# \#causal-parallel-decoding **URL:** https://discuss.pytorch.kr/tag/causal-parallel-decoding/6214.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [\[2025/12/22 ~ 28\] 이번 주에 살펴볼 만한 AI/ML 논문 모음](https://discuss.pytorch.kr/t/2025-12-22-28-ai-ml/8537)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [12월 28, 2025, 9:30오후 UTC](https://discuss.pytorch.kr/t/2025-12-22-28-ai-ml/8537 "2025-12-28T21:30:13Z")
\[2025/12/22 ~ 28\] 이번 주에 살펴볼 만한 AI/ML 논문 모음 PyTorchKR​:fire::south\_korea: :thinking::thought\_balloon: :one: 심층적인 환각 탐지와 완화 전략 (Deep Hallucination Detection & Mitigation): 이번 주 선정된 논문들을 살펴보면, 단순히 모델의 크기를 키우는 것을 넘어, LLM의 고질적인 문제인 환각(Hallucination) 을 근본적으로 해결하려는 시도가 두드러집니다. QuCo-RAG는 모델 내부의 주관적 신뢰도 대신 사전 학습 데이터의 통계라는 객관적 지표를 활용해 검색 시점을 결정하며, H-Neurons는 환각을 유발하는 특정 뉴런을 식별하고 그 기원을 추적하는 미시적 접근을 취합니다. 또한, Model-First Reasoning은 문제 해결 전 명시적인 모델링 단계를 거치게 함으로써 구조적인 오류를 줄입니다. 이는 AI 연구가 단순히 '그럴듯한 답변'을 내놓는 것에서 '검증 가능하고 신뢰할 수 있는 메커니즘'을 갖추는 방향으로 진화하고 있음을 보여줍니다. :two: 추론 효율성 및 실시간 처리 기술의 진화 (Evolution of Inference Efficiency & Real-Time Processing): 또한, 모델이 거대해짐에 따라 추론 속도와 메모리 효율성을 극대화하려는 연구가 활발합니다. WorldPlay는 속도와 메모리 간의 트레이드오프를 해결하여 실시간 비디오 생성을 가능하게 했고, Jacobi Forcing은 순차적인 생성 방식(AR)의 한계를 넘어 병렬 디코딩을 통해 추론 속도를 획기적으로 높였습니다. 또한 qTTT는 긴 문맥 처리 시 발생하는 성능 저하(점수 희석)를 막기 위해 추론 단계에서 경량화된 학습을 수행하는 새로운 접근법을 제시했습니다. 이는 고성능 모델을 실제 서비스 레벨(Real-time application)에서 활용하기 위한 필수적인 최적화 과정으로 해석됩니다. :three: 동적 세계 이해와 구조적 …