Open research from CT

Two-Tier self-improving system의 핵심 구성요소를 연구하고, 결과를 공개합니다. 환각 탐지, failure-aware prompting, 도메인 특화 sLM 학습에 대한 실험과 데이터를 공유합니다

Papers & Experiments

Failure-Aware Prompting: LLM의 과거 실패를 프롬프트에 주입하면 정확도가 81.2%에서 90.0%로 상승

LLM의 실제 실패를 수집하고, 패턴으로 추상화하여 프롬프트에 주입. 리트리벌 없이도 랜덤 주입만으로 동일한 효과를 달성했습니다

980개 샘플, 22분 학습, 510MB 어댑터. 9B 파라미터 모델이 Claude 4.6과 89.6% 일치율을 달성했습니다

Hallucination detection models, failure-aware prompting, evaluation frameworks

Models

4B 환각 탐지 모델, 도메인 특화 sLM 공개 예정

Coming soon

Upcoming

Two-Tier closed-loop에서의 reward signal 설계와 망분리 환경 sLM fine-tuning 실험

연구 업데이트를 받으려면 research@conscience.technology