AI 심리학 자동화의 조건
AI가 심리학 실험의 가설·설계·수집·분석을 잇는 닫힌 루프를 만들 때, 신뢰 조건과 통제 지점을 짚는다.
AI가 심리학 실험의 가설·설계·수집·분석을 잇는 닫힌 루프를 만들 때, 신뢰 조건과 통제 지점을 짚는다.
3D로 구도와 포즈를 고정한 뒤 AI 작화를 입힐 때, 시점 일관성과 시간축 흔들림·수정 비용을 함께 짚는다.
지난 수집 자료(공식/뉴스) 중 중요한 링크를 모아 정리했다.
Autodata가 합성 데이터를 에이전트 시스템으로 확장하며 검증, 누수, 반복성 점검의 중요성을 드러낸다.
LLM으로 관계 추론 벤치마크를 자동 생성할 때 난도 통제, 정답 품질, 오염과 편향 점검이 왜 중요한지 짚는다.
AI의 성장 편익과 실존적 위험을 같은 경제학적 프레임에서 비교해야 한다는 쟁점을 짚는다.
RAGBench와 LegalBench로 본 기업 LLM 과제: 검색 성능과 도메인 판단은 분리해 검증해야 한다.
VLM 시각탐색을 인간 과제로 비교하고, 정답률 너머 탐색 비용과 토큰 길이로 평가하는 틀을 짚는다.
FlowR2A는 자율주행 계획을 점수화가 아닌 보상 조건부 행동 분포 학습으로 재구성하는 접근을 다룬다.
DeepBD는 유전질환 진단에서 근거 추적형 에이전트 워크플로와 recall 개선 가능성을 보여준다.
민감 정보 화면에서 GUI 에이전트가 자동화보다 사용자 takeover를 우선해야 하는 기준을 짚는다.
연구급 수학에서 LLM이 그럴듯하게 틀리는 네 가지 실패 모드와 검증 설계의 필요성을 짚는다.
INT8 ConvRot의 체감 우위와 공개 검증 범위를 구분하고 로컬 생성 환경의 비교 기준을 정리한다.
근거 없는 결론만 남은 메모리가 빈 메모리보다 더 위험할 수 있다는 평가와 장기 기억 설계의 함의를 짚는다.
산업형 LLM 지속학습을 성능 경쟁이 아닌 업데이트·릴리스 운영 문제로 재해석한 서베이 요약.
LLM과 검증기 루프를 4단계 흡수 마르코프 연쇄로 모델링해 종료와 정체 지점을 분석하는 수렴 프레임워크를 다룬다.
교육용 게임 로그를 멀티에이전트 LLM과 BKT로 해석해 금융 이해도를 은닉 평가하는 연구를 짚는다.
OncoSynth는 종양학 합성데이터에서 인과 사슬을 반영해 치료효과 추정 왜곡을 줄이려는 접근을 보여준다.
에이전트 안전을 모델 내부 통제보다 외부 실행 권한 집행으로 재설계해야 한다는 논점을 짚는다.
노이즈 입력과 반복 호출 앙상블로 블랙박스 AI 안정성을 높이되 비용·σ 구간 한계를 함께 짚는다.
분자 생성 RL이 예측 점수를 정답처럼 다룰 때 생기는 위험과 불확실성 반영의 의미를 짚는다.
지난 수집 자료(공식/뉴스) 중 중요한 링크를 모아 정리했다.
CineCap은 카메라 움직임·샷 크기·앵글 등 영화문법을 구조적으로 읽는 비디오캡셔닝 과제를 다룬다.
다중 객체 3D 생성에서 충돌 방지, 뷰 일관성, 편집 가능성을 함께 따져본다.