자연스러운 한국어 번역: 독립적인 기업 언어 모델의 Ontology-Amplified Distillation 및 Contextuality Auditing: 기계 메커니즘의 결합된 증명 및 부정 결과 연구

금융 규제 기관들이 데이터 거주지 규칙을 따라 운영할 때, 기관의 경계 내에서 작동할 수 있는 Tenant-owned 언어 모델이 필요하다. 이 논문은 두 개의 관련 FAOS 연구를 하나의 기계 및 제어 문서로 합병한다. 첫 번째로, 논문은 ontology-amplified distillation의 proof-of-mechanism 연구 결과를 보고한다. Foundation AgenticOS ontology를 위한 Qwen3.6-27B 학생은 frontier-teacher trajectories와 ontology-grounded direct preference optimization(DPO)로 supervised fine-tuning을 통해 학습되었으며, Apple M5 Max에서 47개의 synthetic, English-language, cross-domain preference pairs로 학습되었다. Vietnamese financial-domain 40개의 task에서 distilled 학생은 36개의 task를 grounds(grounded rate 0.90; mean ontology term-coverage r_onto = 0.95)를 하며, 이는 GPT-5 frontier baseline과 동일하다. 그러나 결과는 deployability를establish할 수 있는 결과가 아니며, paired-difference 95% confidence interval은 +/-4 task를 span하며, run은 pre-registered amplification prediction을 test하거나 보여주지 않는다. 두 번째로, 논문은 enterprise-agent routing의 contextuality-audit method를 정리한다. 별도의 negative-results pilot에서, corrected canonical Contextuality-by-Default degree는 local-Qwen run과 Gemma replication check에서 모두 Phase 1.3 그룹에 대해 zero이다. useful signal은 direct influence와 construct coupling이며, surviving residual contextuality는 아니다. 함께, 두 연구는 ontology-grounded model-building mechanism와 governance diagnostic를 pair하며, apparent disagreement가 prompt standardization, multi-agent synthesis, 또는 human review를 trigger할 때 결정할 수 있다. 그러나 evidence는 deployability, safety, superiority, statistical equivalence, 또는 contextuality-positive routing rule를 지원하지 않는다.