로 발전시킵니다. 메타에이전트는 이전 실행에서 얻은 증거를 바탕으로 이러한 정책을 재작성하며, 아카이브는 평가된 정책들을 보관하여 추가 발전을 도모합니다. 세 가지 학습 과제에서 다섯 세대에 걸쳐, 메타에이전트들은 재사용 가능한 절차와 코드를 개발하고 스스로의 작업을 수행합니다.

조작된 ML: 머신러닝 연구에 대한 LLM의 판단 평가

arXiv:2610.32114v1 발표 유형: 신규 초록: AI 정렬 문제의 진전을 가속화하는 한 가지 방안은 정렬 연구의 일부 과정을 자동화하는 것이다. 이를 위해서는 감독하기 어려운 연구 과제들, 예를 들어 연구 제안서의 결함을 식별하고, 제안된 실험이 의도한 주장에 부합하는지 평가하는 등의 작업을 안정적으로 수행할 수 있는 시스템이 필요하다. 이러한 능력을 평가하기 위해 우리는 Tampered ML을 도입한다. 이 벤치마크는 1,858개의 항목 쌍으로 구성되며, 각 쌍은 출판된 머신러닝 논문에서 재구성된 실험 제안과, 특정한 방법론적 결함을 의도적으로 포함한 최소한의 수정을 거친 대조적 사례로 이루어져 있다. 모델들은 두 가지 제시 순서 모두에서 더 방법론적으로 타당한 제안을 식별해야 한다. 계층화된 표본을 대상으로 한 인간 검증 연구에 따르면, 해당 항목의 86%가…

$\Psi$-0.6: 통합된 비전-언어 세계 모델에서의 적응형 사고 스트림

arXiv:2610.32177v1 발표 유형: 신규 초록: 인간은 문제의 전개 과정에서 다양한 형태의 추론을 유연하게 결합함으로써 물리적 세계에 대해 사고한다. 이러한 유연성을 구현하는 것은 AI 분야의 주요한 미해결 과제로, 기능들이 종종 각각의 전문 모델들로 분리되어 있어 이를 어떻게 조합하고 특정 작업에 맞춰 공동으로 적응시킬 수 있는지가 제한된다. 우리는 $\Psi$-0.6을 소개한다. 이는 시각-언어 통합 세계 모델로서, 사고의 흐름이라 부르는 공유된 추론 프로세스 내에서 지각, 언어, 기하학 및 시뮬레이션을 적응적으로 구성한다. 이러한 흐름들은 이미지, 텍스트, 그리고 기하학과 운동에 대한 명시적 표현을 서로 교차하며, 이 모든 요소를 모델이 공유된 토큰 인터페이스를 통해 생성하고 해석할 수 있다. $\Psi$-0.6은 다중 시점 공간에 대한 제로샷 성능에서 선도적인 오픈 웨이트 모델들을 능가한다.

DirCast: 단일 스트리밍 영상-언어 모델을 활용한 실시간 e스포츠 연출 및 해설

arXiv:2610.31734v1 발표 유형: 신규 초록: 실시간 e스포츠 중계에는 어떤 카메라를 송출할지 결정하는 디렉터와, 그 선택에 대해 매초마다 다음 상황을 예측하지 못한 채 해설을 담당하는 캐스터가 필요합니다. 스트리밍 영상 언어 모델들은 해설 기능을 학습했지만, 이는 이미 인간 디렉터가 제작한 중계 영상을 대상으로 한 것입니다. 우리는 실시간 중계 제작 과정을 연구하며, 여기서 모델은 각 플레이어의 원시 카메라 영상을 입력으로 받아, 과거 정보만을 바탕으로 직접 연출과 해설을 동시에 수행해야 합니다. 우리는 이러한 두 가지 역할을 모두 수행하는 단일 스트리밍 영상 언어 모델인 DirCast를 제안합니다. 매초마다 저해상도로 모든 카메라 영상을 스캔하고, ‘유지’ 또는 ‘전환’이라는 디렉터의 판단에 따라 절차를 결정한 뒤, 선택된 카메라 영상을 고해상도로 읽어들인 후 말을 시작합니다. 모델의 컨텍스트는 지금까지 송출된 내용과 무엇이

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…

실시간 분할 제어에서 제로샷 조정을 위한 인지적 제약을 가진 파트너들

arXiv:2610.31726v1 발표 유형: 신규 초록: 효과적인 인간-기계 팀워크를 위해서는 예측 불가능한 인간 파트너와 협력하는 에이전트가 필요합니다. 실시간 인간 피드백이나 대규모 행동 데이터셋을 기반으로 한 강화학습은 비용이 많이 들며, 순수하게 시뮬레이션된 훈련은 인공적인 규칙에 과적합되어 실제 사람들과의 제로샷 조정에서 실패합니다. 우리는 인지적 제약이 있는 파트너를 상대로 팀워크 에이전트를 학습시키는 프레임워크를 제안합니다: 이 시뮬레이션 파트너들은 보상 설계나 과거 훈련 체크포인트가 아니라, 인간의 생리학 관련 문헌에 근거한 절차적 제약—특히 반응 지연과 지각 한계—에 의해 그 다양성이 도출됩니다. 수정된 루나랜더 환경에서, 이러한 파트너들이 더 유사하게 플레이한다는 초기 증거를 보고합니다…

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

정상 상태 실행 원시체로서의 이동: 저궤도에서의 가상 정지 상태를 위한 런타임

arXiv:2610.32720v1 발표 유형: 신규 초록: 저궤도(LEO) 위성 메가컨스텔레이션은 지연 시간이 중요한 지구 중심 응용을 위한 궤도 기반 엣지 컴퓨팅을 가능하게 하지만, 위성의 운동으로 인해 시선 통신 창은 단 몇 분으로 압축된다. 논리적 지리적 근접성을 유지하기 위해 ‘가상 정지성(VS)’이라는 패러다임에 따라, 애플리케이션은 컨스텔레이션 내에서 지나가는 위성들 사이를 지속적으로 이동해야 한다. 전통적인 라이브 마이그레이션 메커니즘은 개별적으로 시작된 이동이나 복제는 최적화하지만, 궤도 운동이 요구하는 연속적인 호스트 간 핸드오프는 처리하지 못한다. 우리는 라이브 마이그레이션을 정상 상태 실행 모델로 재정립하고, 새로운 가상 정지성 런타임 패러다임을 도입한다. 또한 우리는 연속 마이그레이션의 실현 가능성을 공식화한다…

Bounding Queue Waits for Fair Scheduling of Bursty HPC Workloads via Hierarchical Algorithms

arXiv:2610.32027v1 Announce Type: new Abstract: HPC clusters are shared among many projects, each holding an allocation of node-hours, and ensuring fairness is becoming harder. Foundation models workflows and automated pipelines have made job submissions bursty and concentrated among a few heavy users, so occasional users absorb queueing delays created by frequent ones, with no indication of how long their jobs will wait. Existing schedulers either forget past usage, protect only the job at the head of the queue, or assume that running jobs can be preempted. We propose HyDRA, a Hybrid Deadline and Ranking-Aware scheduler that enforces fairness among users while bounding the queue wait of every job. HyDRA assigns each job a deadline on arrival based on its size, the priorities of its projec

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.

연구는 자폐 스펙트럼 장애와 비자폐 스펙트럼 장애를 가진 개인 간의 2인 대화에서 성공적 인지 여부를 예측하는 다중모달 접근법을 제안한다.

arXiv에 게재된 새로운 연구(번호 2610.31682v1)는 언어 운동, 얼굴 표정, 음성 리듬 및 대화 차례 전환 등 다중 모달 특성을 활용하여, 자폐 스펙트럼 장애와 비자폐 스펙트럼 장애 참가자가 포함된 세 개의 자발적 이인 상호작용 데이터셋에서 참가자 본인이 인식하는 대화 성공 수준을 예측합니다.

추천 이유：이 연구는 기존의 진단 분류나 단일 모달 분석에 국한되던 한계를 극복하고, 최초로 상호 보완적인 다중 모달 행동 지표를 체계적으로 통합하여 ‘인지된 대화 성공’이라는 사회적 소통의 핵심 차원을 모델링함으로써, 신경다양성 인구의 의사소통 지원 기술을 향상시키기 위한 새로운 방법론적 근거를 제시하였다. 해당 논문은 이미 공개되었으며, 타임스탬프는 현재 시스템 시간과 일치하여 최신 학술 성과에 해당한다.

CEMIR vs. FISER: a comparative study of reasoning-based and enrichment-based approaches to pragmatic intent recognition

arXiv:2610.32022v1 Announce Type: new Abstract: Intent recognition in human-robot interaction requires agents to resolve ambiguous natural language instructions by inferring the speaker's underlying goals. Research has increasingly focused on two notable paradigms for addressing this task: structured symbolic reasoning and multimodal input enrichment. However, it remains unclear whether enrichment-based methods provide benefit in settings where the ambiguity concerns unstated human intent rather than missing observable scene information. In this paper, we present a comparative and diagnostic study benchmarking FISER - a framework utilizing structured social and embodied reasoning - against CEMIR (Context-Enriched Multimodal Intent Recognition), a method that performs multimodal enrichment

DraMaze: 다양한 마이크로드라마 대본 생성을 위한 미래 지향적 메모리를 갖춘 다중 에이전트 파이프라인

arXiv:2610.32002v1 발표 유형: 신규 초록: 마이크로드라마의 급속한 성장으로 인해 고품질 대본 제작에 대한 수요가 증가하고 있습니다. LLM을 활용한 장편 마이크로드라마 대본 생성은 다양한 플롯 전개와 장기적인 서사적 일관성을 모두 요구합니다. 우리의 관찰에 따르면, 생성이 진행됨에 따라 후보 연속 문장들은 점점 더 적은 수의 서사적 기제에 집중되는 반면, 기존의 검색 방식은 틀에 박힌 표현의 재사용을 강화하고 미래 플롯에 필수적인 역사적 정보를 간과할 수 있습니다. 이러한 문제를 해결하기 위해 우리는 트로프 메모리 기반 진화적 트리 탐색과 변이를 통해 다양한 인과 경로를 탐구하는 다중 에이전트 파이프라인인 DraMaze를 제안합니다. 또한 이를 통해 역방향 서사 의존성 트리를 구축하여 역사적 기억을 체계적으로 정리하고 유지하며 필요 시 되찾아 활용할 수 있도록 합니다.

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