#VLM

2건의 기사

천문·천체물리

비전-언어 모델(VLM)의 천문 관측 추론 능력 체계적 평가: AstroVLBench 벤치마크 공개

연구진은 광학 영상, 전파 간섭계, 다파장 측광, 시간영역 광도곡선, 광학 분광 등 5개 과제에 걸쳐 전문가가 검증한 4,100개 이상의 사례로 구성된 벤치마크 'AstroVLBench'를 제시하고, 최신 프런티어 모델 6종을 평가했다. 그 결과 성능은 데이터 모달리티에 크게 의존하며 일반 벤치마크 순위와는 상관관계가 없었고, 세 가지 구체적 병목이 드러났다. 1차원 측정값을 렌더링된 플롯이 아닌 수치 표 형태로 제시하면 모든 모델의 광도곡선 분류 성능이 최대 23퍼센트포인트 향상돼, 플롯 렌더링이 물리적으로 유의미한 신호를 가릴 수 있음을 보였다. 또한 광학 분광 전문가 감사에서는 정답 예측의 평균 26%가 물리적으로 일관되지 않거나 타당하지 않은 추론 과정을 동반하는 '정답-오추론' 현상이 확인됐다. 연구진은 표현 방식·프롬프트 기반·추론 과정의 병목이 해결되기 전에는 VLM을 자율적 과학 해석 도구로 신뢰할 수 없다고 결론지었다.

arXiv astro-ph.GA (은하)2026년 10월 27일

천문·천체물리

시각-언어 모델(VLM) 앙상블, 은하 병합 분류에서 인간 전문가급 정확도 달성

arXiv에 공개된 연구에 따르면 베이지안 통계 프레임워크로 결합한 시각-언어 모델(VLM) 앙상블이 은하 병합 형태 분류에서 훈련된 인간 전문가에 필적하는 정확도를 보였다. 연구진은 Gemma-4 E2B, Gemma-4 E4B, Qwen2.5-VL, Qwen3-VL 등 4개 모델 구조에 걸친 15가지 VLM 분류기 구성을 Lambrides et al. (2021a)의 VELA+SUNRISE 모의 은하 이미지 41개에 적용했다. 앙상블은 확신 있는 분류(병합 확률 pM >= 0.8 또는 pM <= 0.2)에서 83.3% 정확도와 58.3% 완전도를 기록해 인간의 85%와 비교됐고, 집단 병합 비율을 참값 0.585에 대해 0.66시그마 이내(fM = 0.52 +/- 0.09)로 복원했다. 베이지안 가중치는 단순 다수결 대비 전체 정확도를 17.1%포인트, 민감도를 29.2%포인트 끌어올렸다. 다만 모든 검증은 모의 이미지로만 수행된 개념 증명 단계이며, 실제 관측 표본에 적용하려면 추가 보정과 관측 검증이 필요하다고 연구진은 밝혔다.

arXiv astro-ph.GA (은하)2026년 9월 28일