읽을 가치가 있는 기사만, 짧고 또렷하게.

구글 리서치가 발표한 Harness2는 오픈 월드 환경에서 에이전트가 예상치 못한 작업을 만났을 때 행동할 수 있도록 하는 재귀적 에이전트 하네싱(Recursive Agent Harnessing)을 위한 플러그 앤 플레이 프레임워크입니다. 이 시스템은 프롬프트, 도구, 메모리, 스킬 등의 모델 주변 시스템을 관리하고 최적화하는 것을 목표로 합니다.

Harness2는 두 단계의 재귀를 통해 에이전트 시스템을 개선합니다. 작업 수준의 재귀는 제약 조건 없이 실행의 하네싱을 개선하기 위해 제안(Propose), 탐색(Probe), 합성(Compose) 단계를 거치며 행동의 대비를 통해 하네싱을 정제합니다. 하네싱 수준의 재귀는 채택된 하네싱과 각 작업에서 얻은 증거 기반 교훈을 업데이트하여 향후 개선을 안내하는 지속적인 개선 하네싱을 구축합니다.

이러한 방법론을 통해 단일 Harness2 단계만으로도 GLM-5와 Gemini 3.5 Flash의 기본 하네싱을 향상시킬 수 있으며, WorkBuddy-Bench에서는 최대 11.5점, JobBench에서는 4.5점, LAB의 부분 통과율에서는 11.8%의 성능 향상을 보였습니다. 에이전트 실행은 병렬 재귀(여러 후보 하네싱 탐색)와 순차적 재귀(연속적인 단계로 하네싱 정제) 두 가지 방식으로 진행될 수 있습니다.

Harness2는 시스템 프롬프트, 가드레일, 메모리, 도구 지침, 하위 에이전트, 스킬, 스크립트, 플러그인 등 모델 주변의 여덟 가지 편집 가능한 구성 요소를 노출합니다. 개발자는 리눅스, 파이썬 3.12, uv 등을 사용하여 이 프레임워크를 설치하고 다양한 벤치마크 환경에서 실험을 수행할 수 있습니다.

AI가 작성한 코드를 이해하지 못한 채 배포하는 상황에 대해 개발자들이 어떻게 대처해야 하는지에 대한 논의가 이루어지고 있습니다. 메타 엔지니어의 경험을 인용한 글에 따르면, AI를 활용한 배포 속도가 너무 빨라 코드의 모든 줄을 검토하는 데는 시간이 너무 오래 걸리며, 결과적으로 자신이 구축한 시스템의 작동 방식을 완전히 이해하지 못한 채 코드를 운영하게 될 위험이 있습니다. 이는 소프트웨어 엔지니어의 본능에 반하는 일이며, 개발자들이 앞으로 얼마나 많은 코드를 이해해야 할지에 대한 근본적인 질문을 던지게 만듭니다.

이러한 상황에서 개발자들은 코드를 검토하는 대신 테스트에 더 집중해야 한다는 의견이 제시되었습니다. LLM을 활용하여 코드를 인터랙티브하게 테스트하는 것이 기존 코드 검토보다 더 효과적일 수 있으며, 구현 오류를 찾는 데 집중하는 것이 중요합니다. 또한, 제품 관리자의 관점에서 수용 기준을 명확히 정의하는 것이 중요하며, 이는 AI에게 책임을 묻는 것보다 결과물의 품질을 정의하는 데 초점을 맞추는 접근법을 요구합니다.

궁극적으로 코드 품질에 대한 관점도 변화하고 있습니다. AI의 등장 이전에도 소프트웨어 결함이 많았다는 점을 고려할 때, 품질이 더 이상 유일한 목표가 아닐 수 있다는 논의가 등장합니다. 대신, 더 강력한 도구와 인센티브를 통해 품질을 개선하고, 에이전트가 코드를 개선할 수 있다는 가능성에 주목해야 합니다.

따라서 개발자들은 코딩 전에 충분한 계획과 세부 사항을 설계하고 테스트 케이스를 구상하는 데 시간을 투자해야 합니다. 이러한 사전 작업은 나중에 코드를 검토하고 배포하는 과정을 훨씬 수월하게 만들며, 여러 LLM을 활용하여 코드의 신뢰성을 확보하는 것이 현실적인 대안이 될 수 있습니다.

미국 항공우주 회사인 Sceye가 공중 셀 타워 개념을 시연하기 위해 미국 뉴멕시코에서 일본까지 왕복 비행을 성공적으로 마쳤습니다. 이 비행은 2026년 8월에서 9월 사이에 이루어졌으며, 100년 만에 이루어진 이 여정은 경량 비행체가 어떻게 하늘의 통신 인프라 역할을 할 수 있는지 입증하는 데 중점을 두었습니다.

Sceye는 헬륨으로 채워진 무인 플랫폼을 개발했는데, 이는 전기 추진 프로펠러를 사용하여 강한 바람에도 저항하며 특정 위치에 장시간 정지할 수 있습니다. 이 플랫폼은 태양광 패널과 온보드 배터리를 사용하여 60,000피트 상층 대기(성층권)에서 24시간 운영이 가능합니다.

Sceye의 CEO인 미켈 프란센은 이 비행이 항공기나 제트 기류보다 높은 성층권에서 이루어지며, 저궤도 위성보다 30배 가까이 가까운 위치에서 통신 서비스를 제공할 수 있음을 강조했습니다. 이는 기상 재해 상황에서 통신 연결성을 확보하는 데 있어 고고도 플랫폼의 잠재력을 보여줍니다.

최근 두 바퀴 전기차 시장이 고급 스쿠터와 보급형 오토바이 사이의 중간 지점을 채우는 빠르게 성장하는 카테고리로 부상하고 있습니다. 이러한 전기차들은 앞선 스타일과 접근하기 쉬운 성능을 갖춘 아방가르드한 디자인을 특징으로 합니다. 인피니트 머신 P1이나 BMW CE 02와 같은 모델들이 이러한 흐름을 주도하고 있습니다.

이러한 시장 속에서 마빙 RM2는 독특한 위치를 차지하며 주목받고 있습니다. RM2는 클래식 영국 오토바이인 트라이엄프 보네빌이나 로열 엔필드 컨티넨탈 GT의 분위기를 담고 있으면서도 내연기관의 느낌을 배제한 레트로퓨처리즘적인 감각을 표현합니다.

RM2는 단순히 전기 모터사이클을 넘어 디자인과 스타일을 중시하는 사용자들에게 어필하며 새로운 전기차 트렌드를 제시합니다. 이는 고성능과 스타일을 동시에 추구하는 사용자들에게 매력적인 대안을 제공합니다.

마이크로소프트는 플레이어들이 게임 디스크를 무료로 디지털화할 수 있도록 허용하고 있습니다. 이 프로그램은 사용자가 물리적인 게임 디스크를 디지털 형태로 변환하여 보관할 수 있게 해주는 기능을 제공합니다.

이 기능은 물리적인 게임 컬렉션을 보존하면서도 디지털 환경에서 게임을 접근할 수 있게 하는 것을 목표로 합니다. 이는 사용자들이 게임 소유권을 디지털 형태로 전환하는 새로운 방식을 제공하며, 물리적 매체에 대한 의존도를 줄이는 데 기여할 수 있습니다.

다만, 현재 이 프로그램은 물리적인 게임 컬렉션을 판매하는 것을 허용하지 않습니다. 따라서 사용자는 디스크를 디지털화하여 보관할 수 있지만, 물리적인 소장품을 즉시 판매할 수는 없다는 점을 유의해야 합니다.

Mistral이 시계열 기반 파운데이션 모델인 Timestral을 출시하며 확률적 다변수 예측 분야에서 새로운 기준을 제시했습니다. Timestral은 209M 파라미터 규모로 가장 큰 모델에서도 기존 최고 성능 모델들을 능가하며, GIFT-Eval, TIME, fev-bench 등 주요 벤치마크에서 사전 학습된 제로샷 모델 중 모든 지표에서 1위를 차지했습니다. 이 모델은 과거 데이터뿐만 아니라 미래의 공변량(covariates)까지 지원하는 확률적 다변수 예측을 제공하며, 센서 텔레메트리나 금융 흐름 예측과 같은 다양한 분야에 적용될 수 있습니다.

Timestral은 5M에서 209M 파라미터까지 네 가지 크기로 제공되어 정확도와 효율성 사이의 파레토선에 위치합니다. 특히, 추론 시 GPU 없이 표준 서버 CPU에서 효율적으로 작동하며, 5M 모델은 10ms, 209M 모델은 140ms 만에 예측을 수행할 수 있어 속도와 비용 효율성을 동시에 확보했습니다. 작은 모델일수록 속도가 빨라지지만, 28M 모델은 209M 모델보다 다섯 배 빠른 속도를 제공하며 정확도 손실을 최소화합니다.

이 모델은 합성 데이터 사전 학습과 공변량 인식 어텐션 방식을 결합하여 시계열 데이터의 비선형 패턴을 학습하며, Mistral Forge를 통해 사용자가 자체 데이터로 미세 조정할 수 있도록 지원합니다. 이를 통해 조직은 도메인 특화 데이터로 모델을 적응시키고, 학습 데이터의 분포 변화에 따라 지속적으로 재학습하여 실제 환경에 맞는 예측 모델을 구축할 수 있습니다.

리눅스 7.3 정식 버전이 예정대로 출시되었으며, 이어서 다음 날부터 7.4 병합 기간이 시작되었습니다. 이번 업데이트는 대규모 시스템 성능 개선을 목표로 그룹 스케줄링을 포함한 광범위한 작업이 진행되었습니다.

이번 커널 개발 과정에서 개발자들의 기여가 두드러졌는데, 병합 커밋을 제외한 총 18,765개의 커밋에 개발자 3,021명이 참여했습니다. 특히 이 중 807명은 커널 개발에 처음으로 기여하는 경험을 했습니다.

이는 커뮤니티 차원에서 대규모 시스템 성능 개선을 목표로 진행된 작업이 성공적으로 반영되었음을 의미합니다. 개발자들은 새로운 버전의 커널에 기여하며 시스템 안정성과 효율성을 높이는 데 중요한 역할을 수행했습니다.

AI를 활용한 설계나 결과 보고 시 mermaid 다이어그램 사용이 증가하고 있습니다. 하지만 코드로 직접 편집하고 보는 방식은 불편하며, 사용자 인터페이스(UI)를 통해 편집할 수 있는 도구를 원한다는 요구가 있었습니다. 기존의 UI 기반 편집 도구들은 대부분 유료였기 때문에 개발자들은 무료이면서 개인 에디터에 적용할 수 있는 오픈소스 패키지를 찾고 있었습니다.

이러한 요구에 따라 mermaid 다이어그램을 UI로 편집할 수 있는 무료 에디터 SDK가 등장했습니다. 이 SDK는 코드뿐만 아니라 사용자 인터페이스를 통해서도 mermaid 다이어그램을 편집할 수 있게 해줍니다.

개발자들은 이 SDK를 통해 유료 솔루션 없이도 개인 에디터에 mermaid 다이어그램 편집 기능을 통합할 수 있게 되었습니다. 이는 AI 기반 설계 과정에서 시각화 도구의 접근성을 높이고 개발 생산성을 향상시키는 데 기여할 것입니다.

한 개발자가 단 하나의 모터만을 사용하여 드론을 제작했다는 내용의 영상이 공유되었습니다. 이 프로젝트는 제한된 자원과 설계 제약 조건 하에서 비행체 시스템을 구축하는 데 초점을 맞추고 있습니다.

이 기사는 단일 모터 구동 드론의 설계 및 제작 과정에 대한 기술적인 접근 방식을 보여줍니다. 이는 복잡한 멀티콥터 시스템 대신 최소화된 부품으로 최대의 성능을 달성하려는 DIY 로보틱스 및 드론 개발에 관심 있는 사용자들에게 흥미로운 사례를 제공합니다.

단일 모터 시스템을 활용한 드론 제작은 효율성과 경량화 측면에서 중요한 기술적 도전 과제를 제시합니다. 실제 제작 과정에서 발생한 설계상의 제약 조건과 해결책은 하드웨어 시스템을 구축할 때 고려해야 할 중요한 트레이드오프를 이해하는 데 도움을 줍니다.

인스타360의 루나 프로와 루나 울트라에 대한 리뷰가 공개되었습니다. 이 제품들은 솔로 영화 제작자, 콘텐츠 크리에이터, 독립 저널리스트에게 이상적인 카메라로 평가받고 있습니다.

이번 리뷰는 루나 프로와 루나 울트라 모델의 성능과 사용 경험에 대해 자세히 다루고 있습니다. 리뷰는 두 제품이 특정 사용자 그룹에게 최적화되어 있다는 점을 강조하며, 이들이 독립적인 영상 제작 환경에서 어떤 이점을 제공하는지에 초점을 맞춥니다.

해당 리뷰는 두 카메라 모델의 실제 사용 경험과 성능을 검토하여, 콘텐츠 제작자들이 요구하는 특정 기능과 워크플로우에 얼마나 잘 부합하는지를 분석합니다. 따라서 이 리뷰는 단순히 스펙을 나열하는 것을 넘어, 실제 작업 환경에서의 실용적인 측면을 중점적으로 다루고 있습니다.

디즈니는 소송 위험을 줄이기 위해 챗봇 스타트업 캐릭터AI로부터 신뢰 및 안전 기술 등 지적 재산권을 확보하기를 희망하고 있습니다. 이 스타트업의 챗봇들은 수많은 주에서 미성년자들이 자해 및 부모 살해를 조장했다는 주장이 제기되어 논란이 되고 있습니다.

이러한 상황에서 디즈니가 캐릭터AI의 기술을 요구하는 것은 해당 플랫폼이 내포한 잠재적인 법적 및 안전 문제를 해결하려는 의도로 해석됩니다. 이는 AI 기반 콘텐츠의 안전성과 책임 소재에 대한 사회적 논의가 심화되는 가운데, 대형 기업이 AI 안전 기술을 확보하려는 움직임으로 주목받고 있습니다.

다만, 해당 주장은 여러 주에서 제기된 알레가이션이며, 구체적인 법적 판결이나 사실 관계는 아직 명확히 확정되지 않았습니다. 따라서 디즈니의 요구는 현재 진행 중인 법적 논란의 맥락 속에서 기술적 안전성과 책임 문제를 다루려는 시도로 이해해야 합니다.

DeepSeek V4.1 Flash 1017 (Max)는 텍스트와 이미지를 입력받아 텍스트를 출력하는 추론 모델로, 100만 토큰에 달하는 문맥 창을 지원하며 공개 가중치를 제공합니다. 이 모델은 대규모 문맥 처리가 필요한 애플리케이션 개발자들에게 새로운 기회를 제공합니다.

해당 모델은 100만 토큰의 문맥 창을 지원하여 기존 모델 대비 훨씬 긴 문맥을 한 번에 처리할 수 있는 능력을 갖추고 있습니다. 이는 복잡한 문서 분석이나 장문의 대화 맥락을 유지해야 하는 작업에서 큰 이점을 제공합니다.

또한, DeepSeek V4.1 Flash 1017 (Max)는 Artificial Analysis Intelligence Index에서 45점을 기록했습니다. 이는 비슷한 크기의 오픈 가중치 모델 중앙값인 19점을 크게 상회하는 수치로, 오픈 가중치 모델의 성능 기준을 높이는 데 기여합니다.

따라서 개발자들은 100만 토큰 문맥 지원과 높은 성능을 겸비한 이 오픈 가중치 모델을 활용하여 고성능 추론 시스템을 구축할 수 있습니다.

장기 탐색(Long-horizon search)을 수행하는 에이전트는 관련 증거를 획득하고 이를 진화하는 연구 상태에 통합해야 하지만, 기존 방법들은 이러한 신호를 명시적이고 귀속 가능한 상태 변화에 기반으로 삼는 데 어려움을 겪었습니다. 이 논문은 이러한 문제를 해결하기 위해 귀속 가능한 연구 상태 전환으로부터 장기 탐색을 학습하는 ClueFlow를 제안합니다.

ClueFlow는 증거 획득 브라우저 행동, 증거 및 후보 업데이트, 그리고 최종 답변을 연결하는 소스-상태-최종 귀속 체인(Source-State-Final attribution chains)을 구성합니다. 탐색 과정에서 ClueFlow는 상태 변화와 관련 브라우저 행동을 기록한 후, 실행 후에 의미론적 검증 및 출처 추적을 적용합니다. 이 귀속 정보를 활용하여 지도 미세 조정(SFT)과 강화 학습(RL) 모두를 안내합니다.

실험 결과, ClueFlow는 Qwen3.5-35B-A3B 백본을 사용하여 BrowseComp에서 60.0%, BrowseComp-Plus에서 72.0%의 정확도를 달성했습니다. 특히, 통제된 BrowseComp-Plus 실험에서 귀속 기반 SFT는 전체 턴의 정확한 맥락 SFT와 약 30%의 훈련 토큰만 사용하여 일치시켰습니다. 또한, 귀속 기반 PPO는 결과 기반 PPO보다 4.1%p 더 우수한 성능을 보였습니다.

이러한 결과는 상태 전환 귀속이 장기 탐색 에이전트를 위한 효율적인 감독과 효과적인 신용 할당을 가능하게 함을 입증합니다. 즉, 상태 변화에 기반한 귀속 메커니즘이 복잡한 장기 탐색 작업에서 에이전트의 학습 효율성을 크게 높일 수 있음을 보여줍니다.

다단계 질문 응답(QA)은 모델이 중간 결론들을 연결하면서 비용을 고려해야 하는 과제를 안고 있습니다. 기존의 훈련 없는 자기 성찰 프로토콜(생성 후 비판 후 수정)은 정확도를 높이지만 평면적인 토큰 스트림에서 작동하기 때문에, 수정 단계에서 어떤 이전 단계가 신뢰할 수 없는지 식별하거나 구조적 수렴을 활용하여 조기 중단하는 데 한계가 있습니다.

이에 연구진은 EvoResearcher의 자기 성찰 메타 보상을 명시적인 추론 그래프로 끌어올리는 훈련 없는 프로토콜인 GraphEvoResearcher를 제안합니다. 이 그래프는 중간 결론이나 증거를 노드로 하고, 지지, 모순, 의존 관계를 엣지로 인코딩합니다. 그래프 인식 메타 보상은 정확성, 효율성, 성찰성, 다양성뿐만 아니라 연결성, 비순환성, 분기 범위, 경로 수렴이라는 네 가지 구조적 신호를 결합하여 수정, 후퇴, 중단 여부를 결정합니다.

특히 증거 분기가 단일 결론으로 수렴할 때 종료하는 그래프 수렴 조기 중단 기능은 효율성을 높입니다. 실제 LLM인 DeepSeek을 사용하여 GSM8K, MATH, BBH(n=50) 데이터셋에서 GraphEvoResearcher는 각각 98%, 92%, 82%의 정확도를 달성하며 모든 기준선 중 가장 높은 결과를 보였습니다. 특히 가장 어려운 집합인 MATH에서는 단일 추론 대비 24% 포인트, 평면적 성찰 대비 12% 포인트의 가장 큰 이득을 얻었으며, 구축 비용은 약 2단계/4.5~5개의 노드로 제한됩니다.

연구 결과는 추론 그래프의 구조적 신호가 단일 단계 추론이 신뢰할 수 없는 지점에서 가장 가치 있음을 시사합니다. 이는 복잡한 다단계 추론에서 구조적 이해가 정확도 향상에 결정적인 역할을 함을 보여줍니다.

미세 이미지에서 규조류를 자동 식별하는 것은 대규모 담수 생물 모니터링의 핵심이지만, 종의 높은 다양성과 심각한 클래스 불균형으로 인해 신뢰할 수 있는 분류에 큰 어려움이 있습니다. 이 연구는 이러한 문제를 해결하기 위해 759개 클래스 규조류 데이터셋을 위한 ResNet-18 기반 모델을 개발하고, 보정된 신뢰도 추정치를 활용하여 전문가의 작업량을 줄이면서 분류의 정확성을 유지하는 방법을 탐구했습니다.

초기 모델은 예상 보정 오차(ECE)가 0.117로 과신 경향을 보였으나, 사후 온도 스케일링(T = 2.12)을 적용함으로써 신뢰도가 크게 향상되어 ECE를 0.055로 낮출 수 있었습니다. 이러한 보정된 확률을 분류 기준 프레임워크 내에서 활용하여, 66.2%의 커버리지(제거 임계값 $\tau$ = 0.934)에서 선택적 매크로 F1 점수 99.01%를 유지하는 것을 입증했습니다.

분석 결과, 이 시스템은 희귀 종이나 모호한 형태(예: AAMB, AASI)를 전문가 검토를 위해 효과적으로 보류하는 지능형 필터 역할을 합니다. 이는 자동 식별이 생태학적 평가에 필수적인 희귀 종의 지표를 우선시하도록 하여 실용적이고 견고하게 만드는 데 기여합니다.

연구진은 torch-uncertainty 프레임워크를 통해 이러한 발견을 뒷받침하며, 간단한 보정 기술이 자동 규조류 식별을 실용적으로 만들 수 있는 잠재력을 강조합니다. 재현성을 위해 코드와 보정 결과는 공개되어 있습니다.

자기 증류 정책 최적화는 피드백 조건화된 자체 교사(self-teachers)를 통해 LLM 후 훈련에 대한 조밀한 토큰 수준의 감독을 제공합니다. 그러나 자체 교사를 직접 일치시키면 올바른 롤아웃에서의 성공적인 행동을 방해하고 잘못된 롤아웃에 대한 수정은 불충분하게 제공하는 문제가 발생합니다.

이에 연구진은 자체 증류를 통한 비대칭 정책 최적화(APSD)를 제안하며, 이는 학생과 자체 교사 분포를 혼합하여 정답에 따른 목표를 구성합니다. 이 방법은 올바른 롤아웃에서의 성공적인 행동을 보존하는 보간(interpolation)을 통해 성공적인 행동을 유지하고, 자체 교사를 넘어선 외삽(extrapolation)을 통해 잘못된 롤아웃에 대한 수정을 강화합니다.

연구진은 APSD를 발산 분해, 역-KL 베리 중심 기하학, 기울기 분석을 통해 분석하며 학생 의존적 목표를 통한 기울기 흐름의 중요성을 강조합니다. 강화 학습과 풍부한 피드백을 사용한 실험 결과, APSD는 강화 학습 및 자체 증류 기준선에 대해 강력한 전반적인 성능을 달성했으며, Qwen3 모델 규모 전반에 걸쳐 평균적으로 2.6배 적은 훈련 단계로 SDPO 성능과 일치했습니다.

체인-오브-사고(CoT) 추론은 문제 해결 능력을 향상시키지만, 모델이 정답에 도달한 후에도 불필요하게 계속 생성하는 경우가 많아 서빙 비용을 증가시키고 때로는 올바른 중간 결과를 잘못된 결과로 대체할 수 있다는 문제가 있습니다. 이에 연구진은 모델의 CoT 과정을 조기에 종료하는 온라인, 학습 불필요 알고리즘인 GLOBE(Geometry-Led Online Behavioral Early Exit)를 제안했습니다.

GLOBE는 각 완료된 추론 단계를 단위 구(unit sphere) 위의 점으로 임베딩하고 그 결과로 나타나는 의미론적 궤적의 모양을 분석하여 추론 과정을 종료합니다. 구체적으로, GLOBE는 먼저 별도의 분기에서 짧은 시험 답을 생성하는 시험 단계(trial phase)를 적용하며, 신뢰도를 임계값으로 확인하여 시험 답이 수용되면 주 흐름을 중단합니다. 만약 생성이 계속된다면, 경로가 적은 순진전을 보이며 반복적으로 방향을 반대로 바꾸는 지점에서 스트림을 중단하는 궤적 단계(trajectory phase)를 적용합니다.

이러한 방법은 수학적 추론, 도구 호출, 에이전트 메모리를 포함한 다섯 가지 벤치마크에서 두 모델에 걸쳐 출력 토큰을 49.7% 줄이고 활성 종단-엔드(E2E) 벽 시간을 51.0% 단축시켰습니다. 또한 다섯 가지 작업에 대해 평균 80.58%의 성능을 달성하여 전체 CoT와 비교했을 때 유사한 결과를 보였습니다. 이는 불필요한 생성 단계를 줄이면서도 추론의 정확도를 유지할 수 있음을 보여줍니다.

본 논문은 자동화 창고 내 통로(intra-aisle) 로봇 피킹에 대한 분석적-DES 벤치마크를 제시합니다. 연구는 수평 셔틀 이동, 토트 처리, 저장 위치에서의 품목 피킹을 결합한 사이클을 조사했습니다. 시뮬레이션 결과를 Lerher 등의 분석 공식과 비교하여 동일한 랙 기하학, 셔틀 운동, 처리 및 피킹 조건 하에서 비교를 수행했습니다.

이 벤치마크는 세 가지 랙 길이, 두 가지 쌍별 운동 프로파일, 그리고 n=1에서 30까지 방문한 피킹 위치를 포함하여 총 180개의 시나리오를 구성하며 각 시나리오당 10회의 시뮬레이션 반복을 포함합니다. 분석 결과, 나머지 174개 주요 시나리오에서 평균 절대 상대 사이클 타임 불일치는 0.8655%였으며 중앙값은 0.6758%, 최대값은 7.0370%로 나타났습니다. 평균 절대 오차는 2.411초, RMSE는 2.744초로 측정되었습니다.

시뮬레이션된 시나리오의 평균 사이클 타임은 174개 주요 시나리오 모두에서 분석적 값보다 낮게 나타났습니다. 이는 테스트된 조건 하에서 수치적으로 근접한 일치를 보여주지만, 정확한 일치나 공식적인 통계적 동등성, 또는 실제 운영 창고에 대한 검증을 제공하지는 않습니다.

따라서 이 연구 결과는 실제 운영 환경에서의 정확한 검증보다는 분석적 모델과 시뮬레이션 간의 근접한 수치적 대응 관계를 확인하는 데 중점을 두고 있습니다. 분석 테이블을 재현하기 위해서는 거리 해석 dES = 1.5m와 dTB = 0m를 적용해야 합니다.

LLM 군집 최적화의 기존 접근 방식은 최종 작업 유용성에 초점을 맞추어 정보의 처리, 통합, 의존성을 개별 상호작용 내에서 암묵적으로 두는 한계가 있습니다. 이 연구는 LLM 군집 상호작용을 정보 흐름 관점에서 분석하고 정보 흐름 패턴을 정량화하기 위해 행동 탐침(behavioral probes)을 도입합니다.

이를 위해 환각 분석을 위해 설계된 외부 컨텍스트 점수(External Context Score, ECS)와 매개변수 지식 점수(Parametric Knowledge Score, PKS)를 재활용하여 노드의 외부 컨텍스트 의존도와 매개변수 지식 의존도를 측정합니다. 실험 결과, ECS는 입력 관련성이 높아질수록 증가하며 유용한 다중 소스 기여를 구별하고, PKS는 정보성 컨텍스트가 축적될수록 감소하는 일관된 패턴을 보였습니다.

이러한 통찰을 바탕으로 연구진은 탐침이 유용성 기반 구조 최적화를 보완할 수 있음을 입증했습니다. 탐침 기반 노드 가지치기(probe-guided node pruning)는 중복된 통신과 토큰 소비를 줄이며, 탐침 기반 추론 경로 탐색(probe-guided reasoning-path search)은 유용성만 사용한 기준선보다 수렴 속도를 가속화했습니다.

결론적으로 행동 탐침은 LLM 군집 내부의 정보 흐름을 관찰 가능하게 만들고 구조 최적화를 위한 효과적인 보조 신호로 활용될 수 있음을 실증했습니다.

VLM 환각 평가에서 토큰 세트 선택이 결과에 영향을 미치는 혼란 요인이 있음을 체계적으로 분석했습니다. LLaVA-1.5-7B 기준 모델은 적대적 분할에서 82.21의 F1 점수를 기록했는데, 이는 비교 대상인 적대적 기준선(81.00, 79.30, 73.54)보다 1.21점에서 8.67점 높은 수치입니다. 이 결과는 기존 연구에서 보고된 적대적 이득보다 더 큰 격차를 보입니다.

분석 결과, 모델이 '예' 또는 '아니오'를 결정하는 두 토큰 로그잇 판독 방식이 자체적으로 F1 점수를 변화시키는 것으로 나타났습니다. 이는 SentencePiece가 프롬프트 접미사 "ASSISTANT:" 뒤에 공백 바이트를 추가하기 때문에 발생하며, 이로 인해 모델은 실제로 'Yes' 토큰(3869)과 'No' 토큰(1939)을 출력합니다. 이 공간 접두사를 포함하는 여덟 개의 토큰을 사용하여 판독했을 때 LLaVA-1.5-7B는 적대적, 인기, 무작위 분할에서 각각 0.8221, 0.8498, 0.8713의 F1 점수를 얻었습니다.

또한, 잘못된 예측이 올바른 예측보다 이미지에 더 많은 주의를 끄는 현상(Cohen's $d=-0.46$)이 발견되어, 접지 기반 수정(grounding-based corrections)이 가정하는 바와는 반대되는 결과가 나왔습니다. 이 혼란 요인은 모델 자체의 특성이 아니라 프로토콜 수준의 문제임을 여러 토크나이저 계열의 다른 VLM을 대상으로 감사한 결과 확인되었습니다.

실제로 LLaVA-1.5의 ID를 그대로 가져오는 방식은 이질적인 어휘를 가진 모델에서 F1 점수를 0.00으로 떨어뜨렸으나, 토크나이저에서 파생된 판독 방식을 사용했을 때는 F1 점수가 0.80에서 0.92 사이를 유지했습니다. 따라서 환각 평가의 정확도를 비교할 때는 판독 방식과 정밀도를 일치시켜야 합니다.