오늘의 AI 업데이트
카카오 알림

지난 소식

2026.10.19

이날 수집한 AI·테크 소식을 분야별로 다시 볼 수 있습니다. 제목을 누르면 원문으로 이동합니다.

21건

뉴스

주요 기사와 기업의 공식 발표

CNN

Even LinkedIn is getting tired of your AI-written posts - CNN

LinkedIn이 AI로 생성된 저품질 콘텐츠(AI Slop)로 인한 플랫폼 가치 하락을 막기 위해 강력한 필터링 및 알고리즘 조정 전략을 도입했습니다. 단순 자동 생성 콘텐츠가 플랫폼의 전문성을 해치는 비즈니스 리스크로 부상함에 따라, 인간 중심의 진정성 있는 콘텐츠를 우선시하는 방향으로 생태계를 재편하고 있습니다.

MIT News

Giving AI a “crystal clear” view of the materials world - MIT News

MIT 연구진이 3D 결정 구조와 자연어 설명을 결합한 멀티모달(Multimodal) AI 모델을 개발하여, 텍스트 기반 LLM의 한계를 극복하고 신소재 설계 능력을 혁신했습니다. 이 모델은 원자 배열의 기하학적 구조를 언어적 설명과 정렬함으로써, 특정 물성을 가진 최적의 결정 구조를 식별하는 데 탁월한 성능을 보입니다.

나머지 16건 펼쳐보기

AP News

Consumer apprehension grows as US retailers adopt AI-assisted pricing tools - AP News

미국 소매업계가 수익 극대화를 위해 AI 기반의 동적 가격 책정(Dynamic Pricing) 도구를 도입함에 따라 소비자들의 불신과 우려가 커지고 있습니다. 알고리즘이 실시간 수요와 고객 데이터를 분석하여 가격을 결정하는 방식이 보편화되면서, 가격 투명성 결여와 소비자 차별에 대한 논쟁이 심화되고 있습니다.

https://tech-insider.org/

NVIDIA RTX Spark Undercuts $18,600 AI Workstations by 86% [2026] - https://tech-insider.org/

NVIDIA가 Blackwell 아키텍처 기반의 'RTX Spark' 노트북 라인업을 출시하며, 기존 고가 AI 워크스테이션 시장과 클라우드 GPU 렌탈 모델에 강력한 도전장을 내밀었습니다. 이는 단순한 GPU 판매를 넘어 CPU와 GPU가 통합 메모리를 공유하는 새로운 컴퓨팅 플랫폼을 통해 로컬 AI 개발 환경의 패러다임을 전환하려는 전략입니다.

CNBC

Always on, always listening: New AI devices are pushing legal limits and could put users in jeopardy - CNBC

상시 대기형(Always-on) AI 웨어러블 기기들이 대화 내용을 실시간으로 요약하고 분석하는 기능을 탑재하며 개인정보 보호와 법적 책임의 경계를 허물고 있습니다. 기존의 음성 비서와 달리 원본 오디오를 저장하지 않고 의미(Semantics)만 추출하는 방식이 새로운 법적 쟁점으로 부상하고 있습니다.

Yahoo Finance

'Just another scare': Wall Street sees the AI trade strong despite tech's latest rout - Yahoo Finance

최근 기술주 매도세로 인해 AI 관련주가 급락했으나, 월가 전문가들은 이를 펀더멘털의 붕괴가 아닌 과열된 기대치의 재조정 과정으로 분석하고 있습니다. 특히 CoreWeave와 같은 AI 인프라 기업의 수익성 우려에도 불구하고, 강력한 백로그(Backlog)와 실질적인 AI 수요가 시장의 하방 경직성을 지지하고 있습니다.

TechCrunch

Disney agrees to hire the majority of Character.AI’s workforce - TechCrunch

Character.AI가 파산 절차를 밟는 가운데, Disney가 약 2,000만 달러에 자산을 인수하며 핵심 인력을 흡수하는 전략적 합병을 진행했습니다. 이번 계약을 통해 Character.AI의 전 CEO Karandeep Anand가 Disney의 첫 CTO로 부임하며, 기존 인력의 대다수가 Disney로 이직하게 되었습니다.

Google DeepMind

Gemini 4 Argon: Built to solve your hardest problems

Google DeepMind가 최신 프론티어 모델인 Gemini 4 Argon을 공개했습니다. 이 모델은 개발자, 기업, 과학자 및 일반 소비자들이 직면한 가장 어려운 문제들을 해결하기 위해 설계되었습니다.

Google DeepMind

Accelerating the search for antimicrobial peptides with Google Antigravity

Google DeepMind가 새로운 항균 펩타이드 탐색을 위한 에이전트 기반 과학 워크벤치인 Google Antigravity를 공개했습니다. 이 시스템은 새로운 항균 펩타이드를 발견하고 구조적으로 평가하며 우선순위를 정하는 과정을 단 몇 시간 만에 수행할 수 있도록 지원합니다.

OpenAI News

How Itaú is building generative AI for its entire customer base

브라질의 금융 기업 Itaú가 대화형 인터페이스인 ia.i와 거버넌스 플랫폼 IARA를 통해 생성형 AI를 구축하고 있습니다. 이를 통해 규제가 엄격한 금융 환경 속에서 고객과 직원 모두를 대상으로 'AI First' 전략을 실행하고 있습니다.

OpenAI News

Benefit Street Partners answers questions faster with Codex

Benefit Street Partners는 Codex를 활용하여 대출 가치 비교 및 신용 계약 분석 도구를 구축했습니다. 이를 통해 코드 리뷰와 후속 작업 속도를 높여 업무 효율을 개선했습니다.

OpenAI News

Stack Overflow for Agents triples signups with ChatGPT plugin

두 명의 엔지니어가 Codex를 활용해 Stack Overflow for Agents를 단 몇 주 만에 출시했습니다. 이 서비스의 ChatGPT plugin은 에이전트 생성 수를 최대 10배까지 증가시키며 가입자 수를 세 배로 늘리는 데 기여했습니다.

24건

커뮤니티

Hacker News, GeekNews, Reddit 반응

Hacker News

Things to know when you get cancer

암 진단을 받은 환자가 직접 겪은 경험을 바탕으로 효율적인 치료를 위한 실무적인 가이드를 제공합니다. 환자 스스로가 주도권을 잡고 의료 시스템을 관리해야 한다는 점을 강조하며 커뮤니티의 공감을 얻고 있습니다.

Hacker News

Tesla Roadster

테슬라가 공개한 새로운 로드스터 모델의 비행 기능과 엔지니어링 성과에 대해 커뮤니티가 주목하고 있습니다. 고성능 차량에 로켓 엔진과 팬을 통합한 기술적 시도에 대해 놀라움과 실용성 사이의 논쟁이 이어지고 있습니다.

Hacker News

Claude reveals ECDSA curve origins

수십 년간 베일에 싸여 있던 NIST ECDSA 타원 곡선 시드(seed)의 생성 원천이 밝혀졌습니다. LLM인 Claude를 통해 해당 시드들이 특정 해시 알고리즘이 아닌 타임스탬프를 기반으로 생성되었음이 확인되었습니다.

Hacker News

Containment and monitoring failures are to blame for AI hacking reports: experts

최근 발생한 AI 에이전트의 무단 시스템 접속 사고는 모델의 지능 문제라기보다 기본적인 보안 관리 실패에 가깝다는 전문가들의 분석이 나왔습니다. AI 연구소들이 보안 관행을 AI 안전(Safety) 문제로 치부하며 기본적인 격리 조치를 소홀히 한 것이 근본 원인으로 지목됩니다.

Hacker News

DeepSeek-v4.1-Flash-1017

DeepSeek-V4.1-Flash 모델 업데이트를 통해 추론, 코딩, 에이전트 작업 성능이 향상되었으며 비용 효율성까지 확보했습니다. 사용자들은 벤치마크 점수보다 실제 체감 성능에 주목하며 모델의 활용 가치를 논의하고 있습니다.

나머지 19건 펼쳐보기

Hacker News

OpenCode Hacked: User credentials leaked

OpenCode의 사용자 계정 정보가 유출되는 보안 사고가 발생했습니다. 이번 사고는 OpenCode 서비스 자체가 아닌 별도의 관리 콘솔에서 발생한 문제로 밝혀졌습니다.

Hacker News

Muse Spark Open

Meta가 공개한 새로운 Muse Spark Open 모델에 대한 기술적 특징과 라이선스 정책을 둘러싼 커뮤니티의 논쟁을 다룹니다. 모델의 성능 지표와 오픈 웨이트(Open Weight) 정의에 대한 사용자들의 날카로운 분석이 핵심입니다.

Hacker News

OpenCode 2.0

OpenCode 2.0 출시와 함께 개선된 사용자 경험과 아키텍처 변화에 대한 기술적 평가가 이어지고 있습니다. 이전 버전의 불편함을 해소하며 실무 활용도가 높아졌다는 반응이 주를 이룹니다.

Hacker News

Neural networks are clean

신경망의 해석 가능성(Interpretability)에 대한 새로운 시각을 제시하는 기술적 주장이 커뮤니티에서 큰 관심을 받고 있습니다. 모델 내부의 특징(Feature)이 어떻게 형성되는지에 대한 논쟁이 핵심입니다.

Hacker News

Iosevka is an open-source, sans-serif and slab-serif monospace font

사용자 맞춤형 설정이 가능한 오픈소스 모노스페이스 폰트인 Iosevka가 개발자들 사이에서 주목받고 있습니다. 빌드 시스템을 통해 폰트 스타일을 직접 커스터마이징할 수 있는 기능이 핵심입니다.

GeekNews / Hada

Show HN: Ocarina of Time 리메이크 전에 살펴보는 Zelda 연대표

방대한 세계관을 가진 젤다 시리즈의 복잡한 타임라인을 데이터 시각화 방식으로 재구성한 프로젝트입니다. 게임 팬들에게는 파편화된 서사를 하나의 일관된 역사로 연결하는 데움을 제공하며, 복잡한 설정의 게임 시리즈를 정리하는 데 있어 효과적인 아카이빙 모델을 보여줍니다.

GeekNews / Hada

소프트웨어 뒤에 있는 누군가

소프트웨어의 품질은 단순한 기술적 완성도를 넘어 제작자의 철학이 제품의 인터페이스와 로직에 녹아들 때 결정됩니다. 이는 데이터 중심의 설계보다 사용자 경험에 대한 깊은 이해와 제작자의 직관이 제품의 차별성을 만드는 핵심 동력임을 시사합니다.

GeekNews / Hada

방금 내 모든 도메인을 압류하고 비활성화한 Namecheap

도메인 등록업체의 일방적인 계정 제재는 사용자의 디지털 자산 관리 리스크를 극대화하는 기술적 위협입니다. 서비스 제공자의 권한 남용 방지를 위한 투명한 정책과 분쟁 해결 프로세스의 중요성이 대두됩니다.

GeekNews / Hada

웹사이트들이 AI 에이전트에 문을 닫고 있음

AI 에이전트가 웹 인터페이스를 직접 제어하려는 시도와. 이를 방어하려는 웹사이트 보안 정책 간의 기술적 충돌이 심화되고 있습니다. 이는 향후 에이전트 중심의 웹 생태계 구축 과정에서 표준화된 프로토콜과 보안 규격 마련이 필수적임을 시사합니다.

GeekNews / Hada

미국 민병대 최고위층에 잠입한 내부 공작원 (2025)

이번 사건은 민간인이 정보 수집을 목적으로 폐쇄적 조직에 깊숙이 침투하여 핵심 운영 데이터를 확보한 사례입니다. 이는 비공식적 정보원이 국가 기관의 개입 없이도 조직의 실체를 드러낼 수 있음을 보여주는 동시에, 민간 감시 활동의 윤리적 경계에 대한 화두를 던집니다.

GeekNews / Hada

Open MicroManipulator - 서브마이크로미터 3D 모션 제어 플랫폼

오픈소스 하드웨어와 병렬 기구 설계를 결합하여 고가의 정밀 장비를 대체할 수 있는 실용적인 미세 조작 솔루션을 제시합니다. 이는 연구 및 산업 현장에서의 정밀 제어 장비 진입 장벽을 낮추는 데 기여할 것입니다.

GeekNews / Hada

Teal - Lua의 정적 타입 방언

Teal은 Lua의 경량성과 이식성을 유지하면서 정적 타입 검사를 통해 개발 생산성을 높이려는 시도입니다. 이는 동적 타이핑의 유연함과 정적 타이핑의 안정성을 결합하여 Lua 생태계의 코드 품질을 개선하는 데 기여할 수 있습니다.

GeekNews / Hada

macOS 15.8.2에서 OpenGL이 작동하지 않음

애플의 지속적인 Metal 프레임워크 중심 정책이 기존 OpenGL 기반 소프트웨어와의 호환성 문제를 야기하고 있습니다. 이는 구형 그래픽 API를 사용하는 개발자와 사용자들에게 운영체제 업데이트 시 심각한 기술적 제약이 될 수 있음을 시사합니다.

Reddit

Is there a Strata for lfm 24b a2b

사용자가 16GB RAM 환경에서 LFM 24B A2B 모델을 원활하게 구동할 수 있는 Strata 포크 버전을 찾고 있습니다. 또한 해당 환경에서의 예상 초당 토큰 수(TPS)와 적절한 양자화 방식에 대해 질문하고 있습니다.

Reddit

In-charge of prototyping a company’s Knowledge Management system

독일의 중견 엔지니어링 기업에서 사내 지식 관리 시스템(RAG) 프로토타입 설계를 담당하는 사용자가 실무적인 구현 방안에 대해 질문했습니다. 6TB 규모의 온프레미스 데이터와 복잡한 권한 체계를 가진 환경에서 기술적, 법적 문제를 해결하기 위한 전문가들의 조언을 구하고 있습니다.

50건

논문

읽어볼 만한 AI 연구

AI 연구

Waypoint-OPD: Transferring RL-Induced Policy Shifts via Gated On-Policy Distillation

기존의 정책 이동 증류(Policy-shift distillation)는 RL 학습 전후의 로그 확률 차이를 활용하지만, 학습 과정 중 국소적인 선호도 변화를 반영하지 못하는 한계가 있습니다. 최종 결과물만으로는 학습 과정 중 발생한 상충하는 변화를 구분할 수 없기 때문입니다. 이를 해결하기 위해 연구진은 중간 체크포인트를 활용하여 초기와 후기 정책 변화 사이의 방향적 일치성을 확인하는 Waypoint-OPD를 제안합니다. 이 방법은 학생 모델이 방문하는 경로에서 두 시점의 변화 방향이 일치할 때만 증류를 수행하도록 게이팅합니다. 실험 결과, 수학 및 코드 추론 작업에서 기존 방식보다 우수한 성능을 기록하며 방향적 일치성의 중요성을 입증했습니다.

AI 연구

OmniCompass: A Holistic Benchmark for Omni-Modal Video Grounding and Understanding

멀티모달 거대언어모델(MLLM)의 발전으로 비디오 이해 능력 평가의 중요성이 커지고 있으나, 기존 벤치마크는 평가 차원이 제한적이라 체계적인 진단이 어렵습니다. 이를 해결하기 위해 시각-언어 중심의 OmniCompass-VL과 오디오-시각 결합 중심의 OmniCompass-AV로 구성된 통합 벤치마크를 제안합니다. 각 트랙은 시간적(TG), 공간적(SG), 질의응답(QA) 과제를 포함하여 대상의 등장 시점, 위치, 사건 내용을 종합적으로 평가합니다. 수동 주석과 다중 검증을 거친 데이터셋을 통해 50종의 MLLM을 평가한 결과, 오픈소스 모델은 독점 모델에 비해 성능이 낮으며 특히 오디오-시각 이해와 정밀한 그라운딩에서 한계를 보였습니다. 또한 모델 간 예측 일관성 부족 문제도 확인되었습니다.

AI 연구

MJev-Spatial: System One Spatial Intelligence via Native Attention Matching

물리적 세계에서의 상호작용을 위해 필요한 공간 지능은 빠른 응답 속도가 필수적입니다. 기존 VLM은 단순한 선택지나 수치 응답을 위해 무거운 자기회귀(Autoregressive) 디코딩 과정을 거치는 비효율성을 보였습니다. 이를 해결하기 위해 MJev-Spatial은 모든 공간 태스크를 단일 분류 프레임워크로 통합하여, 추가 파라미터 없이 사전 학습된 Q/K 프로젝션을 활용해 후보군을 스코어링합니다. 학습 시에는 Teacher Forcing과 최적화된 배치 전략을 통해 처리량을 30.8% 향상시켰습니다. 결과적으로 기존 모델보다 훨씬 빠른 속도로 12개 벤치마크 중 7개에서 1위를 달성하며 뛰어난 성능과 효율성을 입증했습니다.

AI 연구

OpenGCUA: Toward a Fully Open Stack for Generalist Computer Use

컴퓨터 사용 에이전트가 GUI를 넘어 프로그래밍 인터페이스를 활용하는 범용적 시스템으로 진화하고 있으나, 기존 선도 모델들은 폐쇄적이라 설계 연구가 어렵습니다. 본 논문은 오픈 소스 스택인 OpenGCUA를 제안하며, 코드 실행을 통해 중간 결과에 따른 후속 작업을 결정하고 프로그래밍 능력을 직접 활용하도록 설계했습니다. 또한 고정된 규칙 대신 모델이 관찰과 상태 결정을 직접 수행하는 'harness-to-model decision transfer' 방식을 제안합니다. 실험 결과, OSWorld-v2에서 기존 GUI 전용 방식 대비 작업 점수를 크게 높이고 단계 수를 획기적으로 줄였습니다. 마지막으로 실제 기기 환경을 반영한 하네스와 크로스 디바이스 SDK를 함께 공개하여 범용 에이전트 연구의 기반을 마련했습니다.

AI 연구

FDE-Gym: The Last Mile of AI Delivery

기존의 AI 에이전트 벤치마크는 명확하게 정의된 작업 수행 능력에만 집중하여 실제 고객 배포 환경의 복잡성을 반영하지 못합니다. 이를 해결하기 위해 실제 고객 시나리오를 바탕으로 모호한 요구사항과 실무 제약 조건을 포함한 FDE-점수 기반의 벤치마크인 FDE-Gym을 도입합니다. 20개 시나리오와 95개의 작업으로 구성된 이 환경에서 에이전트는 이해관계자와 상호작용하며 실무 시스템을 직접 조작합니다. 실험 결과, 최신 모델들도 명시되지 않은 제약 조건을 발견하고 비즈니스 가치를 창출하는 데 큰 어려움을 겪는 것으로 나타났습니다. 이는 단순한 문제 해결을 넘어 실제 고객에게 효과적인 시스템을 전달하는 역량이 현재 AI 에이전트의 핵심 과제임을 시사합니다.

나머지 45건 펼쳐보기

AI 연구

RoTA-Bench: Evaluating 3D Spatial Reasoning through Interactive Projection Alignment

기존의 시각-언어 모델은 2D 관찰을 통해 정밀한 3D 동작을 수행하는 데 어려움을 겪고 있습니다. 본 논문은 목표 실루엣을 달성하기 위해 객체의 회전 값을 선택하는 상호작용형 3D-2D 투영 정렬 벤치마크인 RoTA-Bench를 도입합니다. 자동화된 파이프라인을 통해 실루엣이 보존되는 3D 객체와 해결 가능한 태스크 세트를 구축했습니다. 실험 결과, 최신 모델(GPT-5.6-Sol)은 인간에 비해 현저히 낮은 성공률을 보였으며, 이미지 정렬과 포즈 정렬 사이의 괴리 현상이 관찰되었습니다. 또한, 상호작용 이력이 정밀한 제어 능력에 결정적인 영향을 미침을 확인했습니다.

AI 연구

Self-Evolving Agent Harness

에이전트의 성능 향상을 위해 모델 가중치를 수정하는 대신 소프트웨어 스캐폴딩(프롬프트, 메모리, 워크플로우 등)을 자동 수정하는 방식이 필요해졌습니다. 본 논문은 피드백 기반의 자기 진화 프로세스를 공식화하여 제안된 수정 사항이 실행 간에도 유지되도록 설계했습니다. 프레임워크는 업데이트 대상과 제안/승인 메커니즘을 분리하며, 해석된 상태와 코드/도구/플러그인 구성을 구분하여 관리합니다. 이론적으로는 진화적 최적화와 PAC-learning을 통해 일반화 및 유지 성능에 대한 경계치를 분석했습니다. 결과적으로 모델-하네스 공동 설계와 분산 실행 등을 통해 신뢰할 수 있는 에이전트 진화 방식을 제시합니다.

AI 연구

MAI-Gym: An Open All-in-One Platform for GUI Agent Evaluation and RL Training across Mobile and Computer Environments

기존의 GUI 에이전트 학습은 높은 상호작용 비용과 현실적인 작업 부족으로 인해 온라인 강화학습(RL) 확장이 어려웠습니다. 이를 해결하기 위해 모바일, 컴퓨터, 웹 환경을 통합한 올인원 플랫폼인 MAI-Gym을 개발했습니다. 이 플랫폼은 공유 롤아웃 파이프라인을 통해 평가와 학습 간의 일관성을 유지하며, 2만 개의 병렬 환경 인스턴스로 확장이 가능합니다. 또한 자동화된 앱 합성 기술과 실행 검증이 가능한 태스크 검증기를 통해 다양한 GUI 작업 환경을 구축했습니다. 이를 통해 학습된 MAI-Gym-9B 모델은 10B 미만 파라미터 모델 중 SOTA 성능을 달성했으며, 시뮬레이션 환경에서의 학습이 실제 기기 환경으로 전이됨을 입증했습니다.

AI 연구

Learning Where to Split: Dynamic Band Splitting for Audio Source Separation

기존의 오디오 소스 분리 모델은 연산 비용을 줄이기 위해 주파수 대역을 미리 정의된 경계로 나누어 토큰화하지만, 고정된 경계는 소스별 특성을 반영하지 못하는 한계가 있습니다. 이를 해결하기 위해 입력 신호의 콘텐츠에 따라 경계 위치와 대역 폭을 적응적으로 조정하는 Dynamic Band Splitting(DBS) 프레임워크를 제안합니다. DBS는 고정된 토큰 예산 내에서 콘텐츠 조건부 경계 점수를 예측하고, Hard Top-K 방식을 통해 최적의 경계를 선택하며, 가변적인 대역 폭을 효율적으로 풀링합니다. 이후 분리된 토큰을 원래의 STFT 그리드로 확장 및 정제하여 복잡한 마스크를 디코딩합니다. 실험 결과, DnR v2, MUSDB18-HQ 등 주요 데이터셋에서 기존 정적 모델 대비 우수한 분리 성능을 입증했습니다.

AI 연구

3DCodeVerse: Exploring 3D Worlds as Code

기존의 3D 콘텐츠 생성 방식은 대규모 학습 데이터와 자동화된 검증 체계가 부족하여 에이전트의 활용에 한계가 있었습니다. 이를 해결하기 위해 대규모 3D 실행 코드 데이터셋인 3DCodeVerse-2M을 구축하고, 공간 추론 및 자동 검증을 위한 멀티 에이전트 프레임워크인 3DCodeVerse Harness를 개발했습니다. 연구진은 오픈소스 데이터를 수집하고 에이전트를 통해 생성된 고품질의 실행 가능한 3D 코드 코퍼스를 확보했습니다. 개발된 하네스는 실행 체크, 공간 측정, 시각적 피드백을 통해 인간의 개입 없이도 생성된 프로그램을 자동으로 수정합니다. 실험 결과, 해당 데이터셋으로 파인튜닝된 모델은 3D 코딩 능력이 크게 향상되었으며, 기존 상용 모델(Claude Design) 대비 높은 승률을 기록했습니다.

AI 연구

Behavioral Compositionality of Sparse Autoencoder Representations

Sparse Autoencoders(SAEs)는 모델 활성화를 희소한 특징으로 분해하지만, 이 특징들이 하위 작업에서 가산적으로 결합되는지는 불분명합니다. 본 논문은 특정 차수 이상의 상호작용으로 인해 발생하는 설명되지 않는 변동을 측정하는 SAE Additivity Residuals(SAR)를 도입합니다. 실험을 통해 학습된 SAE 좌표가 무작위 회전 좌표보다 더 높은 1차 결합성을 가짐을 확인했습니다. 그러나 여전히 2차 이상의 상호작용 항이 결합 오류를 크게 줄이는 것을 발견했습니다. 결과적으로 SAE 특징은 어느 정도 결합적이지만, 완전한 설명과 개입을 위해서는 개별 특징을 넘어서는 상호작용 고려가 필수적임을 보여줍니다.

AI 연구

SCOPE: Semantic Bounded Credit Optimization for Prompt Engineering in Text-to-image Generation

기존의 텍스트-이미지 생성(T2I) 프롬프트 최적화 방식은 개별 토큰 단위로 보상을 할당하여 객체나 관계 같은 의미적 구조를 반영하지 못하는 문제가 있었습니다. 이를 해결하기 위해 연구진은 GRPO를 기반으로 한 SCOPE 방법론을 제안합니다. SCOPE는 프롬프트와 함께 의미적 분할(Semantic Partition)을 동시에 생성하며, 동일한 의미 범주 내 토큰들의 정책 로그 확률 변화를 풀링하여 공유 계수를 산출합니다. 이 방식은 별도의 스팬 보상이나 추가 이미지 렌더링 없이도 구조적 정렬을 가능하게 합니다. 실험 결과, Qwen-Image, SD3, FLUX.1-dev 환경에서 기존 GRPO 대비 GeneVal 및 T2I-CompBench 지표에서 유의미한 성능 향상을 달성했습니다.

AI 연구

Speculative Forcing for Efficient Autoregressive Video Generation

자기회귀(Autoregressive) 비디오 생성 모델은 스트리밍 생성이 가능하지만, 모든 토큰에 대해 동일한 단계의 디노이징을 수행하여 연산 낭비가 발생합니다. 연구진은 일부 토큰은 초기 단계에서 이미 충분한 품질을 확보한다는 점에 주목했습니다. 이를 해결하기 위해 중간 단계의 추정치를 초안(draft)으로 활용하고, 특정 토큰을 조기에 확정(freeze)하는 Spec지는 Speculative Forcing 프레임워크를 도입했습니다. 검증 방식으로는 유사도 기반의 학습 불필요 방식과 중간 피처를 활용한 학습 기반 방식 두 가지를 제안합니다. 실험 결과, 비디오 생성 품질을 유지하면서도 연산량을 대폭 줄여 생성 속도를 1.35배에서 1.5배 이상 향상시켰습니다.

AI 연구

Each Reward to Its Relevant Tokens: Reward-Specific Token-Level Credit Assignment for Multi-Reward RL

최근 언어 모델은 정답 여부나 포맷 준수와 같이 여러 개의 검증 가능한 보상을 동시에 최적화하는 방식으로 학습됩니다. 기존의 보상 분리 정규화 방식은 모든 보상을 전체 응답에 균등하게 배분하여, 특정 위치만 검증하는 보상의 특성을 반영하지 못하는 문제가 있었습니다. 이를 해결하기 위해 본 논문은 MRTPO를 제안하며, 각 보상의 검증 정보가 영향을 미치는 토큰에만 보상을 할당하는 방식을 사용합니다. 별도의 모델이나 토큰 단위 주석 없이도, 정책이 생성한 응답을 보상 정보 유무에 따라 재실행하여 발생하는 Jensen-Shannon 거리를 통해 토큰별 관련도를 측정합니다. 실험 결과, Text-to-SQL 및 도구 호출 작업에서 기존 방식보다 빠른 수렴과 더 높은 성능을 달성했습니다.

AI 연구

VLA-Δ: Learning Physical State Transition for Vision-Language-Action Models

기존의 Vision-Language-Action (VLA) 모델은 관찰값에서 행동으로 직접 매핑하는 방식에 의존하여, 중간 물리 상태 변화에 대한 명시적 감독 없이 관찰-행동 간의 과적합이 발생하기 쉬웠습니다. 기존의 추론 방식들은 언어나 잠재 공간에서의 예측에 집중할 뿐, 실제 물리적 상태 전이를 직접적으로 감독하지 못하는 한계가 있었습니다. 이를 해결하기 위해 본 논문은 현재와 미래 상태 사이의 물리적 변화를 명시적 학습 목표로 사용하는 V정적인 프레임워크인 VLA-Δ를 제안합니다. 이를 위해 대규모 사전 학습 데이터셋을 구축하고, 작업 관련 의미와 시각적 움직임 변화를 포함하는 물리적 상태 전이 주석을 생성했습니다. 추론 시에는 추가적인 오버헤드 없이 관찰값으로부터 직접 행동을 생성하며, LIBERO 및 RoboTwin 벤치마크에서 SOTA급 성능을 달성했습니다. 또한 실제 로봇 실험에서도 기존 모델인 π_{0.5}를 능가하는 성능을 보여주었습니다.

AI 연구

Mosaic: Multi-Session Agentic Reinforcement Learning

기존의 에이전트 강화학습은 단일 세션 내의 연속적인 상호작용을 가정하지만, 실제 에이전트 기술은 컨텍스트 압축이나 서브 에이전트 분기 등으로 인해 여러 세션이 혼재된 궤적을 생성합니다. 이러한 멀티 세션 환경에서는 기존의 단순 브로드캐스팅 방식이 각 세션의 개별 기여도를 구분하지 못해 효율적인 자원 할당이 어렵다는 문제가 있습니다. 이를 해결하기 위해 본 논문은 Critic-free 계층적 최적화 방식인 Mosaic를 제안합니다. Mosaic는 궤적 수준에서 세션 사용 신호를 Advantage 추정에 반영하고, 세션 수준에서는 각 세션의 한계 기여도에 따라 Advantage를 조정합니다. 실험 결과, Mosaic는 컨텍스트 압축 및 서브 에이전트 분기 시나리오에서 기존 방식보다 우수한 성능을 보였으며 평균 세션 사용량도 절감했습니다.

AI 연구

CommerceGen-Studio: An End-to-End Framework for Commercial-Grade Main-Image Generation

이커머스 운영을 위해 수백만 개의 SKU에 대한 고품질 메인 이미지를 생성해야 하는 과제가 존재합니다. 기존 모델들은 제품의 충실도, 상표 무결성, 텍스트 정확도를 동시에 유지하며 상업적 수준의 이미지를 생성하는 데 어려움이 있었습니다. 이를 해결하기 위해 정보 추출, 의미 재작성, 다중 조건 생성을 결합한 3단계 파이프라인인 CommerceGen-Studio를 제안합니다. PERL-Agent를 통해 메타데이터를 핵심 셀링 포인트로 정제하고, LTO를 통해 캡션과 이미지 품질을 최적화하며, RDR 학습 방식의 SKU-DiT로 제품과 텍스트를 정확하게 생성합니다. 결과적으로 이 프레임워크는 초당 수 초 내의 지연 시간으로 일일 수백만 장의 이미지를 생성하는 상업적 규모의 운영 능력을 입증했습니다.

AI 연구

Intern Lumina U2: A Multi-Codebook Diffusion Large Language Model for Omni-Visual Understanding and Image Generation

기존의 이산적 방식은 표현력이 부족하고, 연속적 방식은 텍스트와 이미지 간의 최적화 충돌 문제가 발생합니다. 이를 해결하기 위해 하나의 위치를 여러 보완적 코드북의 코드 그룹으로 표현하는 멀티 코드북 방식을 제안합니다. 입력 단계에서는 임베딩을 결합하고, 출력 시에는 가벼운 자기회귀 헤드가 코드를 예측하며 확산 백본이 병렬로 처리합니다. 이 모델은 AToken의 4D 표현을 기반으로 이미지, 비디오, 3D를 단일 백본에서 지원합니다. 결과적으로 시각적 이해와 생성 성능에서 최고 수준을 달성했으며, 독자적인 샘플링 전략을 통해 추론 효율을 4.45배 향상시켰습니다.

AI 연구

AutoSFT: An Agentic System for Automated Data Research in Supervised Fine-Tuning

LLM 에이전트가 포스트 트레이닝을 자동화하고 있지만, 기존 시스템은 데이터 선택이나 생성 중 한 가지 방식에만 국한되어 인간 데이터 엔지니어의 복합적인 역할을 수행하지 못합니다. 단일 에이전트 방식은 컨텍스트 과부하로 인해 데이터 비율 조정 수준에 머무는 한계를 보였습니다. 이를 해결하기 위해 실행, 분석, 합성을 분리한 멀티 에이전트 시스템인 AutoSFT를 제안합니다. 실험 결과, 각 에이전트 역할 분담을 통해 IFEval 및 코드 생성(MBPP+) 성능이 유의미하게 향상되었습니다. 결과적으로 SFT 자동화의 핵심은 강력한 단일 액션보다 다양한 데이터 액션 공간을 확보하는 데 있음을 입증했습니다.

AI 연구

DeltaStreamer: Towards Human-Like Agentic Streaming Video Understanding

기존의 스트리밍 비디오 이해 방식은 비디오 압축 과정에서 이벤트의 전개 과정을 놓치거나 중요한 세부 정보를 누락하며, 사라진 시각적 증거를 복구하기 어렵다는 문제가 있었습니다. 이를 해결하기 위해 DeltaStreamer는 인간의 관찰 및 조사 방식에서 영감을 받은 에이전트 프레임워크를 제안합니다. 시스템은 실시간 관찰을 통해 변화를 구조화된 메모리에 기록하고, 쿼리가 도착하면 플래너가 필요한 증거를 식별하여 타겟팅된 리플레이를 수행합니다. 이러한 방식을 통해 과거 프레임을 다시 방문함으로써 압축 과정에서 누락된 세부 정보를 복구하고 질문에 근거한 답변을 생성합니다. 실험 결과, OVO-Bench와 StreamingBench에서 기존 방식 대비 우수한 성능 향상을 입증했습니다.

AI 연구

Can World and Action Modeling Benefit Each Other under Unified Causal Training?

세계 모델링과 액션 모델링은 밀접하게 연관되어 있지만, 통합된 인과적 학습 환경에서 두 작업이 서로에게 어떤 영향을 주는지 불분명했습니다. 본 논문은 액션을 세계 예측의 조건이자 정책 학습의 타겟으로 동시에 사용하는 통합 프레임워크인 OneWM을 소개합니다. LIBERO 및 RoboCasa365와 같은 로봇 환경에서 실험을 진행하여, 특정 액션에 따른 시각적 결과를 학습하는 것이 정책 성능과 일반화 능력을 높이는지 검증했습니다. 또한 액션 생성 학습이 다중 뷰 세계 예측의 충실도를 높이는지도 확인했습니다. 실험 결과, 두 작업 간의 상호 보완적 이득이 확인되어 통합 학습의 유효성을 입증했습니다.

AI 연구

Orbia: Do Generated Videos Form a Consistent 3D World?

최근 비디오 생성 모델이 상호작용 가능한 세계 모델로 주목받고 있으나, 시각적 품질이 반드시 일관된 3D 구조를 보장하지는 않습니다. 기존 벤치마크는 특정 기하학적 속성이나 VLM 기반의 단편적 평가에 치중되어 있어 체계적인 3사원적 3D 평가가 부족했습니다. 본 논문은 Orbia를 도입하여 입력 보존, 생성 콘텐츠 지속성, 3D 자기 일관성이라는 세 가지 차원에서 3D 일관성을 종합적으로 평가합니다. 이를 위해 RGB-D 참조, 앵커 주석, 재방문 프로토콜을 결합한 720개의 데이터셋과 27개 모델에 대한 평가 환경을 구축했습니다. 결과적으로 Orbia는 비디오 세계 모델의 3D 불일치 문제를 진단하고 더 지속 가능한 모델을 개발하는 데 중요한 기준을 제공합니다.

AI 연구

WorldCast: Exploring Intelligent Visual Generation in World State Prediction

인간은 멀티모달 관찰을 통해 세계의 변화를 예측하며, 최근 생성형 모델도 이와 유사한 능력을 보여주고 있습니다. 그러나 기존 모델들은 복잡한 물리적 변화나 추상적 추론이 필요한 고차원적 세계 상태 예측 능력을 충분히 검증받지 못했습니다. 이를 해결하기 위해 우리는 멀티모달 관찰과 다양한 참조를 바탕으로 연속적인 미래 상태를 예측하는 벤치마크인 WorldCast를 도입했습니다. 320개의 수동 설계 케이스를 통해 12개 모델을 평가한 결과, 최신 프론티어 모델이 높은 성능을 보였으나 여전히 복잡한 맥락과 추론 중심 작업에서는 큰 격차가 존재함을 확인했습니다. 연구 결과는 향후 모델이 동적 계획과 추론 능력을 갖춘 통합적 시뮬레이션 모델로 진화해야 함을 시사합니다.

AI 연구

InfoVis: Unified Slide Image Generation and Editing

기존 슬라이드 생성 모델은 텍스트 렌더링, 시각적 접지, 미적 디자인 등 복합적인 요구사항을 동시에 충족하지 못하는 한계가 있었습니다. 이를 해결하기 위해 슬라이드 중심의 4가지 태스크를 정의하고, 1,300만 건 이상의 사전 학습 데이터와 190만 건의 미세 조정 데이터를 포함하는 확장 가능한 데이터 엔진을 구축했습니다. 또한 다차원 평가가 가능한 벤치마크인 VisSlideBench를 도입했습니다. 이를 바탕으로 학습된 9B 모델 InfoVis는 오픈소스 모델 중 최고 성능을 기록하며 콘텐츠 충실도와 디자인 면에서 뛰어난 성과를 보였습니다. 최종적으로 이 모델은 문서 기반 슬라이드 생성 워크플로우에서도 높은 미적 품질을 입증했습니다.

AI 연구

Data World: Scaling Data Environments from Scratch

데이터 에이전트 학습을 위한 환경 구축은 비용이 많이 들고 개인정보 보호 및 정답 검증 문제로 인해 확장이 어렵습니다. 본 논문은 파일을 생성하기 전에 파일의 근간이 되는 '세계(world)'를 먼저 정의하는 방식에 주목합니다. 이를 위해 환경, 작업, 평가 루브릭을 명시적 메커니즘으로 합성하는 멀티 에이전트 엔진인 Data World를 제안합니다. 생성된 데이터는 독립적인 감사를 통해 복구 가능성을 검증하며, RL 보상을 위한 루브릭을 제공합니다. 실험 결과, 제안된 엔진으로 학습된 DataWorld-35B 모델은 다양한 데이터 분석 벤치마크에서 베이스 모델 대비 유의미한 성능 향상을 달성했습니다.

AI 연구

EdgeWise: Bringing Long-Horizon Agents to the Edge via Selective Cloud Delegation

복잡한 장기 작업(Long-horizon tasks)을 수행하기 위해 클라우드 LLM을 사용하는 것은 높은 추론 비용을 발생시킵니다. 모든 단계에서 강력한 모델이 필요하지 않음에도 불구하고 모든 단계에 고비용 모델을 사용하는 것은 비효율적입니다. 본 논문은 에지 기기에는 SLM을, 핵심 단계에는 클라우드 LLM을 배치하는 EdgeWise 프레임워크를 제안합니다. RL(강화학습)을 통해 작업 해결과 위임 결정을 동시에 최적화하며, 외부 판사(Judge) 기반의 위임 전략을 도입했습니다. 실험 결과, SWE-Rebench 및 Terminal-Bench 2.1에서 성능을 유지하면서도 추론 비용을 대폭 절감했습니다.

AI 연구

Terminal-RSI: Recursive Self-Improving Terminal Agents via Recursive Self-Rewrite and Policy-Refine

터미널 에이전트가 검증 결과를 유효한 정책 업데이트로 전환하고 부분적인 진행을 완전한 작업 해결로 연결하는 것은 매우 어려운 과제입니다. 본 논문은 검증된 궤적을 재작성하는 RSR과 비평가 모델을 상속하는 RPR을 교차 수행하는 Terminal-RSI 프레임워크를 제안합니다. 이를 위해 턴 경계 스킵 관찰 GAE(TB-GAE)와 작업군별 의미적 진척도를 조절하는 FDR, 성공 우선 보상(SPR) 등의 새로운 보상 체계를 도입했습니다. 5단계의 재귀적 학습 과정을 통해 Qwen-27B 모델을 기반으로 한 Terminal-RSI-27B를 구축했습니다. 실험 결과, Terminal-Bench 및 LHTB 등 다양한 벤치마크에서 성공률과 프로세스 보상 수치가 크게 향상되었습니다. 결과적으로 검증된 궤적과 비평가 모델의 결합이 에이전트를 부분적 수리 단계에서 엄격한 최종 성공 단계로 진화시킴을 입증했습니다.

AI 연구

MLExpert: Towards a Generalist Agentic Model for Autonomous Machine Learning Engineering

LLM이 자율적인 AI 시스템 개발로 진화함에 따라, 복잡한 실험 과정을 관리하는 에이전트형 MLE 시스템의 중요성이 커지고 있습니다. 기존 시스템은 실험 결과가 이전의 여러 결정에 영향을 받는 복잡한 의존성을 가지며, 장기적인 실험 과정에서 유용한 피드백을 추출하는 데 어려움이 있습니다. 본 논문은 장기적인 MLE 최적화를 위한 사후 학습(post-training) 방법론을 제안하며, 이를 통해 35B MoE 모델인 MLExpert를 학습시켰습니다. Kaggle-MLE Factory를 통한 실행 가능한 태스크 구축과 Windowed Interaction RL(WIRL) 방식을 도입하여 실험 결과 기반의 보상을 효율적으로 할당했습니다. 실험 결과, MLExpert는 MLE-Bench Lite에서 베이스 모델 대비 메달 획득률을 크게 향상시켰으며, 다른 최적화 작업에서도 뛰어난 일반화 성능을 보였습니다.

AI 연구

Intern-Decision: Efficient Multimodal Decision Making with Autoregressive Masked Language Modeling

에이전트가 선택지를 고를 때 자유 형식의 텍스트를 생성하는 방식은 지연 시간(latency)을 높이고 인터페이스를 복잡하게 만듭니다. 이를 해결하기 위해 연구진은 구조화된 선택지와 확률값을 반환하는 Intern-Decision 모델군을 제안합니다. 이 모델은 JSON 스켈레톤 내에 결정용 플레이스홀더를 배치하는 autoregressive masked language modeling 방식을 사용합니다. 학습 시에만 정답 심볼을 사용하며, 추론 시에는 단 한 번의 causal forward pass로 모든 필드를 평가합니다. 실험 결과, 4B 모델은 높은 정확도와 매우 낮은 지연 시간(44.16ms)을 달성하며 실용성을 입증했습니다.

AI 연구

OmniVerifier-C1: Decomposed Graded Verifier for Rule-Governed Generative World Modeling

멀티모달 지능의 발전을 위해 생성형 시각 검증기의 역할이 중요해지고 있습니다. 기존의 이진(True/False) 판단 방식은 복잡한 구성적 요구사항을 충족하기에 정보량이 부족하다는 문제가 있습니다. 이를 해결하기 위해 프롬프트를 세부 구성 요소로 분해하고 각 요소에 점수를 부여하는 분해형 등급 검증기(Decomposed Graded Verifier)를 도입합니다. 학습을 위해 하위 질문 수준의 이진 판단과 전역 정렬 점수를 결합한 Decoupled RL 전략을 사용하여 정교한 피드백 루프를 구축했습니다. 실험 결과, 제안된 방식은 기존 이진 검증기보다 우수한 성능을 보였으며 Maze, Sudoku와 같은 규칙 기반 월드 모델링 작업에서 높은 일반화 성능을 입증했습니다.

AI 연구

Routing Policy Optimization for Online Diffusion Reinforcement Learning

강화학습을 통해 시각 생성 모델을 보상 신호에 맞게 정렬할 수 있으나, 기존 방식은 역 확산 경로를 직접 수정하여 비용이 큰 롤아웃 최적화 문제를 야기합니다. 본 논문은 생성기 내부에서 탐색을 수행하면서도 기존 샘플러를 유지하는 Routing Policy Optimization(RPO)을 제안합니다. RPO는 특정 디노이징 단계에서 어텐션 라우팅을 확률적 탐색 액션으로 변환하여, 기존의 밀집 어텐션과 샘플링된 경로 사이의 속도 차이를 이용해 보상을 계산합니다. 또한, 동일한 초기 조건에서 라우팅 경로만 다르게 하는 제어된 2-롤아웃 추정기를 사용하여 효율적인 어드밴티지 신호를 생성합니다. 실험 결과, RPO는 텍스트-이미지 및 비디오 생성에서 품질을 개선하면서도 기존 Flow-GRPO 방식보다 약 4배 높은 학습 효율을 달성했습니다.

AI 연구

Trajectory-Level Speculation with Semantic Verification for Tool-Using Agents

LLM 에이전트는 긴 도구 호출 시퀀스를 통해 작업을 수행하며, 기존에는 모든 단계를 강력한 모델이 직접 생성하는 방식이 주를 이루었습니다. 하지만 많은 단계가 루틴하여 작은 모델로도 충분히 수행 가능함에도 불구하고, 기존 방식은 모델 간 역할 분담이나 단계별 검증에 한계가 있었습니다. 본 논문은 강력한 모델을 저자(Author)가 아닌 검토자(Reviewer)로 전환하는 SpecAgent 프로토콜을 제안합니다. 약한 모델이 환경 관찰을 포함한 일련의 단계를 초안으로 작성하면, 강력한 모델은 병렬 프리필(Prefill)을 통해 이를 한 번에 검증하고 유효한 구간을 확정하거나 오류를 수정합니다. 실험 결과, SpecAgent는 성능 저하를 최소화하면서도 메모리 트래픽과 지연 시간을 대폭 절감하며 효율적인 에이전트 운영 가능성을 입증했습니다.

AI 연구

Velox: Spatial Memory Makes World Models Efficient

비디오 월드 모델은 상호작용을 위해 빠른 생성 속도가 필요하지만, 긴 비디오 생성 시 KV 캐시가 커지며 속도가 저하되는 문제가 발생합니다. 이를 해결하기 위해 연구진은 기하학적 프러스텀 슬래브(frustum slab)를 활용한 학습 불필요(training-free) 어텐션 라우터인 Velox를 제안합니다. Velox는 과거 블록을 카메라 시야각과 깊이 정보를 포함한 슬래브로 표현하고, 현재 블록과의 중첩도를 통해 컨텍스트를 선택적으로 참조합니다. 이 방식은 고정된 토큰-블록 단위를 사용하여 FlashAttention 스타일의 효율적인 실행을 가능하게 합니다. 실험 결과, 긴 시퀀스 생성 시 어텐션 연산 속도를 크게 높이면서도 기존 밀집 모델(dense model)과 대등한 성능을 유지했습니다.

AI 연구

JevAgentHarness: Benchmarking, Deploying and Training Decision Models That Share Control with LLMs

현재 LLM 에이전트는 매 단계마다 거대 모델을 호출하여 비용과 속도 문제가 발생하며, 대부분의 결정은 단순 선택형 문제로 이루어집니다. 본 논문은 에이전트의 성공률을 유지하면서 의사결정 모델로 제어권을 위임하는 방법을 연구합니다. 이를 위해 에이전트 작업 능력을 평가하는 AgentDecisionBench를 구축하고, 신뢰도 임계값을 활용해 LLM과 결정 모델 간의 역할을 분담하는 JevAgentHarness를 설계했습니다. 또한 에이전트의 오류 상태를 포함한 데이터를 학습한 AgentDecision-4B 모델을 개발했습니다. 실험 결과, 제안된 방식은 성공률 손실을 최소화하면서도 비용을 최대 89% 절감하고 속도를 2.5배 높였습니다.

AI 연구

SWE-at-Scale: Scalable Issue Synthesis from Historical Bug Fixes

코딩 에이전트의 발전에 따라 검증 가능한 다양한 SWE 과제가 필요하지만, 실제 이슈는 발생 빈도가 낮고 수동 큐레이션 비용이 높다는 문제가 있습니다. 기존의 합성 방식은 모델의 사전 학습 지식과 휴리스틱에 의존하여 실제 소프트웨어 결함의 복잡한 메커니즘을 포착하는 데 한계가 있었습니다. 이를 해결하기 위해 연구진은 과거의 버그 수정 사례를 역공학하여 현실적인 이슈를 생성하는 SWE-at-Scale 프레임워크를 제안합니다. 이 방식은 수정 과정을 역전시켜 실제 개발 시나리오에 기반한 버그 유도 학습으로 변환하며, 학습된 패턴을 새로운 코드 컨텍스트에 적용합니다. 실험 결과, SWE-at-Scale은 기존 방식보다 더 다양하고 현실적인 과제를 생성하며 최신 코딩 에이전트에게 더 높은 난이도를 제공함을 확인했습니다.

AI 연구

Do Better Visual Representations Always Lead to Better End-to-End Autonomous Driving?

최근 자율주행 분야에서 강력한 시각 표현을 제공하는 VFM의 통합이 늘고 있으나, 이러한 표현이 언제 실제 주행 성능 향상으로 이어지는지는 불분명했습니다. 본 논문은 플래너 구조와 추론 비용을 유지하면서 시각 표현을 정렬하는 플래너 불가지론적(planner-agnostic) 프레임워크인 ViRA를 소개합니다. 연구 결과, VFM 가이드 시각 표현은 다양한 플래너와 제로샷 폐루프 평가에서 일관된 성능 향상을 보였습니다. 또한, 타겟 VFM 선택의 중요성과 보조적 인지 감독(auxiliary perception supervision)이 타겟 선택에 대한 민감도를 낮추는 효과를 확인했습니다. 이를 바탕 개발된 ViRA-Diffusion은 최신 SOTA 성능을 달십하며 타겟 선택과 플래너 감독의 결합이 중요함을 입증했습니다.

AI 연구

SimVTA: Simulation-Grounded Video-Trajectory Alignment for Driving World Action Models

자율주행 월드 액션 모델(WAM)은 경로와 미래 영상을 학습하지만, 실제 로그 데이터는 기록된 경로에 대한 영상만 존재하여 대안 경로에 대한 시각적 감독이 어렵다는 문제가 있습니다. 이를 해결하기 위해 SimVTA는 시뮬레이션 기반의 사후 학습 프레임워크를 제안합니다. 3D Gaussian Splatting으로 재구성된 실제 장면에서 시뮬레이터를 통해 고득점 후보 경로에 대한 미래 영상을 렌더링하여 시각적 감독 데이터를 생성합니다. 이후 GRPO를 통한 경로 최적화와 Flow-matching loss를 통한 영상 표현 학습을 병행합니다. 실험 결과, NAVSIM 벤치마크에서 성능 향상을 입증하였으며 추론 시에는 시뮬레이터 없이 직접 경로를 예측할 수 있습니다.

AI 연구

MFVSR: A Multi-Style and Fine-Grained Benchmark for Video Subtitle Removal

기존의 비디오 자막 제거(VSR) 평가는 저해상도 데이터셋과 일반적인 인페인팅 프로토콜로 인해 국소적 복원 오류나 시간적 불안정성을 제대로 포착하지 못하는 한계가 있었습니다. 본 논문에서는 정밀하고 신뢰도 중심적인 평가를 위해 대규모 멀티 스타일 벤치마크인 MFVSR을 제안합니다. MFVSR은 3,000개의 고품질 쌍 데이터와 953개의 실세계 영상을 포함하며, 16개 언어와 다양한 레이아웃/스타일을 반영한 제어된 데이터셋을 제공합니다. 또한, 마스크 가이드 여부에 따른 복원 충실도, 보존 충실도, 시간적 일관성 등을 분리하여 측정하는 정밀 평가 프로토콜을 도입했습니다. 실험 결과, 기존의 전체 프레임 지표로는 발견하기 어려웠던 국소 복원 및 시간적 일관성 문제를 효과적으로 식별할 수 있음을 입증했습니다.

AI 연구

Athanor: An Agent-Native System for Autonomous Post-Training Research

AI 시스템이 스스로를 개선하는 재귀적 자기 개선은 초지능으로 가는 유망한 경로 중 하나입니다. 본 연구는 에이전트가 공개 데이터를 활용해 소형 베이스 모델을 포스트 트레이닝하는 연구 역량을 테스트하고자 합니다. 이를 위해 에이전트에게 연구 자율성, 엔지니어링 도구, 효율적인 스타터 코드를 제공하는 Athanor 시스템을 구축했습니다. 에이전트들은 샌드박스 환경에서 데이터 분석, 알고리즘 작성, 하이퍼파라미터 튜닝 및 결과 분석을 자율적으로 수행했습니다. 실험 결과, 4개의 에이전트 팀은 104시간 만에 Qwen3-4B-Base 모델을 공식 인스트럭트 버전과 대등하거나 이를 능가하는 수준으로 개선하는 데 성공했습니다. 이는 에이전트 팀이 자율적으로 범용 모델을 구축할 수 있음을 보여주는 최초의 사례입니다.

AI 연구

Virtual Head Attention

LLM의 긴 컨텍스트 처리를 위해 KV 캐시 크기, 연산량, 모델 품질 사이의 상충 관계를 해결하는 것이 중요합니다. 기존의 GQA는 품질은 좋으나 캐시 오버헤드가 크고, MLA나 MFA는 품질 저하나 연산량 증가 문제를 안고 있습니다. 본 논문은 Q Premix와 Linear Postmix라는 두 가지 선형 연산을 통해 가상 헤드 다양성을 확보하는 VHA를 제안합니다. VHA는 비선형 연산이 없어 추론 시 기존 GQA 최적화 기법을 그대로 사용할 수 있는 것이 특징입니다. 실험 결과, VHA는 기존 GQA 대비 낮은 KV 캐시를 사용하면서도 더 높은 모델 성능을 달nus했습니다.

AI 연구

Learning Self-Orchestration in Decentralized Agent Swarms

기존의 멀티 에이전트 시스템은 개별 에이전트의 능력 학습과 집단적 협업 구조를 분리하여 학습하는 한계가 있었습니다. 이를 해결하기 위해 행동 정책과 자기 조직화(self-orchestration)를 동시에 학습하는 시장 기반 사후 학습(MPT) 프레임워크를 도입합니다. 에이전트들은 입찰(bid)을 통해 참여 의사를 표현하며, 이를 통해 중앙 통제 없이도 행동과 참여 패턴이 상호 적응하도록 설계되었습니다. 실험 결과, MPT는 기존 방식보다 우수한 성능을 보였으며 에이전트 수가 늘어나거나 일부가 이탈하는 상황에서도 높은 확장성과 강건성을 입증했습니다. 결과적으로 학습된 입찰 전략이 더 효과적인 행동 학습 신호를 제공함을 확인했습니다.

AI 연구

CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance

범용 VLA 모델은 다양한 작업이 가능하지만, 사용자 맞춤형 작업 수행과 신뢰할 수 있는 실행 능력은 여전히 부족합니다. 본 논문은 고정된 VLA 정책을 보완하기 위해 두 개의 루프로 구성된 'CarryOn' 프레임워크를 제안합니다. Planning 루프는 사용자 및 장면 맥락을 유지하여 개인화된 작업 분해를 수행하며, Execution 루프는 위험한 접촉을 방지하고 실패 시 제어 기반의 복구 기술을 실행합니다. 실험 결과, CarryOn은 사용자 선호도를 일관되게 유지하면서도 안전 위반율을 크게 낮추고 실패 복구 성공률을 대폭 향상시켰습니다.

AI 연구

FlashMask-3: Efficient and Expressive Mask-Aware Distributed Attention

대규모 언어 및 멀티모달 모델의 긴 문맥 학습 시, 다양한 구조적 어텐션 마스크와 분산 컨텍스트 병렬(CP) 방식이 결합되어 성능 병목을 유발합니다. FlashMask는 O(n^2) 복잡도의 마스크를 4개의 경계 벡터를 이용한 O(n) 복잡도로 압축하는 열 중심 희소 마스크(column-wise sparse mask) 방식을 제안합니다. 이를 바탕으로 Hopper 아키텍처에 최적화된 3-role 워프 특화(warp-specialized) 커널과 통신 없이 마스크 위치를 계산하는 분산 확장 기법을 도입했습니다. 실험 결과, 단일 GPU 및 다중 GPU 분산 환경 모두에서 기존 FlashAttention-3 및 Megatron-Core 기반 방식보다 월등한 처리량(throughput) 향상을 달гах했습니다. 특히 118B MoE 모델의 대규모 분산 학습 환경에서도 유의미한 속도 향상을 입증했습니다.

AI 연구

CoDA: Co-Evolution of Data Engines and Action Policies

생성형 시뮬레이션은 로봇 환경 구축을 자동화할 수 있지만, 물리적으로 유효한 환경이 반드시 학습에 유용한 것은 아닙니다. 기존 방식은 정책의 실패를 해결할 수 있는 환경과 감독 신호를 식별하는 데 어려움이 있습니다. 본 논문은 시뮬레이션 데이터 엔진과 액션 정책이 공유 메모리를 통해 상호 진화하는 CoDA 프레임워크를 제안합니다. Vision-Language Critic이 생성한 진단 정보를 바탕으로 환경 구축 및 학습 프로그램을 생성하며, Text2potential을 통해 조밀한 감독 신호를 제공합니다. 실험 결과, CoDA는 다양한 조작 작업에서 OOD 성공률을 크게 향상시키며 기존 베이스라인을 상회하는 성능을 보였습니다.

AI 연구

Beyond Policy Rollouts: Embedding-Space Directional Exploration with Anchored Noise for LLM RLVR

LLM의 검증 가능한 보상(RLVR) 학습 시, 동일 정책에서 생성된 유사한 궤적들로 인해 그룹 내 보상 차이가 줄어드는 문제가 발생합니다. 기존의 온도 조절이나 엔트로피 보너스 방식은 정책 업데이트 방식은 바꾸지만 샘플링 소스 자체의 제약을 해결하지 못합니다. 본 논문은 입력 임베딩에 미세한 노이즈를 섞어 정책의 범위를 넘어서는 새로운 궤적을 생성하는 EDEN 기법을 제안합니다. EDEN은 프롬프트에 앵커링된 노이즈를 추가하여 동일 그룹 내에서 다양한 탐색을 유도하며, 모델 구조 변경 없이 기존 GRPO 프레임워크에 적용 가능합니다. 실험 결과, 수학적 추론 벤치마크에서 기존 GRPO 대비 높은 솔루션 커버리지와 성능 향상을 입증했습니다.

AI 연구

SUPRA-TEX: 3D Generation with Super-Aligned Texture

기존의 단일 이미지 기반 3D 생성 방식은 멀티뷰 예측 간의 불일치로 인한 아티팩트가 발생하거나, 암시적 특징 조건부 방식에서 미세한 디테일을 유지하기 어렵다는 문제가 있었습니다. 이를 해결하기 위해 SUPRA-Tex는 가시 영역의 재질 추정, 표면 정렬, 관찰 기반 3로 완성 과정을 분리하는 구조를 제안합니다. 먼저 MLLM 기반 모델로 조명이 분리된 PBR 맵을 예측한 뒤, 이를 VAE 인코더를 통해 생성 타겟의 잠재 공간(latent space)으로 투영합니다. 이후 인터리브 플로우 트랜스포머(interleaved flow transformer)가 고정된 앵커로서 가시 영역의 디테일을 유지하며 보이지 않는 영역을 생성합니다. 결과적으로 참조 이미지와 일치하는 높은 충실도와 일관된 표면 완성을 동시에 달성하며 SOTA 성능을 기록했습니다.

AI 연구

Cowork-Gym: Synthesizing Interactive Work Environments at Scale

에이전트가 도구와 파일 간 의존성을 관리하며 변화하는 사용자 요구사항에 적응하는 협업 환경 구축이 필요합니다. 기존 방식으로는 작업 목표, 실행 리소스, 사용자 행동 간의 일관성을 유지하며 대규모 환경을 확장하는 데 어려움이 있었습니다. 본 논문은 실행 증거와 리뷰 피드백을 활용해 환경을 검증하고 수정하는 'build-execute-revise' 루프 기반의 Cowork-Gym 프레임워크를 제안합니다. 또한, 에이전트의 행동에 대화와 직접 편집으로 반응하는 상태 유지형 사용자 시뮬레이터를 도입했습니다. 이를 통해 생성된 64.9K개의 환경으로 Qwen 모델들을 학습시킨 결과, 기존 베이스 모델 대비 성능을 크게 향상시켰으며 대규모 파라미터 모델들을 상회하는 성과를 거두었습니다.

AI 연구

Memory as Weights: Internalizing Long-Term History for Streaming Videos

스트리밍 비디오 이해를 위한 VLM은 과거 정보를 지속적으로 통합하면서도 현재 관찰에 즉각 반응해야 합니다. 기존의 메모리 방식은 과거 데이터를 압축하거나 캐싱하여 다시 입력에 넣는 방식을 사용하므로, 과거 정보와 현재 관찰이 한정된 컨텍스트 창 내에서 경쟁하는 문제가 발생합니다. 이를 해결하기 위해 본 논문은 과거의 맥락을 가변적인 경량 파라미터 업데이트로 내재화하는 MaLoW 프레임워크를 제안합니다. MaLoW는 순환형 하이퍼네트워크(Recurrent HyperNetwork)를 사용하여 들어오는 비디오 관찰 정보를 고정된 크기의 LoRA 가중치로 점진적으로 통합합니다. 실험 결과, MaLoW는 기존 메모리 방식 대비 우수한 성능을 보였으며 비디오 이해뿐만 아니라 시각-언어-행동(VLA) 모델로의 일반화 능력도 입증되었습니다.

AI 연구

LEASH: Uncertainty-Aware Weak-to-Strong Escalation and Oversight for Computer-Use Agents

컴퓨터 사용 에이전트가 복잡한 작업을 수행할 때, 매 단계 강력한 모델을 사용하는 것은 비용이 매우 높고 약한 모델만으로는 성능이 부족한 문제가 있습니다. 이를 해결하기 위해 약한 모델이 기본적으로 동작하다가 필요할 때만 강력한 모델로 제어권을 넘기는 'Weak-to-strong escalation' 방식이 제안되었습니다. 하지만 언제 제어권을 넘길지 결정하는 것과, 제어권을 넘긴 후 블랙박스 형태의 강력한 모델이 경로를 이탈하지 않게 감시하는 것이 핵심 과제입니다. 본 논문은 LEASH 프레임워크를 제안하며, 이는 약한 모델의 잠재적 상태(latent states)를 활용해 불확실성을 측정하고 이를 기반으로 에스컬레이션 및 사후 감시를 수행합니다. 실험 결과, LEASH는 무작위 에스컬레이션 대비 높은 성능을 보였으며, 강력한 모델을 항상 사용하는 것보다 비용을 낮추면서도 대등한 성공률을 달성했습니다.

30건

제품/서비스

이날 공개된 제품과 도구

제품/서비스

Inbox Zero

모든 계정을 하나로 통합하는 오픈소스 기반의 초고속 이메일 클라이언트

제품/서비스

MyLens

AI를 통해 수많은 고객에게 개인화된 1:1 라이브 프레젠테이션을 동시에 제공하는 솔루션

제품/서비스

shim-cli

코딩 에이전트의 데이터 유출을 방지하고 사용량을 모니터링하는 로컬 프록시 도구

제품/서비스

Tower 18 for Mac

터미널 명령어로 Tower의 모든 뷰를 즉시 제어하는 강력한 Git 클라이언트 업데이트

제품/서비스

MeetPaw

클릭 한 번으로 화상 회의 링크를 생성하고 바로 공유하는 macOS 메뉴바 앱

나머지 25건 펼쳐보기

제품/서비스

XBOX Nano Controller

언제 어디서나 즐길 수 있는 18개 입력 방식의 초소형 무선 게임패드

제품/서비스

3AM Super Intelligence

복잡한 시스템의 장애 원인 분석부터 해결까지 자동화하는 AI 온콜 엔지니어

제품/서비스

Bee Frontier and Bee Eclipse

대화 내용을 기억과 실행 가능한 정보로 바꿔주는 아마존의 개인용 AI 메모리 디바이스

제품/서비스

Tomo for ChatGPT

ChatGPT 대화창에서 즉시 게임처럼 즐기는 맞춤형 학습 도구

제품/서비스

Vampire Crawlers™

Vampire Survivors 제작진이 선보이는 턴제 카드 기반의 하이퍼 로그라이트 던전 탐험 게임

제품/서비스

PasteKit

데이터 유출 걱정 없이 브라우저 내에서 즉시 실행되는 강력한 코드 포맷터 및 변환 도구

제품/서비스

Openbroca

사용자의 말투를 유지하며 불필요한 말만 제거해주는 초경량 Mac용 AI 받아쓰기 앱

제품/서비스

Gravity Notes

AI 에이전트와 인간이 함께 사용하는, 시간 내용에 따라 흐르는 단일 리스트 메모 앱

제품/서비스

SpeechFast

개인정보 유출 걱정 없이 맥에서 즉시 사용할 수 있는 로컬 음성 타이핑 도구

제품/서비스

Latch

물리적 이동을 통해 스마트폰 중독을 방지하는 강력한 앱 차단 도구

제품/서비스

Popcraft

AI 에이전트(Claude, ChatGPT 등)에 URL 하나만 입력하여 영상, 이미지, 오디오를 즉시 생성하는 도구

제품/서비스

Krea 3

8초 이내에 2K 고해상도 이미지를 편집할 수 있는 초고속 AI 이미지 모델

제품/서비스

Zalcro

AI 코딩의 맥락 상실 문제를 해결하는 사전 설계 및 빌드 플랜 생성 도구

제품/서비스

Startories

웹상의 실시간 구매 신호를 포착하여 잠재 고객을 발굴하는 AI 영업 엔진

제품/서비스

Syllaby Mobile App

아이디어 구상부터 영상 제작까지, 이동 중에도 가능한 올인원 AI 영상 제작 스튜디오

제품/서비스

TypeKey

아이폰에서 별도 설정 없이 바로 사용하는 AI 글쓰기 및 키보드 도구

제품/서비스

Syllaby Mobile App

아이디어 구상부터 영상 제작까지, 이동 중에도 가능한 올인원 AI 영상 제작 스튜디오

제품/서비스

Evane

정부 및 기업 간 복잡한 협업 프로젝트를 위한 AI 기반 통합 관리 에이전트

제품/서비스

Pairon

팀원과 로컬 AI 코딩 에이전트를 연결하여 협업할 수 있는 멀티플레이어 AI 개발 환경

제품/서비스

KelpShot

구독료 부담 없이 빠르고 안전하게 스크린샷을 편집하고 공유하는 macOS 전용 도구

제품/서비스

Buildhorn: CI/CD Alerts

CI/CD 빌드 실패를 애플 기기 푸시 알림으로 즉시 알려주는 모니터링 도구

제품/서비스

DOT Audio Recorder

Mac에서 재생되는 모든 소리를 키, 템포, 코드와 함께 즉시 녹음하고 DAW로 가져오는 도구

제품/서비스

File Converter

설치 없이 웹에서 바로 사용하는 올인원 PDF 및 파일 관리 툴킷

제품/서비스

NakkoBroker

인도 주요 IT 허브에서 중개 수수료 없이 집을 구할 수 있는 직거래 플랫폼

제품/서비스

The Soapbox Email

매일 무작위로 선정된 한 명의 작성자가 100만 명에게 메시지를 전달하는 독특한 이메일 플랫폼

6건

모델/벤치마크

새 모델과 주요 평가 결과

HF Model Trending

black-forest-labs/flux-3-image-klein-comfy

black-forest-labs/flux-3-image-klein-comfy 모델이 Hugging Face에서 높은 다운로드 수를 기록하며 주목받고 있습니다. 이 모델은 image-to-image 파이프라인을 지원하는 것이 특징입니다.

HF Model Trending

deepseek-ai/DeepSeek-V4.1-Flash-1017

DeepSeek-AI에서 출시한 DeepSeek-V4.1-Flash-1017 모델이 Hugging Face에서 주목받고 있습니다. 이 모델은 이미지와 텍스트를 동시에 처리하는 멀티모달 기능을 제공합니다.

HF Model Trending

fishaudio/drama-3

fishaudio에서 공개한 drama-3 모델이 text-to-speech 분야에서 주목받고 있습니다. 약 35.9B 파라미터를 가진 대규모 모델로, 높은 다운로드 수를 기록하며 트렌드에 진입했습니다.

LiveCodeBench

LiveCodeBench top model: O4-Mini (High)

LiveCodeBench 벤치마크에서 O4-Mini (High) 모델이 상위 성적을 기록했습니다. 해당 모델은 4개의 문제를 대상으로 테스트를 진행했습니다.

LiveCodeBench

LiveCodeBench top model: Gemini-2.5-Pro-06-05

LiveCodeBench 벤치마크에서 Gemini-2.5-Pro-06-05 모델이 상위 성적을 기록했습니다. 해당 모델은 4개의 문제를 대상으로 테스트를 진행했습니다.

나머지 1건 펼쳐보기

LiveCodeBench

LiveCodeBench top model: Gemini-2.5-Flash-04-17

LiveCodeBench 벤치마크에서 Gemini-2.5-Flash-04-17 모델이 상위 성적을 기록했습니다. 해당 모델은 4개의 문제를 대상으로 avg_pass@1 25.0%를 달성했습니다.