Cryo-SWAN, 밀도맵 3D VAE의 포맷 전환
Cryo-SWAN은 밀도맵(복셀) 중심 VAE로 3개 벤치마크에서 재구성 품질 개선을 보고한다.
Cryo-SWAN은 밀도맵(복셀) 중심 VAE로 3개 벤치마크에서 재구성 품질 개선을 보고한다.
AI 코딩 쿼터를 권한으로 볼 때 마켓 설계, 약관 위반·보안·검수 리스크를 If/Then으로 정리.
IDE 플러그인에서 CLI 코딩 에이전트로 이동하며 AGENTS.md와 컨텍스트 파이프라인이 신뢰성을 좌우한다.
서술형 질의에 맞는 엔드투엔드 에이전트 구성을 추천하는 AgentSelect 벤치마크를 소개한다.
CoT 중간 교란은 정답률을 크게 낮춘다. 단위·수학은 별도 검증과 합의가 필요하다.
3D 병변 분할에서 다중 정답·불확실성 평가와 VDD의 합의 prior 앵커링을 정리.
희소·구식 상호작용 데이터에서, 하드 클리핑 대신 log-ratio 가우시안 신뢰가중으로 안정적 재사용을 제안.
에이전틱 AI 실패를 모델 한계가 아닌 외부화 거버넌스로 재정의하고 3-트랙을 제안한다.
LLM 추천이 대화로 추론한 트라우마·자해 등 민감도를 무시하면 개인 맞춤형 안전 위반이 된다.
PlugMem은 에이전트 밖 플러그인형 장기 메모리로 컨텍스트 팽창·관련성 저하를 줄이고 지속 리스크를 점검한다.
전장 작전계획 AI 도입은 성능보다 HITL·TEVV·감사·책임 설계가 핵심이다.
모델 성능과 생산성의 시차 원인과 과업 점수·NIST RMF로 줄이는 방법
지도·지형 입력에서 리사이즈·타일링·토큰화 차이가 지리 오인식을 재현 가능한 제품 리스크로 만든다.
국방 AI에서 감시·자율무기 금지 등 가드레일을 계약·운영에 강제하는 쟁점을 정리한다.
공백·정규화·토큰 경계 차이가 추론 실패처럼 보이는 이유와 평가 통제법.
LLM이 표적 후보 생성·우선순위화로 선택을 유도할 때, 자율무기 경계와 감사·통제 설계를 짚는다.
추론·메모리·지속학습 용어 혼선을 KPI로 분리해 검증하는 의사결정 메모.
Roofline 조건 I≤π/β로 LLM 추론 병목을 판정하고, 대역폭·캐시·인터커넥트 투자 우선순위를 정리한다.
검색 연동·temperature 비노출이 유료 AI 환각과 검증비용을 키우는 구조를 분석한다.
위성 변화탐지 속도는 모델보다 전처리·정합·우선순위화와 HITL 검증 설계가 좌우한다.
폭력·위협 신고는 가능하지만, 임박 위협의 SLA·책임·증거 요건이 불명확해 운영 설계가 핵심이 된다.
AI가 C4ISR·무기체계와 결합해 의사결정 속도를 높일 때의 리스크와 DoDD 3000.09 안전요건.
전장형 통합 AI는 성능보다 오탐·미탐, 불확실성, 폐루프 실패 전파 검증이 핵심이다.
CleaveNet이 18개 MMP 절단 효율로 펩타이드를 생성·예측해 나노입자 소변 센서 신호 설계를 제시.