통신망 장애 원인을 찾을 때 AI가 숫자 몇 개만 보고 성급히 답하지 않도록, 데이터를 정해진 칸에 정리하고 단계별 점검을 거쳐 결론을 내리게 훈련한 방법이다. 무엇이 문제였나 — 통신 장애 원인을 찾으려면 속도, 무선 신호 세기, 자원 할당량, 기지국 설정, 이웃 셀 상태 같은 여러 정보를 함께 봐야 한다. 어떻게 풀었나 — 이 논문은 그런 정보를 매번 같은 형식으로 정리하고, AI가 ‘차량 속도가 너무 빠른가?’, ‘무선 자원이 부족한가?’, ‘핸드오버가 잦은가?’ 같은 점검을 먼저 하게 만든다. 그래서 뭐가 좋아졌나 — 그 결과 5G 드라이브 테스트 데이터에서는 정확도 94.2%, 별도 관측 데이터에서는 64.7%를 기록해 일반 LLM 프롬프트나 단순 fine-tuning보다 훨씬 좋은 성능을 보였다. ...
언어 모델이 답을 쓰는 도중에 ‘전체를 볼지, 특정 부분만 볼지, 방금 쓴 내용만 볼지’를 직접 표시하게 해서 긴 문서를 더 싸게 읽게 만드는 방법이다. 무엇이 문제였나 — 긴 문서를 다루는 모델은 답의 한 단어를 만들 때마다 앞의 긴 입력을 거의 다시 훑어야 해서 시간이 많이 든다. 어떻게 풀었나 — 이 논문은 모델이 답을 쓰는 중에 , , 같은 표시를 남기게 하고, 실행 시스템이 그 표시에 맞춰 필요한 부분만 읽게 한다. 그래서 뭐가 좋아졌나 — 큰 모델 두 종류에서 15개 긴 문서 과제를 평가했더니 읽어야 하는 양은 31.152.0% 줄었고, 정답률 하락은 1.272.75%p였다. ...
실제 사람들의 스마트워치 기록과 혈액 검사 자료로 만든 4,084개 건강 퀴즈로 AI가 개인 건강 데이터를 제대로 읽는지 시험한 연구 무엇이 문제였나 — 스마트워치는 매일 심박, 수면, 걸음 수를 모으지만 AI가 그 긴 기록을 제대로 해석하는지는 잘 검증되지 않았다. 어떻게 풀었나 — 연구진은 200명 실제 사용자의 기록으로 10지선다형 문제 4,084개를 만들고 14개 AI 모델을 비교했다. 그래서 뭐가 좋아졌나 — 가장 좋은 모델도 72.9%였고 대부분은 60%를 넘지 못해, 실제 기록을 계산하고 해석하는 일이 아직 어렵다는 점을 보였다. ...