TRACE-TS는 웨어러블 센서 신호에 근거를 명시적으로 연결한 추론 과정을 생성하는 프레임워크로, 전문가 분류기의 어트리뷰션으로 핵심 시공간 구간을 찾아 DAG 형태의 추론 근거를 구성하고, 게이트형 교차 어텐션으로 소형 언어모델이 이를 학습하게 한다. 추론 시에는 별도의 어트리뷰션 계산이나 교사 모델 없이도 활동 예측과 근거 추적을 동시에 출력한다. 연구진은 환각된 관찰과 끊어진 근거 사슬을 진단하는 새로운 지표인 Semantic Node Match(SNM)를 함께 제안했다. 7개의 웨어러블 벤치마크에서 평균 정확도·F1 84.43%/81.24%로 최고 성능을 기록했고, 최고 성능 LLM 기반 베이스라인 대비 F1이 17.96%p 높았다. 웨어러블 기반 행동 이해 시스템의 신뢰성과 설명 가능성을 동시에 높일 실용적 접근으로 주목된다.

• •전문가 분류기 어트리뷰션으로 핵심 센서 구간을 찾아 DAG 추론 근거를 구성
• •게이트형 교차 어텐션으로 소형 언어모델이 근거 추적을 학습, 추론 시 추가 계산 불필요
• •환각된 관찰·끊어진 근거 사슬을 진단하는 SNM(Semantic Node Match) 지표 제안
• •7개 웨어러블 벤치마크에서 평균 정확도·F1 84.43%/81.24%로 최고 성능
• •최고 LLM 기반 베이스라인 대비 F1 17.96%p 향상