728x90 반응형 SMALL 분류 전체보기146 [논문 리뷰] Summaries as Centroids for Interpretable and Scalable Text Clustering (25.02) 우리는 numeric centroid를 주기적으로 텍스트 요약으로 대체하는 k-means의 text clustering 변형인 k-NLPmeans와 k-LLMmeans를 소개한다. 핵심 아이디어인 summary-as-centroid는 embedding 공간에서의 k-means 배정을 유지하면서 사람이 읽을 수 있고 감사 가능한 cluster prototype을 만들어 낸다. 이 방법은 LLM-optional이다. k-NLPmeans는 가볍고 결정론적인 summarizer를 사용하여 오프라인이면서 저비용이고 안정적인 운용을 가능하게 하며, k-LLMmeans는 비용이 데이터셋 크기에 따라 증가하지 않는 고정된 iteration당 예산 아래에서 요약에 LLM을 사용하는 drop-in 업그레이드다. 우리는 또.. 2026. 8. 10. [논문 리뷰] Less is More: Denoising Knowledge Graphs for Retrieval Augmented Generation (25.10) Retrieval-Augmented Generation(RAG) 시스템은 large language model(LLM)이 생성 과정에서 관련 정보에 즉시 접근할 수 있게 해 주며, hallucination, 사실 부정확성, knowledge cutoff 같은 LLM의 흔한 난제를 다루는 데 우월한 성능을 보인다. Graph-based RAG는 knowledge graph(KG)를 도입해 풍부하고 구조화된 연결을 활용함으로써 더 정밀하고 추론적인 응답을 제공하여 이 패러다임을 한층 확장한다. 그러나 결정적인 난제는 대부분의 Graph-based RAG 시스템이 자동 KG 구축을 LLM에 의존한다는 점이며, 그 결과 중복 entity와 신뢰할 수 없는 relation을 담은 noisy KG가 만들어지는 경우.. 2026. 8. 10. [논문 리뷰] LinearRAG: Linear Graph Retrieval Augmented Generation on Large-scale Corpora (25.10) Retrieval-Augmented Generation(RAG)은 외부 지식을 활용해 Large Language Model(LLM)의 hallucination을 완화하는 데 널리 쓰인다. 단순한 query에는 효과적이지만, 전통적인 RAG 시스템은 정보가 파편화되어 있는 대규모 비정형 코퍼스에서는 어려움을 겪는다. 최근의 진전은 knowledge graph를 도입해 관계 구조를 포착함으로써 복잡한 multi-hop 추론 태스크에 대해 더 포괄적인 retrieval을 가능하게 한다. 그러나 기존 graph 기반 RAG(GraphRAG) 방법들은 graph 구축을 위해 불안정하고 비용이 큰 relation extraction에 의존하며, 그 결과 부정확하거나 일관성 없는 relation을 담은 noisy g.. 2026. 8. 10. [논문 리뷰] From RAG to Memory: Non-Parametric Continual Learning for Large Language Models (25.02) 지식을 지속적으로 습득하고 조직하며 활용하는 능력은 AI 시스템이 잠재력을 온전히 발휘하기 위해 반드시 근사해야 할 인간 지능의 핵심 특징이다. large language model(LLM)의 continual learning이 어렵다는 점 때문에 retrieval-augmented generation(RAG)이 새로운 정보를 주입하는 지배적인 방식이 되었지만, vector retrieval에 의존하는 특성 탓에 인간 long-term memory의 역동적이고 상호 연결된 성질을 모방하지 못한다. 최근의 RAG 접근법들은 knowledge graph 같은 다양한 구조로 vector embedding을 보강해 이 간극, 즉 sense-making과 associativity를 메우려 했지만, 더 기본적인 f.. 2026. 8. 10. [논문 리뷰] AutoSchemaKG: Autonomous Knowledge Graph Construction through Dynamic Schema Induction from Web-Scale Corpora (26.07) 본 논문은 사전 정의된 schema가 필요 없는 완전 자율 knowledge graph 구축 프레임워크인 AutoSchemaKG를 제시한다. 이 시스템은 large language model을 활용해 텍스트로부터 knowledge triple 추출과 포괄적인 schema induction을 동시에 수행하며, entity와 event를 모두 모델링하는 동시에 conceptualization을 사용해 개별 인스턴스를 의미적 범주로 조직한다. 5,000만 건이 넘는 문서를 처리하여 9억 개 이상의 노드와 59억 개의 엣지를 가진 knowledge graph 계열인 ATLAS(Automated Triple Linking And Schema induction)를 구축한다. 이 접근법은 multi-hop QA 태스.. 2026. 8. 9. Kanana in KakaoTalk, What's New? (feat. 6월 업데이트) 1. 글을 쓰게 된 계기카카오톡 안에서 조용히, 그리고 꾸준히 진화하고 있는 AI가 있습니다.바로 Kanana in KakaoTalk인데요. 🥸 지난 3월 17일 정식 출시 이후 매달 새로운 기능이 추가되고 있는데이번 6월 업데이트 소식을 담당자분께 직접 전달받을 수 있었습니다. 이번 글에서는 어떤 점이 새로워졌는지 하나씩 정리해 보려고 해요.카카오톡을 쓰고 있다면 별도 앱 설치 없이 바로 만나볼 수 있는 기능들이니, 끝까지 읽어보시는 걸 추천드립니다. :) 2. Kanana in KakaoTalk이 무엇인가요?간단하게 설명하면,"카카오톡 대화의 맥락을 이해해, 필요한 순간에 먼저 도와주는 온디바이스 AI 비서" 입니다. 좀 더 자세하게 설명해 보면, 카카오가 자체 개발한 경량 AI 모델 '카나나 나노.. 2026. 7. 5. 이전 1 2 3 4 ··· 25 다음 728x90 반응형 LIST
