Lost in Stories — LLM 장편 생성의 일관성 결함

2026년 03월 11일 · #AI #LLM #트렌드 #기술블로그

arXiv 논문

모델/아키텍처 개발 도구

LLM이 수만 단어에 달하는 긴 이야기를 생성할 때 설정이나 캐릭터 특징을 잊어버리는 일관성 문제를 다루는 논문입니다. 기존에는 플롯 품질에만 집중했던 것과 달리, 이러한 모순을 평가하고 해결하기 위해 ‘ConStor’라는 새로운 벤치마크를 제안합니다.

개발 도구

공간 지능을 구현하기 위해 웹의 원본 비디오 스트림을 대규모 3D 공간 데이터로 변환하는 방법을 연구했습니다. 기존의 제한된 수동 주석 방식에서 벗어나, 데이터 확장성을 크게 높이고 모델 성능을 향상시키는 새로운 접근법을 제시합니다.

추론/검색

분 단위의 매우 긴 비디오 영상을 후처리 없이도 고품질의 3D로 재구성할 수 있는 ‘LoGeR’ 아키텍처를 소개합니다. 비디오를 청크 단위로 나누고 하이브리드 메모리를 활용하여 기존 모델들의 연산 복잡도와 메모리 한계 문제를 깔끔하게 해결했습니다.

모델/아키텍처

대규모 추론 모델이 여러 후보 답변 중 가장 정확한 것을 선택할 수 있도록 돕는 신뢰도 보정 기법을 다룹니다. 모델 내부의 신뢰도 점수와 정답률 사이의 분포 관계를 적극적으로 활용하여 답변 선택의 신뢰성을 한층 높였습니다.

모델/아키텍처 추론/검색

정답 라벨 없이도 LLM의 학습 성능을 크게 끌어올릴 수 있는 ‘URLVR(검증 가능한 보상 기반 비지도 강화학습)’의 가능성과 한계를 심층적으로 분석한 연구입니다. 이 학습법의 구조와 이론을 체계적으로 분류하고 광범위한 실험을 통해 실제 활용 가치를 검증했습니다.

NVIDIA가 AI 생태계를 위해 고품질의 오픈 데이터를 어떻게 구축하고 기여하는지 그 과정을 상세히 소개합니다. 대규모 데이터를 수집하고 처리하는 그들만의 실무적인 노하우를 엿볼 수 있습니다.

Hugging Face

추론/검색

Hugging Face Hub에 새롭게 도입된 Storage Buckets 기능을 소개하는 글입니다. 이제 대규모 모델이나 데이터셋을 폴더 단위로 더욱 유연하고 효율적으로 저장하고 관리할 수 있게 되었습니다.

Hugging Face

LLM Benchmark RAG Reasoning Agent Red team Prompt Gemini GPT