최신 뉴스부터 나에게 맞는 도구까지.
Open Design디자인 및 3DOpenDesign은 오픈소스 설계 워크스페이스로, 로컬 프로그래밍 에이전트와 연동하거나 자체 모델 키를 사용하거나 클라우드 기반 모델을 활용하여 디자인 시스템을 중심으로 프로토타입, 웹페이지, 프레젠테이션 및 그래픽을 생성하고 편집할 수 있습니다. 로컬 소프트웨어는 무료이며, 모델 서비스 비용은 별도로 구분됩니다.
分类推荐榜首K
Kiro코딩 및 개발Kiro는 개발자를 위한 AI 엔지니어링 도구로, 요구사항을 사양, 아키텍처 및 작업으로 정리하고, 인텔리전트 에이전트를 통해 코드를 생성하며, 속성 테스트, 실행 메모리 및 개발 도구 통합을 통해 기획부터 코드 리뷰까지의 전 과정을 지원합니다.
分类推荐榜首E
EvoMapAI 에이전트 및 자동화EvoMap은 AI 에이전트의 경험 재사용을 위한 인프라로, GEP 프로토콜을 통해 재사용 가능한 전략과 검증 기록이 포함된 복구 자산을 구성하고, 시장 및 품질 기준에 따라 정렬하여 다양한 에이전트가 기존 역량을 발견·평가·승계할 수 있도록 지원합니다.
分类推荐榜首M
MemoAI음악 및 오디오MemoAI는 AI 기반 음성 및 영상 텍스트 변환 도구로, 데이터를 업로드할 필요 없이 로컬 처리를 지원하여 개인정보 보호를 확보합니다. YouTube 동영상, 팟캐스트는 물론 MP4, MP3, AAC, M4A 등 다양한 로컬 오디오·비디오 파일을 효율적으로 텍스트로 전환하며, 다국어 번역, 화자 분리, 실시간 자막, 플로팅 노트 등 핵심 기능을 제공해 회의록 작성, 인터뷰 정리, 콘텐츠 학습 등의 다양한场景에 적합합니다.
分类推荐榜首J
JAX모델 및 인프라JAX는 가속기 기반의 Python 수치 계산 라이브러리로, 고성능 배열 계산과 대규모 머신러닝을 위해 설계되었으며, CPU, GPU, TPU 등 다양한 하드웨어 백엔드에서 동일한 코드를 효율적으로 실행할 수 있도록 지원합니다.
分类推荐榜首W
WhisperAI 음성 인식由OpenAI开发的通用语音识别模型。
번역 대기 중 · 원문 표시 · zh分类推荐榜首A
AI Short글쓰기 및 콘텐츠AIS ALERT 관리 및 공유 플랫폼, 여러 시나리오의 빠른 명령
分类推荐榜首E
Elicit지식 및 연구Elicit는 과학 연구를 위해 의미 기반 검색, 연구 보고서 작성, 문헌 선별 및 데이터 추출을 제공하며, 원천 자료 내에서 답변의 근거를 추적할 수 있고, 문헌 라이브러리, 연구 에이전트 및 지속적인 추적 프로세스를 통해 증거를 체계적으로 정리합니다. 이는 문제 탐구 단계부터 체계적 종합까지의 연구 진행에 적합합니다.
待评分 · 分类列表推荐C
Clinicminds의료 및 건강Clinicminds는 미용 클리닉을 위한 소프트웨어로, 온라인 예약, 영상 상담 및 AI 기반의 기록 관리를 포함한 완전한 클리닉 업무 흐름을 지원합니다.
待评分 · 分类列表推荐R
Rows데이터 및 분석Rows는 AI 분석, 데이터 통합 및 대화형 보고서를 결합한 스프레드시트 도구로, 자연어를 통해 문서와 비즈니스 데이터를 정리하고 데이터 세트를 병합하며 보고서와 계산 모델을 생성할 수 있습니다. 현재 공식 웹사이트에서는 Superhuman에 추가되었음을 안내하고, 해당 서비스를 계속 이용할 수 있는 접속 경로도 제공하고 있습니다.
待评分 · 分类列表推荐arXiv:2610.37881v1 발표 유형: 신규 초록: 딥페이크 탐지 모델은 전반적인 정확도는 높지만, 인구통계학적 집단 간 성능 격차가 크기 때문에 일부 집단에서는 다른 집단에 비해 훨씬 높은 거짓양성률을 경험하게 된다. 기존의 공정성 지향 방법들은 모델 출력을 제한하여 집단별 예측을 균등화하는 방식으로 이 문제를 해결하지만, 근본적인 특징 수준의 편향에는 대응하지 못한다. 그 결과, 모델들이 여전히 피부 질감과 같은 인구통계학적 특성을 조작된 콘텐츠를 탐지하는 간접적 단서로 활용할 가능성이 남아 있다. 이러한 문제를 해결하기 위해 우리는 모델 출력 조정에 그치지 않고 특징 학습 자체를 개선하는 프레임워크인 교차적 불변 학습(IIL)을 제안한다. IIL은 가장 도전적인 인구통계학적 하위 집단을 식별하는 과정을 반복적으로 수행하며…
arXiv:2610.37844v1 발표 유형: 신규 초록: 의료 영상 간 최적 운송 지도를 계산하는 것은 형태학적 분석에서 핵심적인 역할을 합니다. 그러나 기존 방법들은 대규모 3D 의료 영상에 대해 확장하기 어렵거나, 근사적인 운송 지도만 제공하는 정칙화된 공식에 의존합니다. 하위 단계의 의료 영상 분석 정확도를 향상시키기 위해, 우리는 볼록한 포텐셜 함수를 매개변수화함으로써 최적 운송 지도를 추정하는 새로운 접근법을 제안합니다. 이 방법은 설계 상 결과로 도출되는 운송 지도가 브레니에 정리와 일치하며 컬이 없는 성질을 보장합니다. 우리는 제안된 방법을 2D 및 3D 의료 영상 데이터셋 모두에서 평가했습니다. 실험 결과는 우리 접근법이 더 낮은 운송 추정 오차를 달성하고 더 높은 q 값을 생성함을 보여줍니다.
arXiv:2610.37731v1 발표 유형: 신규 초록: 모델의 불일치로 인해 단일 교정 파라미터만으로는 전체 맥락 영역에서 물리적 반응을 재현할 수 없을 수 있습니다. 또한 관측값과 맥락의 불확실성은 교정에 영향을 미치며, 이를 반드시 고려하고 정량화해야 합니다. 우리는 목표 맥락에 대한 근접성에 따라 관측 가능성을 가중하는 방식으로 일련의 국소화된 사후 분포를 구성합니다. 가우시안 국소화 가중치는 공분산 확장을 통해 맥락 불확실성을 반영하며, 도메인 경계에서는 반사를 적용하고, 맥락 표본 채취가 고르지 않은 경우에 대비한 선택적 보정도 제공합니다. 조건부 정규화 흐름을 이용하여 변환된 변분 추론을 통해 이들 사후 분포의 집합을 근사합니다. 규정된 맥락 측도 하에 국소화된 사후 분포들을 통합하면
arXiv:2610.37867v1 발표 유형: 신규 초록: 음식 유사성은 검색, 추천, 대체 등 다양한 음식 컴퓨팅 작업의 기반이 되지만, 일반적으로 음식 표현은 정체성 보존 여부를 기준으로 평가된다. 우리는 정체성을 넘어 음식 유사성이 어떻게 변화하는지에 대해 질문한다: 서로 다른 시각적 표현들이 음식들을 관계적 이웃으로 어떻게 구성하며, 이러한 이웃이 어떤 요리적 관계를 드러내거나 숨기는지, 그리고 이러한 구조가 여러 표현 간에 얼마나 일관되게 나타나는지를 탐구한다. 인도 요리는 시각적으로 유사한 음식들이 서로 다른 요리적 정체성을 가질 수 있고, 한 요리 계열 내에서도 외형이 크게 다를 수 있는 도전적인 환경을 제공한다. 확장된 Khana 데이터셋과 컨볼루션, 트랜스포머를 아우르는 일곱 가지 사전 학습된 시각적 표현을 활용하여…
arXiv:2610.37905v1 발표 유형: 신규 초록: SEC EDGAR와 같은 공공 정보 공개 저장소는 기업의 제출 서류에 대한 웹 접근을 통해 정보에 기반한 투자를 지원합니다. 이러한 문서 검토를 언어 모델 에이전트로 지원하려면, 관련 문서들 간에 명시되지 않은 결함을 발견하고 누락된 기업 정보를 수집하며, 요청된 수정 사항이 증거에 근거한 요구사항을 충족하는지 검증해야 합니다. 기존의 재무 관련 질의응답 평가들은 이러한 상호작용 능력에 대해 제한적인 근거만 제공합니다. 우리는 기업 공시 검토 및 수정을 위한 대화형 벤치마크이자 자체 진화형 에이전트 프레임워크인 \textbf{FilingLoop}을 소개합니다. 미국 증권거래위원회의 역사적 문서 교환을 바탕으로 FilingLoop은 96개 기업의 주로 IPO 심사 관련 380개 과제를 재구성합니다.
arXiv:2610.37796v1 발표 유형: 신규 초록: 최근 연구에서는 대규모 언어 모델이 일부 개념을 단일 방향이 아닌 다차원 다양체로 표현할 수 있다고 가정해 왔습니다. 이러한 다양체를 활용하여 표현을 해석하거나 조종할 때, 일반적으로 다양체를 따라 이동하는 것이 표현된 개념의 연속적인 변화에 해당한다고 간주합니다. 본 연구에서는 전형적인 평일 다양체를 대상으로 이 연속적 다양체 가정을 검증합니다. 놀라운 원형 기하학에도 불구하고, 평일 표현은 연속적인 링이라기보다는 원형으로 배열된 일곱 개의 분리된 상태와 더 유사한 행동을 보이는 것으로 나타났습니다. 첫째, 국소적 민감성이 평일에 맞춰진 일곱 개의 최솟값을 가지며, 다양체 내 조종 하에서 표현과 행동 사이에 계단형 매핑이 형성됨을 보여줍니다. 둘째, w
arXiv:2610.37682v1 발표 유형: 신규 초록: 리스트와이즈 선호 피드백은 쌍대 비교보다 대규모 언어 모델(LLMs)의 정렬을 위한 더 풍부한 감독을 제공하지만, 전체 순위는 또한 보다 민감한 사용자 선호를 드러낸다. 기존의 개인정보 보호형 정렬 방법들은 주로 쌍대 피드백에 집중해 왔으며, 국소적 차분 개인정보보호(LDP) 하에서의 리스트와이즈 정렬은 아직 미탐구 상태이다. LDP를 이러한 리스트와이즈 영역으로 확장하는 데에는 중대한 도전 과제가 따른다: 전체 순위 공간의 높은 민감성으로 인해 과도한 노이즈가 요구되며, 이는 리스트와이즈 감독의 장점을 무력화시킨다. 이 문제를 해결하기 위해 우리는 하위 단계 학습에서 감독의 세분화 정도와 개인정보 보호 노이즈 간의 상호작용을 분석하고, 리스트와이즈 선호를 프라이버시화하는 순위 인식 지수 메커니즘을 도입한다.
arXiv:2610.38069v1 발표 유형: 신규 초록: 단시간 푸리에 변환(STFT)은 긴 신호의 짧은 지속 시간 창에 대해 푸리에 변환을 계산하며, 이를 통해 주파수가 시간에 따라 어떻게 변화하는지를 특성화한다. 푸리에 변환 알고리즘, 특히 고속 푸리에 변환(FFT) 알고리즘은 병렬 컴퓨팅을 활용하기 위해 잘 발전되어 왔지만, 병렬 단시간 푸리에 변환 알고리즘의 성능을 이해하는 데 관한 연구는 아직 제한적이다. 본 연구에서는 FFT 기반 알고리즘과 준병렬 피드포워드 알고리즘 두 가지를 구현하고, 서로 비교 분석하였다. 그 결과, 낮은 동시성 환경에서는 준병렬 알고리즘이 실행 시간 면에서 우수하지만, …
arXiv:2610.37679v1 발표 유형: 신규 초록: 도구를 사용하는 언어 에이전트는 간접적인 프롬프트 삽입에 취약하며, 점점 늘어나는 연구들은 모델 내부를 분석하여 안전하지 않은 행동이 실행되기 전에 이를 포착하려 하고 있지만, 그 결과는 매우 상반되고 있습니다. 우리는 이러한 갈등의 대부분이 평가 과정에서 발생하는 오류 때문이라고 주장하며, 평가 및 학습 집단 모두에서 삽입 노출과 행동 이행을 구분하는 이중 계층화 프로토콜을 제안합니다. 주요 Qwen AgentDojo 그리드에서, 순수한 혼합된 안전하지 않은 행동 대 나머지 행동의 대조를 기반으로 훈련된 모니터링 모델은 대부분 노출 여부만을 학습합니다. 즉, 에이전트가 해당 행동을 따르든 따르지 않든 노출된 경로를 표시할 뿐이며, 어떤 경우에 안전하지 않은 행동으로 이어지는지 예측하는 데는 거의 성과를 보이지 않습니다. 노출된 사례들만을 대상으로 재훈련한 동일한 탐지 모델군은 모델 자체가 수행하는 안전하지 않은 도구 호출을 최대 2초 전까지 예측할 수 있습니다.
arXiv:2610.37680v1 발표 유형: 신규 초록: 최첨단 언어 모델과 소규모 언어 모델 간의 격차를 좁히는 방법으로는 일반적으로 디스틸레이션 기법이 사용됩니다. 이는 소규모 모델(학생)을 최첨단 모델(교사)의 출력에 대해 미세조정함으로써, 전이 과정이 학습용 컴퓨팅 자원에 의존하게 만들고 전달된 지식은 상당히 투명하지 않은 상태로 남게 합니다. 우리는 아티팩트 디스틸레이션을 제안합니다. 교사는 학습 사례를 해결하고 그 문제 해결 절차를 아티팩트 은행에 외부화하며, 학생은 추론 시 해당 은행을 조회하여 이를 활용합니다. 이 과정에서는 파라미터 업데이트가 전혀 발생하지 않습니다. LiveBench의 네 가지 과제에서, Claude Opus 4.5가 작성한 은행을 사용하면 Claude Haiku 4.5가 공간 추론에서 비지원 Claude Sonnet 4.5보다 60%의 비용으로 더 높은 성능(0.707 대 0.647)을 보이며, 테이블 조인 작업에서는 Sonnet 4.5 수준에 도달하는 데 89%의 비용만 들입니다. 동일한 원시 은행은
arXiv:2610.37788v1 발표 유형: 신규 초록: 언어 모델 기반 비서는 사용자가 잘못된 답변을 제시할 때 종종 올바른 답변을 변경하는 경우가 있다. 이러한 행동은 ‘아첨’으로 불리며, 일반적으로 선호도 기반 사후 학습에 기인한다고 여겨지지만, 초기 측정에서는 사전훈련된 모델에서도 이를 발견했다. 우리는 훈련의 모든 가능한 단계에서 이 현상을 측정함으로써 그 발생 원인을 탐구한다: 기본 모델부터 감독식微調 및 선호도 최적화를 거쳐 출시에 이르기까지, 5개 계열의 13개 공개 체크포인트를 대상으로 한다. 우리는 주입된 주장이 모델의 답변을 얼마나 변화시키는지와 해당 답변이 얼마나 견고하게 유지되었는지를 구분하고, 주장의 주체, 그들의 신뢰도, 그리고 주장의 강도를 다양하게 설정하여 실험을 진행한다. 그 결과, 서로 다른 기원을 가진 두 가지 아첨 양상이 나타나며, 이들 모두는 다양한 데이터셋에서 재현된다. 주장에 대한 예우 i
arXiv:2610.37819v1 발표 유형: 신규 초록: 양자 기계 학습(QML)은 의료 분류에 대한 연구가 점점 활발해지고 있지만, 하위 집단을 고려한 공정성 기준 하에서의 성능은 아직 충분히 탐구되지 않았다. 우리는 QML이 본질적으로 공정하지 않다는 전제 하에, 의료 영상 분석을 위한 고전 및 양자 분류기의 경험적 공정성 감사를 제시한다. 두 가지 시나리오를 평가하며, DDI 데이터에 대한 피부병변(민감 속성: 피츠패트릭 피부 타입)과 CheXpert에서 파생된 데이터에 대한 흉부 X선(민감 속성: 연령대)을 다룬다. ResNet-18 임베딩을 활용하여, 기본 설정과 세 가지 완화 방식—미분 가능한 등가 확률(EO) 정규화, 그라디언트 역전 학습(GRL), 그리고 이 두 가지를 결합한 방식—하에서 SVM, MLP, QSVM 및 QCNN을 학습시킨다. 또한, 기반 모델(PanDerm, EVA-X)을 외부 참조로 활용한다.
arXiv:2610.37906v1 발표 유형: 신규 초록: 스파이킹 저수지 컴퓨팅은 고정된 순환 저수지의 학습 효율성과 이벤트 기반 추론의 에너지 효율성을 결합하며, 여기서 계산은 매 시간 단계마다 밀집하게 수행되는 대신 희소한 스파이크에 의해 촉발된다. 그러나 기존의 스파이킹 저수지는 거의 대부분 누설 통합 및 발화(LIF) 뉴런에 의존하고 있으며, 이 뉴런의 로우패스 동역학은 서로 다른 시간 주파수로 부호화된 정보를 구분하는 능력을 제한한다. 우리는 LIF 뉴런을 조화 공명 및 발화(HRF) 뉴런의 이질적 집단으로 대체한 액체 상태 머신인 HRF-Res를 제안한다. 이 뉴런들은 내재적인 진동 동역학을 보이며 입력 주파수에 선택적으로 반응하여, 저수지가 주파수를 포착할 수 있도록 한다.
arXiv:2610.37851v1 발표 유형: 신규 초록: 기존의 과학적 에이전트 벤치마크는 시퀀싱 프로토콜에서 명시된 정확한 분자 구조와 생성 워크플로를 재구성할 수 있는지 여부를 거의 평가하지 않으며, 이는 맞춤형 시퀀싱 분석을 수행하는 데 매우 중요한 역량입니다. 우리는 시퀀싱 라이브러리 구조와 분자 워크플로를 재구성하기 위한 문서 기반 벤치마크인 LibStructBench를 제안합니다. 우리의 실험 결과에 따르면, 최첨단 에이전트들은 대체로 대략적인 재구성을 수행하긴 하지만, 특히 분자 상태 표현과 워크플로 연결성 측면에서 정확한 재구성에는 여전히 신뢰성이 부족한 것으로 나타났습니다. 또한, 기본 언어 모델을 변경하는 것이 에이전트 하네스를 교체하는 것보다 평균 성능 차이를 더 크게 발생시켰으며, 이는 통계적으로 유의미한 차이였습니다.
arXiv:2610.39017v1 발표 유형: 신규 초록: 분산 합의 및 일관성 프로토콜은 이해하기 어렵지만 클라우드의 근간을 이루므로, 배포 전에 종종 엄격한 증명과 형식적 검증 과정을 거칩니다. 그러나 프로토콜의 수정에는 이러한 수준의 엄밀함이 거의 적용되지 않으며, 이는 생산 환경에서 빈번히 발생해 안전성을 저해할 위험이 있습니다. 본 논문에서는 수동적 수정으로 인한 안전성 위반의 위험을 제거하기 위해, 분산 프로토콜을 위한 자동 최적화 도구인 DistOptimize를 제안합니다. DistOptimize는 학술용 언어에서 개발된 처리량 최적화 기법을 실제 운영 환경에서 사용되는 프레임워크에 적용하고, Rocq 언어로 재작성된 코드의 정확성을 검증하며, 교정과 ILP 기반 탐색을 결합하여 해당 변경 사항의 적용을 자동화합니다.
arXiv:2610.37681v1 발표 유형: 신규 초록: 대규모 추론 모델들은 최근 긴 사고 과정 데이터에 대한 지도식 미세조정(SFT)이 그들의 추론 능력을 이끌어내고 향상시키는 데 있어 핵심적인 기반이 되면서, 복잡한 과제를 해결하는 데 있어 뛰어난 성능을 보여 왔습니다. 추론 중심의 SFT를 개선하고 분석하는 데 있어 빠른 진전에도 불구하고, 이 분야에는 아직도 급속히 증가하는 관련 문헌을 종합한 체계적인 종합 연구가 부족한 실정입니다. 이러한 공백을 메우기 위해 우리는 추론 중심 SFT의 최근 발전에 관한 포괄적인 검토를 제시하며, 방법론적 설계와 분석적 탐구라는 두 가지 관점에서 관련 문헌을 살펴봅니다. 먼저, SFT 파이프라인 전반에 걸친 방법론적 개선 사항을 검토하고 이를 데이터 중심 접근과 알고리즘 중심 접근으로 구분합니다.
arXiv:2610.39981v1 발표 유형: 신규 초록: 대규모 과학 워크플로우는 분산형 HPC 자원에서 실행되므로, 과학 데이터 제품이 어떻게 생성되는지와 왜 유사한 워크플로 실행에서도 매우 다른 결과가 도출될 수 있는지를 설명하기가 어렵습니다. 기존 시스템은 주로 분산 워크플로 실행 또는 출처 관리에만 중점을 두고 있으며, 세부적인 출처 정보를 분산 과학 데이터 아티팩트의 본질적 속성으로 다루는 경우는 드뭅니다. 우리는 TRACEs(Traceable Runtime for Advanced Containerized Executions)를 제안합니다. 이는 모든 생성된 데이터 아티팩트에 데이터 계보와 실행 컨텍스트를 직접 내장하는 분산형 컨테이너화된 과학 워크플로우를 위한 출처 아키텍처입니다. 출처 정보를 워크플로 오케스트레이션과 분리함으로써, TRACEs는 아티팩트 중심의 출처 정보를 일반화합니다.
arXiv:2610.39222v1 발표 유형: 신규 초록: AI 가속기 아키텍처가 점점 더 다양해짐에 따라, 서로 다른 아키텍처를 통합한 단일 시스템 구현이 새로운 이종 컴퓨팅 패러다임으로 부상하고 있다. GPU와 WSE는 연산, 메모리, 통신 구조에서 상당히 차이를 보이며, 이로 인해 아키텍처 간 상호보완성과 추가적인 오버헤드가 동시에 발생하지만, 이러한 이종성을 어떻게 실질적인 성능 향상으로 전환할 수 있는지는 아직 명확히 밝혀지지 않았다. 이 격차를 해소하기 위해 우리는 GPU–WSE 이종 실행 환경을 특성화하고 상호보완성을 활용할 수 있는 조건을 규명하는 계층적 벤치마킹 방법론을 제안하며, 또한 이종성이 언제 병목으로 작용하고 언제 시스템 차원의 성능 향상을 가져오는지를 식별하는 분석적 성능 모델을 함께 제시한다.
arXiv:2610.38355v1 발표 유형: 신규 초록: KV 캐시 재사용은 LLM 서비스를 가속화하지만, 기존 시스템들은 호스트 DRAM과 NVMe SSD를 계층적 하위 구조로 관리하며, DRAM을 중간 캐시로 활용합니다. 그러나 실제 생산 환경의 LLM 워크로드는 이러한 계층 구조의 두 가지 전제 조건을 모두 무너뜨립니다. 첫째, 이중 모드 재사용 방식은 DRAM의 시간적 필터링 기능을 무력화합니다. 왜냐하면 워크로드는 재사용 거리가 긴 일회성 블록이나 DRAM 용량을 초과하는 수기가바이트 규모의 에이전트 세션으로 구성되어 있어 SSD가 핵심 읽기 경로에 위치하게 되기 때문입니다. 둘째, DRAM의 스테이징과 제거 순서에 따른 배치 방식은 SSD 복원 과정을 병목으로 만듭니다. 인-플라이트 프리픽스를 위해 호스트 스테이징 버퍼를 유지하면 부하 상황에서 컨텐션을 유발해 프리페치 작업이 중단되며, 증분식 제거는 세션의 블록들을 SSD 전체에 분산시켜 대규모 연속 읽기를 방해합니다. 우리는 p
arXiv:2610.37676v1 발표 유형: 신규 초록: 자동 해석 가능성은 스파스 오토인코더(SAE)의 특성에 대해, 평가 예제들에서 해당 특성이 언제 활성화되는지를 모델에게 토큰 단위로 예측하도록 하거나, 표시된 토큰들이 그 특성에 부합하는지 여부를 판단하도록 함으로써 점수를 매긴다. 우리는 평가 데이터의 표준 파이프라인이 설명을 읽지 않고도 점수를 매길 수 있음을 발견했다. Neuronpedia에 저장된 500개의 임의 GPT-2 소형 특성에 대한 퍼징 실행 결과에 따르면, 활성화된 예제의 91.3%가 중심 토큰에 최대값이 위치한 상태로 잘려 나오며, 중심 토큰이 표시되어 있을 때 “예”라고 판정하는 규칙은 저장된 LLM 점수계보다 높은 균형 정확도 0.979를 달성한다(파이프라인 코드로부터 재구성된 표시를 기반으로 계산됨); 반면 표시 개수만을 기준으로 판단하는 규칙은 0.969의 정확도를 기록한다. T
호기심에 방향을 더하고 매일의 읽기에 가치를 더하세요.
