# \#see2refine **URL:** https://discuss.pytorch.kr/tag/see2refine/7380.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [\[2026/04/20 ~ 26\] 이번 주에 살펴볼 만한 AI/ML 논문 모음](https://discuss.pytorch.kr/t/2026-04-20-26-ai-ml/9907)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [4월 26, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/2026-04-20-26-ai-ml/9907 "2026-04-26T21:30:59Z")
\[2026/04/20 ~ 26\] 이번 주에 살펴볼 만한 AI/ML 논문 모음 PyTorchKR​:fire::south\_korea: :thinking::thought\_balloon: 이번 주 선정된 10편의 논문들을 살펴보면서, 최근 연구들은 단순히 모델의 크기를 키우는 확장을 넘어, 시스템적 안정성, 복잡한 정보의 구조적 처리, 그리고 아키텍처의 근본적 효율성을 고민하는 방향으로 나아가는 것을 발견할 수 있었습니다. :one: RAG의 진화: 단순 검색을 넘어선 '추론 인지' 및 '오류 복구' 파이프라인: 이번 주 논문들에서는 단순한 텍스트 매칭을 넘어, 검색 결과의 품질과 맥락을 능동적으로 제어하는 고도화된 RAG 시스템들이 돋보였습니다. AgentIR은 에이전트의 검색 의도와 추론 과정을 검색기에 직접 반영해 다단계 탐색 환경에서의 문맥적 정확도를 크게 높였습니다. MASS-RAG는 단일 생성기에 의존하는 대신 다중 에이전트를 도입하여, 노이즈가 많은 검색 결과를 역할별(요약, 추출, 추론)로 나누어 분석하고 종합하는 구조를 제안했습니다. 또한 Skill-RAG는 검색 실패를 단순히 재시도하는 것을 넘어, 은닉 상태(hidden state)를 분석해 원인을 진단하고 맞춤형 복구 스킬을 실행하는 폐쇄 루프(closed-loop) 구조를 선보였습니다. 이는 RAG가 표면적인 정보 검색 도구를 넘어, 복잡한 증거를 스스로 종합하고 오류를 수정하는 지능형 시스템으로 진화하고 있음을 보여줍니다. :two: 단일 모델을 넘어선 '자율 에이전트 시스템'의 구조화 및 외부 검증 루프: LLM을 단일 텍스트 생성기로 사용하는 것을 넘어, 복잡하고 긴 작업을 수행하는 '에이전트 시스템'으로 안전하게 구조화하려는 흐름이 뚜렷합니다. Claude Code 논문은 권한 관리, 컨텍스트 압축, 서브에이전트 위임 등 모델 외부를 둘러싼 운영 체계가 실제 에이전트의 성능과 안전성을 결정한다는 점을 명확히 짚어냈습니다. 에이전틱 코딩을 위한 테스트 타임 컴퓨트 스케일링 연구 역시 긴…