데이터 레지던시 규제를 받는 금융기관을 위한 테넌트 소유 언어모델 구축을 다룬 FAOS 연구 두 건을 묶은 논문이다. 첫째, 온톨로지 증폭 증류의 축소 검증 연구에서 Qwen3.6-27B 학생 모델을 프런티어 교사 궤적 SFT와 온톨로지 기반 DPO로 적응시켰다. Apple M5 Max 1대에서 합성 선호쌍 47개로 로컬 학습했고, 베트남어 금융 과제 40개 중 36개를 온톨로지에 접지(grounded rate 0.90)해 GPT-5 기준선과 동률이었다. 다만 95% 신뢰구간이 ±4과제로 동등성 입증에는 검정력이 부족하다. 둘째, 기업 에이전트 라우팅용 맥락성 감사 파일럿에서는 잔존 맥락성이 아니라 직접 영향과 구성 결합이 유용한 신호임을 확인했다. 저자들은 배포 가능성·안전성·우월성 어느 것도 입증하지 않는다고 명시해, 절제된 부정적 결과 보고의 사례로도 주목할 만하다.

• •데이터 레지던시 규제를 받는 금융기관이 기관 내부에서 구동하는 테넌트 소유 LM이 목표
• •Qwen3.6-27B를 교사 궤적 SFT + 온톨로지 기반 DPO로 Apple M5 Max 1대에서 로컬 학습
• •베트남어 금융 과제 40개 중 36개 접지로 GPT-5 기준선과 동률, 단 통계적 검정력 부족
• •맥락성 감사 파일럿에서 Contextuality-by-Default 정도가 전 그룹에서 0 — 유용한 신호는 직접 영향과 구성 결합
• •배포 가능성·안전성·우월성·동등성 어느 것도 입증하지 않는다고 명시적으로 한정