오늘의 AI 업데이트
카카오 알림

지난 소식

2026.11.04

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

20건

뉴스

주요 기사와 기업의 공식 발표

The New York Times

Google Will Turn Off Search for Schools That Reject A.I. - The New York Times

Google이 AI 기술 도입을 거부하는 교육 기관에 대해 검색 서비스 제공을 중단할 수 있다는 강경한 입장을 밝히며, 교육 현장의 AI 통합을 압박하고 있습니다. 이는 단순한 서비스 정책 변화를 넘어, AI 기반의 디지털 생태계로의 강제적 전환을 시사합니다.

Menlo Ventures

2026: The State of Enterprise AI - Menlo Ventures

2026년 기업용 AI 시장은 단순한 사용자 기반 성장을 넘어, AI Agent가 업무를 수행하며 발생하는 '작업량 기반 지출'로 패러다임이 전환되었습니다. 연간 AI 배포 지출은 1,770억 달러로 급증했으며, 이는 기존 소프트웨어 예산을 잠식하는 것이 아니라 새로운 경제적 가치를 창출하며 시장 규모를 확장하고 있습니다.

Reuters

Setback for Google as EU court adviser sides with publishers against AI chatbot - Reuters

EU 법원 고문이 AI 챗봇 학습 과정에서 저작권이 있는 콘텐츠를 사용하는 것이 저작권법 위반에 해당할 수 있다는 의견을 제시하며 Google에 법적 압박을 가하고 있습니다. 이는 AI 모델 학습 데이터 확보 방식에 대한 유럽의 규제 방향을 보여주는 중요한 사례입니다.

TechCrunch

Google will let schools disable its AI tools, but not without sacrificing Search - TechCrunch

Google은 K-12 교육 현장의 AI 사용 통제권을 부여하기 위해 Gemini, NotebookLM 등 AI 도구의 비활성화 옵션을 도입하지만, 이는 Google Search의 AI 기능과 결합되어 있어 검색 엔진 사용 여부와 직결됩니다. 학교 관리자가 AI를 완전히 차단할 경우 Google Search 접근 자체가 불가능해지는 구조적 선택을 강요받게 됩니다.

나머지 15건 펼쳐보기

NBC News

Google to shut off search for schools that opt-out of AI - NBC News

Google이 교육용 소프트웨어 사용 학교를 대상으로 Gemini AI 기능을 기본적으로 비활성화하되, AI 도입을 거부하는 학교는 Google Search 접근까지 차단하는 정책을 발표했습니다. 이는 AI 기능과 검색 서비스의 결합도가 높아짐에 따라 발생한 기술적 종속성 문제를 해결하려는 움직임과 교육계의 프라이버시 우려 사이의 충돌을 보여줍니다.

CNBC

Blackstone president calls for more equity to fund AI buildout as debt risks mount - CNBC

AI 인프라 구축을 위한 막대한 자본 수요가 부채 시장의 리스크를 키우고 있어, 대출 중심의 금융 구조에서 지분(Equity) 중심의 자본 조달로의 전환이 필요하다는 분석이 나왔습니다. 향후 5년간 AI 관련 자본 지출이 약 10조 달러에 달할 것으로 예측됨에 따라, 금융 시장의 흡수 능력을 초과하는 리스크를 관리하기 위한 창의적인 자본 구조 설계가 핵심 과제로 부상했습니다.

The University of Chicago

UChicago-Caltech conference examines the expanding frontiers of scientific AI - The University of Chicago

UChicago와 Caltech이 공동 개최한 'AI+Science' 컨퍼런스에서 학계와 산업계가 협력하여 과학적 발견의 한계를 확장하는 전략이 논의되었습니다. 특히 Schmidt Sciences의 대규모 지원을 통해 설립된 'AI for Science (AI4S)' 플랫폼은 컴퓨팅 자원 확보를 통해 기후, 생물학, 양자 역학 등 다양한 과학 분야의 연구 속도를 혁신적으로 가속화할 전망입니다.

Time Magazine

This Simple Rule Can Keep AI From Doing All Your Thinking - Time Magazine

AI가 제공하는 즉각적인 정답에 의존하기보다, 인간의 주도적 사고를 유지하기 위한 'Naked Draft Rule(초안 작성 규칙)'의 중요성을 강조합니다. AI를 문제 해결의 도구가 아닌, 인간의 창의적 아이디어를 확장하고 검증하는 보조 수단으로 활용하는 방법론을 제시합니다.

Foreign Affairs

Lin Chia-lung: America’s AI Ambitions Depend on Taiwan - Foreign Affairs

미국과 중국의 AI 패권 경쟁 속에서 대만은 첨단 반도체 제조와 서버 인프라를 담당하는 핵심 파트너로서 미국의 기술적 우위를 뒷받침하고 있습니다. 미국이 설계와 R&D에 집중하는 동안 대만은 제조와 공급망 통합을 통해 AI 생태계의 실질적인 구현을 가능케 하는 상호 보완적 관계를 형성하고 있습니다.

Google DeepMind

Agentic cheminformatics with Google Antigravity

Google DeepMind가 발표한 Google Antigravity는 화학 정보학 분야의 에이전트 기반 워크플로우를 가속화하는 기술입니다. 이 기술은 화합물 검색 및 새로운 강직성 매크로사이클(rigidified macrocycles) 제안을 통해 신약 개발 과정을 효율화합니다.

Google Cloud AI

Introducing Physical-Engineering’s Last Exam for agents

Google Cloud AI가 물리 공학 분야의 에이전트 성능을 평가하기 위한 새로운 벤치마크인 PLE를 도입했습니다. 이 벤치마크는 실제 기계, 전기, 토목 및 구조 공학 과제를 통해 최첨단 AI 에이전트의 능력을 검증합니다.

OpenAI News

Accelerating engineering for the physical world

ChatGPT와 Codex가 물리적 세계를 위한 엔지니어링 워크플로우를 어떻게 가속화하는지 소개합니다. CAD, PCB 설계, 시뮬레이션 등 다양한 엔지니어링 분야에서의 활용 방안을 다룹니다.

OpenAI News

Rewarding defenders with bigger bug bounties

OpenAI가 보안 버그 바운티 보상 규모를 확대하고 독립 보안 연구자들을 위한 새로운 보너스 제도를 도입합니다. 보고서 품질, 충성도, 우선순위 캠페인에 따른 보너스를 통해 방어자들에게 더 큰 보상을 제공할 예정입니다.

Google Cloud AI

What Google Cloud announced in AI this month

Google Cloud의 최신 AI 관련 발표와 혁신 사례를 소개합니다. 이번 달에 공개된 새로운 기능과 가이드를 통해 Google Cloud AI의 발전 과정을 확인할 수 있습니다.

Google DeepMind

Genie 4: A new generation of world simulation

Google DeepMind가 발표한 Genie 4는 실시간 상호작용이 가능한 차세대 월드 시뮬레이션 모델입니다. Gemini 모델을 기반으로 정교한 물리 엔진, 자연스러운 인체 움직임, 네이티브 오디오를 결합하여 현실적인 가상 세계를 구현합니다.

Google DeepMind

Gemini 4 Carbon: Our next frontier model

Google DeepMind가 차세대 프런티어 모델인 Gemini 4 Carbon을 공개했습니다. 이 모델은 최첨단 사이버 보안 기능과 장기적 추론 능력을 갖춘 가장 강력한 모델입니다.

24건

커뮤니티

Hacker News, GeekNews, Reddit 반응

Hacker News

Astra can read and write weights to improve Qwen

LLM이 직접 신경망 가중치를 읽고 수정하여 성능을 최적화하는 'Weight-Space Programming' 기술이 공개되었습니다. 이 기술은 기존의 경사 하강법 없이도 모델의 문제를 진단하고 성능을 비약적으로 향상시킵니다.

Hacker News

HackerTube: YouTube built from videos recommended by HN

Hacker News의 추천 데이터를 기반으로 고품질 영상 콘텐츠를 제공하는 새로운 YouTube 클론 서비스인 HackerTube가 공개되었습니다. 기존 플랫폼의 자극적인 알고리즘에서 벗어나 커뮤니티 검증을 거친 순수 지식 콘텐츠를 제공하는 것이 핵심입니다.

Hacker News

We're releasing the weights of Mistral Large 4

Mistral이 1조 개의 파라미터를 가진 멀티모달 모델인 Mistral Large 4(Le Chonk)의 가중치를 공개하며 오픈 웨이트 모델의 새로운 기준을 제시했습니다. 코딩과 사이버 보안 성능을 극대화하면서도 추론 효율성을 높여 비용 효율적인 배포가 가능하도록 설계되었습니다.

나머지 19건 펼쳐보기

Hacker News

WTF Ubuntu?

Ubuntu의 보안 취약점 대응 방식과 우선순위 설정에 대한 기술적 논란을 다루고 있습니다. 보안 패치 적용 과정에서의 우선순위 분류와 배포 방식에 대해 커뮤니티의 비판이 제기되었습니다.

Hacker News

Backdoor in Claude Code for VS Code extension on the Cursor Marketplace

Cursor Marketplace에 등록된 Claude Code VS Code 확장 프로그램에서 백도어가 발견되어 보안 경고가 발생했습니다. Anthropic은 이번 사건이 자사 시스템 침해는 아니며 Cursor 플랫폼을 통한 악성 코드 유포임을 명시했습니다.

Hacker News

An Italian farmer found some unknown seeds in his attic and planted them

이탈리아 농부가 다락방에서 발견한 미지의 씨앗을 심어 수확한 사례와 그에 따른 종의 정체성에 대한 논의를 다룹니다. 고대 밀의 복원 가능성과 현대 농업 시스템에서의 종 보존 문제를 핵심 쟁점으로 다루고 있습니다.

Hacker News

StackOverflow now gets fewer than 1000 questions a month

StackOverflow의 월간 질문 수가 1,000건 미만으로 급감하며 개발자 커뮤니티의 변화를 보여주고 있습니다. AI 기술의 등장과 기존의 하락세가 맞물리며 지식 공유 플랫폼의 위상이 변화하고 있습니다.

GeekNews / Hada

Kalshi와 공동창업자들, 유타주 도박법 위반 혐의로 중범죄 기소

이번 사건은 예측 시장의 이벤트 계약이 금융 스왑(Swap)으로 분류될 경우, 연방 CFTC의 관할권이 주정부의 도박법 적용을 우선할 수 있는지에 대한 법적 쟁점을 담고 있습니다. 이는 향후 디지털 자산 및 예측 시장 플랫폼의 규제 주체를 결정짓는 중요한 선례가 될 전망입니다.

GeekNews / Hada

Google, AI를 거부하는 학교의 검색 기능도 차단 예정

Google이 검색 엔진과 AI를 기술적으로 결합하여 교육 현장의 AI 도입을 강제하는 전략을 취하고 있습니다. 이는 교육 기관이 검색 서비스를 유지하기 위해 AI 기술을 수용할 수밖에 없는 환경을 조성함으로써 AI 생태계로의 전환을 가속화하려는 의도로 풀이됩니다.

GeekNews / Hada

Fujifilm, AI로 아카이빙 수요 늘자 테이프 생산능력 5배 확대 추진

AI 시대의 폭발적인 데이터 증가로 인해 저비용·고효율 저장 매체인 자기 테이프의 가치가 재조명받고 있습니다. 후지필름의 대규모 증설은 물리적 격리 보관이 가능한 테이프 기술이 차세대 데이터 아카이빙의 핵심 인프라로 자리 잡고 있음을 보여줍니다.

GeekNews / Hada

시간을 바꾸려고 자동차 내비게이션을 탈옥하기

하드웨어 종속적인 설정 메뉴 구조가 사용자 편의성을 저해하는 보안 취약점으로 작용한 사례입니다. 제조사의 강력한 DRM과 읽기 전용 파일시스템 환경에서도 경로 순회와 같은 전통적인 취약점이 여전히 위협이 될 수 있음을 보여줍니다.

GeekNews / Hada

Revolut, 자체 호스팅 GLM으로 전환

기업이 외부 API 의존도를 낮추고 자체 인프라를 구축함으로써 비용 효율성과 작업 속도를 동시에 확보한 사례입니다. 이는 대규모 엔지니어링 조직이 AI를 단순 보조 도구가 아닌 핵심 운영 인프라로 내재화할 때 발생하는 경제적 이점을 보여줍니다.

GeekNews / Hada

Polyend, Tracker 펌웨어 소스 코드 공개

하드웨어 제조사가 펌웨어 소스 코드를 공개함으로써 사용자 중심의 커스텀 생태계를 구축한 사례입니다. 이는 기기의 수명을 연장하고 사용자 창의성을 극대화하는 동시에, 오픈 소스 기반의 강력한 하드웨어 확장성을 제공합니다.

GeekNews / Hada

유럽 RISC-V 산업용 컴퓨팅 이니셔티브

이번 이니셔티브는 RVA23 표준을 통해 하드웨어와 소프트웨어 스택 간의 상호 운용성을 확보하는 데 중점을 둡니다. 이는 산업용 환경에서 실시간 제어와 일반 연산을 하나의 칩에서 안전하게 분리·실행할 수 있는 기술적 토대를 마련할 것으로 보입니다.

Reddit

Postgres vs MariaDB: Vector Search and AI Workload Benchmarks

PostgreSQL과 MariaDB의 벡터 검색 및 AI 워크로드 성능을 비교 분석한 벤치마크 결과에 관한 게시물입니다. 데이터베이스 엔진별로 AI 관련 작업에서 나타나는 성능 차이를 다루고 있습니다.

Reddit

What do people with normal hardware : 32GB ram 16GB VRAM run?

32GB RAM과 16GB VRAM을 보유한 일반적인 하드웨어 사양에서 어떤 LLM 모델을 구동할 수 있는지에 대한 질문입니다. 코딩 및 일반 비서 용도로 활용 가능한 모델과 최신 기술 트렌드에 대한 요약을 요청하고 있습니다.

43건

논문

읽어볼 만한 AI 연구

AI 연구

Wave Forcing: Towards Speed-of-Light Streaming Video Generation

기존의 청크 단위 자기회귀 방식은 생성 효율이 낮고, 긴 영상 생성 시 품질 저하 및 카메라 드리프트 문제가 발생합니다. 이를 해결하기 위해 생성, 학습, 실행을 통합 설계한 Wave Forcing(WF)을 제안합니다. WF는 청크 간 인과적 어텐션을 통해 이전 청크의 노이즈 제거가 완료되기 전에도 정보를 참조하며, 분산된 노이즈 제거 및 캐시 갱신 단계를 통해 1F1C(한 라운드당 한 청크 출력) 효율을 달성합니다. 학습 단계에서는 혼합 노이즈, 모션 감독, 자기 생성 이력을 활용한 인과적 적응 과정을 거칩니다. 실험 결과, WF는 기존 방식 대비 높은 동적 움직임을 유지하면서도 압도적인 처리량(Throughput)을 기록했습니다.

AI 연구

CUA-Master: Scaling Computer-use Agents through Open-World Recursive Improvements

최근 컴퓨터 사용 에이전트(CUA) 기술이 발전하고 있으나, 상호작용 데이터의 다양성 부족과 기존 재귀적 개선 방식의 성능 정체 문제가 존재합니다. 이를 해결하기 위해 본 논문은 중첩된 이중 루프(nested double-loop) 구조를 가진 CUA-Master 프레임워크를 제안합니다. 시스템 레벨의 외부 루프는 오픈 월드 코퍼스를 통합하고 모델의 약점을 데이터 구축에 반영하며, 데이터 레벨의 내부 루프는 영상 기반 시드 작업 추출과 자동 촉매 전파를 통해 복잡한 태스크를 합성합니다. 또한 실환경에서의 신뢰성 있는 데이터 수집을 위해 피드백 기반 스냅샷-롤백 재시도 메커니즘을 도입했습니다. 실험 결과, CUA-Master-27B는 GUI 및 GUI-CLI 하이브리드 벤치마크에서 경쟁력 있는 성능을 달성하며 지속적인 성능 향상을 입증했습니다.

AI 연구

CoworkOS:Scaling Agent Coworkers for Real-world Automation

최근 AI 에이전트가 실무 자동화로 진화하고 있으나, 복잡한 작업 수행과 장기적인 모니터링을 동시에 해결하는 것은 여전히 어려운 과제입니다. 본 논문은 작업 전략과 실행 관리를 분리하여 장기 업무를 수행하는 범용 프레임워크인 CoworkOS를 소개합니다. CoworkOS는 3계층 아키텍처를 통해 하위 에이전트에게 작업을 위임하거나 직접 실행하며, 공유 애플리케이션 레이어를 통해 인간과 에이전트가 동일한 작업물을 실시간으로 수정할 수 있게 합니다. 또한 계층적 워크스페이스와 지속적 의미 메모리를 도입하여 세션 간 연속성을 보장합니다. 실험 결과, 다양한 벤치마크에서 최첨단 에이전트들과 경쟁력 있는 성능을 보였으며, 자동화된 포스트 트레이닝 사례에서도 유의미한 성능 향상을 입증했습니다.

AI 연구

Advances in Agentic Computer Graphics

컴퓨터 그래픽스는 코드를 기반으로 구축되며, 최근 LLM 에이전트가 코드를 생성하고 반복적으로 정제하는 능력이 발전하고 있습니다. 이러한 기술은 복잡한 그래픽 작업을 자동화하는 새로운 패러다임을 열고 있으나, 연구 분야의 급격한 확장으로 인해 수동 문헌 검토가 어려워지고 용어의 혼선이 발생하고 있습니다. 본 보고서는 이러한 문제를 해결하기 위해 두 가지 핵심 기여를 제안합니다. 첫째, 다양한 그래픽 작업에 걸친 에이전트 시스템을 특징짓는 통합 분류 체계를 도입합니다. 둘째, 대규모 논문 분석을 지원하는 에이전트 기반 문헌 시스템을 개발합니다. 이를 바탕으로 에이전트-도구 협업, 인간-에이전트 인터페이스, 장기 계획 수립 및 평가와 같은 미래 연구 과제를 논의합니다.

AI 연구

Video Generation Meets Agent Harness: Agentic Video Generation, Agentic World Modeling and Recursive Self-Improvement

비디오 생성 기술이 단순 합성을 넘어 계획, 도구 사용, 피드백이 결합된 에이전트 기반 생성 방식으로 진화하고 있습니다. 본 논문은 에이전트가 도구와 상태를 관리하며 비디오 모델을 제어하는 '에이전트 하네스(Agent Harness)' 개념을 중심으로 세 가지 방향을 연구합니다. 첫째, 스크립트 및 편집을 자동화하는 에이전트 기반 비디오 생성, 둘째, 게임 엔진과 비디오 모델이 결합된 하이브리드 형태의 에이전트 월드 모델링, 셋째, 생성 결과와 절차를 스스로 개선하는 재귀적 자기 개선(RSI)을 다룹니다. 이를 통해 시각적 인지, 장기 계획, 코드 기반 상호작용 등 필수적인 에이전트 역량을 분석합니다. 최종적으로 자율적 영상 제작과 모델 개발의 자동화를 위한 핵심 과제들을 제시합니다.

나머지 38건 펼쳐보기

AI 연구

Democratizing Robot-Use Agents: A Unified Harness with Open Models

로봇 사용 에이전트(RUA)는 뛰어난 제로샷 조작 능력을 보여주었으나, 기존 연구는 폐쇄적인 상용 모델에 대한 의존도가 높아 추가 학습 및 연구에 제약이 있었습니다. 이를 해결하기 위해 오픈 웨이트 모델을 지원하며 추가 학습이 가능한 통합 프레임워크인 uni-robot-agent를 제안합니다. 실험 결과, 별도의 특권 데이터 없이도 Qwen3.8-Flash-Next 모델이 기존 GPT-6 Astra-RoboProbe 성적을 상회하는 성능을 기록했습니다. 또한 19가지 실세계 작업에서 경쟁력 있는 성능을 입증했습니다. 연구진은 모델의 세대와 크기에 따른 분석을 통해 효과적인 로봇 사용을 위한 네 가지 핵심 역량을 식별했습니다.

AI 연구

SWE-Trail: History-Guided Trajectory Collection for Coding Agent Training

코딩 에이전트는 이슈 해결을 위해 긴 탐색 및 편집 과정을 거치며, 이 과정에서 생성된 궤적(trajectory)은 모델 학습의 핵심 데이터가 됩니다. 기존의 독립적 샘플링 방식은 작업이 반복될수록 중복된 데이터가 쌓여 수집 효율이 떨어지는 문제가 있습니다. 이를 해결하기 위해 연구진은 이전 이력을 가이드로 사용하되, 모델이 힌트에 의존하지 않도록 이력을 컨텍스트에서 분리하는 SWE-Trail을 제안합니다. SWE-Trail은 과거 이력을 바탕으로 추가 탐색이 필요한 지점을 식별하고, 에이전트가 제안한 후보 행동들을 검증하여 유망한 경로를 선택합니다. 실험 결과, SWE-Trail은 기존 독립 샘플링 방식 대비 SWE-bench Multilingual 및 Pro 벤치마크에서 성능 향상을 입증했습니다.

AI 연구

NorthCUA Technical Report: Turbocharging Computer-Use Agents through Experience at Scale

기존의 컴퓨터 사용 에이전트는 개별 동작을 넘어 복잡한 소프트웨어 워크플로우를 완수하는 데 어려움이 있었습니다. 이를 해결하기 위해 다양한 작업을 생성하고 검증된 궤적을 관리하는 'Experience Flywheel'과 지속적인 상호작용을 지원하는 'NorthCUA Harness'를 결합한 통합 시스템을 제안합니다. 시스템은 재사용 가능한 기술을 진화시키는 재귀적 자기 개선과 단계별 학습(Staged Learning)을 통해 GUI 숙련도와 장기적 작업 수행 능력을 동시에 확보합니다. 최종적으로 데스크톱-웹 통합 강화학습을 통해 경험 생산과 정책 개선 사이의 루프를 완성했습니다. 그 결과, 오픈 소스 모델 중 최고 수준의 GUI grounding 및 데스크톱/웹 상호작용 성능을 달성했습니다.

AI 연구

Lost in Recovery: Demystifying Recovery Behavior of Computer-Use Agents via Goal-Oriented Action Replay

최근 대형 언어 모델 기반의 컴퓨터 사용 에이전트가 발전하고 있으나, 긴 작업 과정에서 발생하는 오류와 부작용에 취약한 문제가 있습니다. 기존의 환경 리셋이나 API 기반 롤백 방식은 실무 환경에서 적용하기 어렵거나 제약이 많습니다. 본 논문은 에이전트의 복구 동작을 체계적으로 연구하기 위한 ReTrace 프레임워크를 제안합니다. 연구진은 복구된 상태와 목표 상태에서 동일한 결과가 나와야 한다는 '전이 일관성 복구(Transition-Consistent Recovery)' 개념을 도입했습니다. 실험 결과, 정확한 모델 기반 복구가 에이전트의 잠재적 작업 수행 능력을 끌어내고 최종 성능을 향상시킴을 확인했습니다.

AI 연구

PhotoGuider: Composition-Aware Cropping and 360^{circ} View Framing with Explainable Photographic Assessments

기존의 이미지 크롭 방식은 이미 좋은 구도가 포함되어 있다는 전제하에 영역만 결정하지만, 36상도 파노라마는 어느 방향이 유효한지부터 결정해야 하는 문제가 있습니다. 본 논문은 구도 중심의 특징을 추출하여 방향 선택과 프레이밍을 동시에 수행하는 PhotoGuider를 제안합니다. 제안된 방법은 Foundation 모델과 태스크 특화 모델을 결합하여 Subject, Composition, Aesthetics, Integrity라는 네 가지 사진적 토큰을 생성합니다. 또한 MLLM을 활용해 측정된 토큰 값을 바탕으로 구도에 대한 설명적 근거를 생성합니다. 실험 결과, 2D 크롭 벤치마크에서 최고 수준의 mIoU를 달성했으며, 사용자 블라인드 테스트에서도 기존 방식들을 압도하는 성능을 보였습니다.

AI 연구

Reviso: Not All Visual Evidence Deserves Equal Attention in Video Captioning

기존 MLLM 기반 비디오 캡셔닝은 사소한 디테일에 과도하게 집중하여 핵심적인 맥락이나 주요 이벤트를 간과하는 경향이 있습니다. 이를 해결하기 위해 모든 시각적 정보가 동일하게 중요하지 않다는 가설을 바탕으로 Reviso 프레임워크를 제안합니다. Reviso는 저프레임 글로벌 프리뷰를 통해 맥락-초점-지점(CFP) 계층적 관찰 계획을 수립하고, 이에 따라 목표 지향적인 능동적 인식을 수행합니다. 학습 과정에서는 사실 검증 기반의 데이터 파이프라인과 GRPO(Group Relative Policy Optimization)를 사용하여 관찰 전략을 최적화합니다. 실험 결과, Reviso는 기존 오픈소스 모델들을 상회하는 성능을 보였으며 하위 비디오 질의응답(VQA) 작업에서도 우수한 성능을 입증했습니다.

AI 연구

From Fragmentation to Fusion: A Survey and Roadmap for Omnimodal Embeddings

현대 AI 시스템의 핵심인 임베딩 모델 연구는 모달리티별로 분절되어 서로 다른 커뮤니티에서 독립적으로 발전해 왔습니다. 이러한 파편화는 모달리티 간의 근본적인 수렴 가능성을 가로막는 장애물이 되고 있습니다. 본 논문은 대조 학습(Contrastive Learning)과 트랜스포머 구조를 중심으로 모달리티 간 연구가 하나의 원칙으로 수렴하고 있음을 주장합니다. 이를 위해 커버리지(Coverage), 비교 가능성(Comparability), 구성성(Compositionality)이라는 세 가지 단계적 역량 프레임워크를 제안합니다. 최종적으로 변환, 정렬, 결합 임베딩을 통해 모든 모달리티를 아우르는 통합된 연구 방향을 제시합니다.

AI 연구

When Does Latent Prediction Error Support Physical Surprise Claims in Video World Models?

비디오 월드 모델의 예측 오차는 흔히 물리적 놀라움(Physical Surprise)을 나타내는 것으로 간주되지만, 외형 변화나 단순 예측 난이도와 혼재될 수 있습니다. 본 연구는 고정된 표현(frozen representations)과 모델의 예측 오차를 분리하여 물리적 차이와 외형적 차이를 구분하는 평가 프레임워크를 제안합니다. IntPhys2 및 Physion++ 벤치마크를 통해 표현 방식과 레이어 깊이에 따른 정보 분포를 분석했습니다. 실험 결과, 예측 오차는 물리적 법칙 위반보다 외형 변화나 단순한 시각적 통계에 더 민감하게 반응할 수 있음을 확인했습니다. 결론적으로 모델이 물리적 정보를 포함하더라도, 예측 오차 자체가 신뢰할 수 있는 물리적 놀라움의 척도가 될 수 없음을 보여줍니다.

AI 연구

CrossSWE: Benchmarking Cross-Repository Joint Development for Coding Agents

최근 코딩 에이전트의 성능이 향상됨에 따라 단일 저장소 내 복잡도를 높이는 연구가 주를 이루고 있습니다. 그러나 실제 소프트웨어 개발은 여러 상호 의존적인 저장소에 걸쳐 이루어지며, 이는 의존성 추론과 변경 전파 측면에서 새로운 난제를 제공합니다. 본 논문은 165개 저장소와 20개 기술 도메인을 아우르는 171개의 실제 사례로 구성된 CrossSWE 벤치마크를 도입합니다. CrossSWE는 부분적인 수정만으로는 목표를 달성할 수 없도록 설계되어, 저장소 간 협업 능력의 필요성을 검증합니다. 5종의 LLM을 평가한 결과, 최고 성능 모델인 GPT-6.1 Sol조차 58.48%의 Pass@1을 기록하며 높은 난이도를 입증했습니다. 특히 저장소 간 일관성 유지 실패가 가장 빈번한 실패 원인(44.2%)으로 나타났습니다.

AI 연구

IdeaTaste: Do LLMs Share the Research Taste of Human Researchers?

AI 연구 분야에서 연구자의 안목(Research Taste)은 중요하지만, LLM이 이를 얼마나 갖췄는지는 미지의 영역이었습니다. 본 연구는 2025년의 문헌을 바탕으로 작성된 LLM의 제안서가 2026년 실제 출판된 논문과 얼마나 일치하는지 측정하는 IdeaTaste 벤치마크를 도입했습니다. 6종의 모델과 4개 연구 분야를 대상으로 9만 개 이상의 제안서를 분석한 결과, LLM은 인용 매칭(26%)과 아이디어 매칭(18%) 모두에서 인간 수준에 크게 못 미쳤습니다. 실험 결과, LLM은 연구 방향을 찾는 것보다 구체적인 접근법을 설계하는 데 있어 인간과 큰 격차를 보였습니다. 결과적으로 AI 연구 안목의 핵심 병목 현상은 구체적인 실행 계획 수립 능력에 있음을 시사합니다.

AI 연구

FLAMIA: FLAsh MIcroscaling Attention for Fast and Causally Safe Training on Blackwell

트랜스포머 학습 시 긴 컨텍스트 길이에 따른 어텐션 연산 비용은 매우 큰 과제입니다. 특히 NVIDIA Blackwell GPU의 고성능 저정밀도 행렬 연산을 활용하려면 양자화 오버헤드, 인과적 정보 누출, 순방향/역방향 통계 불일치 문제를 해결해야 합니다. 본 논문은 MXFP8 및 혼합 NVFP4/FP8 경로를 지원하는 FLAMIA 어텐션 커널 패밀리를 제안합니다. 토큰 블록 스케일링과 인과적 안전 장치를 결합하고, 퓨즈된 양자화 및 아키텍처 특화 커널 최적화를 통해 오버헤드를 최소화했습니다. 실험 결과, B200 및 B300 환경에서 기존 베이스라인 대비 유의미한 학습 가속을 달성했으며 Llama 스타일 모델의 학습 안정성도 검증했습니다.

AI 연구

Avatar Intelligence: Amplifying Human Agency Through Persistent Personal Agents

개인용 AI 에이전트가 복잡한 작업을 수행할 수 있게 되었지만, 사용자는 여전히 목표 설정과 결과 검증에 많은 노력을 들여야 합니다. 본 논문은 에이전트의 발전이 인간의 통제권을 유지하면서도 루틴한 감독을 줄이는 '인간 주도성 증폭'에 초점을 맞춰야 한다고 주장합니다. 이를 위해 사용자의 목표, 가치, 제약 조건을 시간과 맥락에 따라 지속적으로 대리하는 '아바타 인텔리전스' 패러다임을 제안합니다. 또한 에이전트의 운영 비용과 인간의 감독 부담 사이의 가치를 평가하는 '에이전틱 오버사이트 인덱스(AOI)'를 도입합니다. 마지막으로 개인화, 사용자 상황에 맞춘 진화, 안전 메커니즘이라는 세 가지 핵심 연구 과제를 제시하며 신뢰할 수 있는 의사결정 위임 방안을 정의합니다.

AI 연구

Diagnosing the Reference Gap: What Visual Scaffolds Can and Cannot Fix in Multimodal Reasoning

멀티모달 거대언어모델(MLLM)은 시각적 인지는 뛰어나지만, 여러 단계의 추론 과정에서 대상을 놓치는 문제가 발생합니다. 기존에는 이를 단순한 시각적 인지 능력 부족으로 보았으나, 본 논문은 언어와 시각적 개체를 연결하지 못하는 '참조 격차(Reference Gap)'가 근본 원인임을 주장합니다. 이를 검증하기 위해 시각적 루틴 이론을 바탕으로 번호 매기기와 같은 외부 참조가 이 격차를 줄일 수 있는지 테스트했습니다. 연구진은 장면과 질문은 고정하되 참조 방식만 변화시키는 ReGap-Bench를 도입하여 실험을 진행했습니다. 실험 결과, 작업에 부합하는 참조 방식은 정확도를 최대 25% 향상시켰으나, 부적절한 참조는 성능에 도움이 되지 않거나 오히려 저해했습니다. 결과적으로 참조 격차는 지각과는 구별되는 병목 현상이며, 작업에 적합한 시각적 참조를 구성하는 것이 학습 없이도 추론 능력을 높이는 핵심 기술임을 입증했습니다.

AI 연구

Order-Only On-Policy Distillation

기존의 온폴리시 증류(OPD)는 교사 모델의 토큰 확률값을 학생 모델이 그대로 복제하도록 학습하여, 교사의 신뢰도(Calibration) 차이로 인한 성능 저하와 온도(Temperature) 설정 민감도 문제를 겪습니다. 본 논문은 확률값 자체가 아닌 토큰 간의 상대적 순위 정보가 핵심 지식이라는 가설을 제안합니다. 이를 위해 제안된 O³PD는 학생이 생성한 접두사에서 교사의 상위 K개 토큰 순위를 재현하도록 학습합니다. 실험 결과, O³PD는 다양한 교사-학생 쌍에서 기존 OPD보다 우수한 성능을 보였으며 온도 조절 없이도 안정적인 성능 향상을 달实现了. 결과적으로 확률값보다 순위 정보가 지식 전이에 더 효과적임을 입증했습니다.

AI 연구

DecisionRank: On-Policy Distillation for Decision-Model Rerankers

기존의 생성형 LLM은 랭킹 작업 시 자기회귀적 디코딩으로 인해 지연 시간이 발생하는 문제가 있습니다. 반면, 점수 기반의 Decision Model은 속도는 빠르지만 LLM의 리스트형 선호도를 학습하기 어렵다는 과제가 존재합니다. 이를 해결하기 위해 본 논문은 아이템 공간에서의 온폴리시 증류(Item-space OPD) 기법인 DecisionRank를 제안합니다. 학생 모델이 생성한 순위 리스트를 교사 모델에 입력하여 조건부 피드백을 받는 방식으로 점수를 직접 감독합니다. 실험 결과, DecisionRank는 기존 벤치마크에서 SOTA를 달성했으며, 훨씬 작은 파라미터로도 거대 생성 모델을 능가하는 성능과 압도적인 추론 속도를 보여주었습니다.

AI 연구

Measuring AI Agents as Teammates with Collaborative Intelligence

AI 모델의 성능은 주로 단일 모델의 역량에 집중되어 왔으나, 실제 환경에서는 인간 및 다른 에이전트와의 협업 능력이 중요해지고 있습니다. 본 연구는 팀워크 역량을 정밀하게 측정하기 위해 8개 차원의 240개 태스크로 구성된 'Collaborative Intelligence Benchmark'를 도입합니다. 이 벤치마크는 개별 역량과 협업 역량을 분리하여 모델이 팀원으로서 얼마나 잘 기능하는지를 평가합니다. 18종의 모델을 평가한 결과, 모델의 일반적 성능이 높다고 해서 반드시 뛰어난 팀워크를 보장하지는 않는다는 점을 발견했습니다. 결과적으로 협업 역량은 모델의 크기나 기존 성능 지표와 별개로 개선이 필요한 핵심 영역임을 확인했습니다.

AI 연구

LEANGUARD: Lean-Verified Guardrails for Tool-Using Agents

도구 사용 에이전트가 도메인 정책을 위반하는 동작을 수행하는 문제가 발생하고 있습니다. 이를 해결하기 위해 Lean4를 기반으로 제안된 LeanGuard는 모든 도구 호출이 실행 전 정책을 준수하는지 검증하는 합리적 런타임입니다. 정책은 상태 술어와 과거 시점의 시간 연산자를 결합하며, 거부된 호출은 피드백 제공 또는 Lean 메타프로그래밍을 통한 자동 수정 과정을 거칩니다. 실험 결과, LeanGuard는 에이전트의 정책 위반 호출을 완벽히 차단하면서도 작업 성공률을 유지했습니다. 또한 프롬프트 인젝션 공격 성공률을 대폭 낮추고, 자동 수정 기능을 통해 효율적인 오류 복구를 입증했습니다.

AI 연구

BYOD: Build Your Own DLM - Efficient Autoregressive-to-Diffusion Language Model Conversion

기존의 자기회귀(AR) 모델과 달리 확산 언어 모델(DLM)은 병렬 토큰 업데이트와 유연한 생성 방식이 장점이지만, 학습 비용이 매우 높다는 문제가 있습니다. 본 논문은 기존 AR 모델을 효율적으로 DLM으로 전환하는 LoRA 기반의 범용 레시피인 BYOD를 제안합니다. 이 방식은 모델 구조를 변경하지 않고도 Gemma, Llama, Qwen 등 다양한 베이스 모델에 적용 가능하며, 베이스 파라미터는 동결한 채 소량의 어댑터만 학습합니다. 실험 결과, 적은 연산 자원으로도 기존 모델의 지식을 유지하며 확산 생성 능력을 성공적으로 유도했습니다. 다만 낮은 NFE(Network Function Evaluation) 환경에서의 생성 품질은 아직 개선 과제로 남아있습니다.

AI 연구

DeFT-RAG: Decomposing Multi-Hop Questions into Self-Contained Sub-Questions with Reusable Answers

기존 RAG 방식은 여러 문서에 흩어진 정보를 연결해야 하는 다중 단계 질문 해결에 어려움을 겪습니다. 그래프 기반 방식은 증거 체인을 놓치기 쉽고, 반복적 RAG 방식은 계획, 의존성 관리 등 LLM에 과도한 작업 부하를 주어 정확도가 제한됩니다. 이를 해결하기 위해 DeFT-RAG는 질문을 하나의 독립적인 하위 질문으로 분해하여 의존성 관리 문제를 제거하고, 규칙 기반 업데이트와 경량 모델을 통해 LLM의 역할을 최소화합니다. 또한, 생성된 QA 쌍을 캐싱하여 중복 질문에 대해 답변을 재사용하는 구조를 갖추었습니다. 실험 결과, 주요 벤치마크에서 최고 성능을 기록하며 적은 토큰 사용량과 효율적인 추론 능력을 입증했습니다.

AI 연구

Library of Layers (LoL): Adaptively Ordering Transformer Layers at Runtime

기존 언어 모델은 고정된 순서로 레이어를 실행하지만, 프로그래밍 언어처럼 알고리즘에 따라 연산 순서를 바꿀 필요가 있습니다. 본 논문은 추론 과정에서 레이어 순서를 동적으로 결정하는 'Library of Layers (LoL)' 아키텍처를 소개합니다. LoL은 단일 하이퍼파라미터를 통해 파라미터 재사용과 희소성 사이의 균형을 맞추며, 기존의 Dense, Depth-recurrent, MoE 구조의 장점을 통합합니다. 실험 결과, LoL은 텍스트 데이터에서 경쟁력 있는 성능을 보였으며, 퍼즐 해결이나 다국어 처리 시 문제 특성에 맞는 최적의 레이어 순서를 스스로 선택함을 확인했습니다. 또한, 라우팅 제어를 통해 특정 추론 전략을 강제하거나 안전성 여부를 판별하는 데 활용할 수 있음을 입증했습니다.

AI 연구

Multi-Agent Relay Thinking

기존의 멀티 에이전트 협업 방식은 각 에이전트가 독립적으로 답을 내고 이를 취합하는 그룹 사고 방식에 집중해 왔습니다. 본 논문은 추론의 주도권을 에이전트 간에 동적으로 넘겨주며 이전 단계의 사고 과정을 계승 및 정교화하는 '릴레이 사고' 토폴로지를 제안합니다. 이를 위해 신뢰도 기반의 릴레이 트리거와 입찰 메커니즘을 결합한 MACR 프레임워크를 도입했습니다. 실험 결과, 제안 방식은 기존 단일 모델 전략보다 높은 정확도를 기록하면서도 특정 벤치마크에서 토큰 소모량을 최대 6배까지 절감했습니다. 결과적으로 이 방식은 이종 에이전트들이 단계별로 상호 보완적인 통찰을 통합할 수 있음을 입증했습니다.

AI 연구

WorldFlow: Joint Video and 3D Motion Prediction via Large-Scale Pretraining

로봇 지능의 핵심인 미래 물리 상태 예측에서 기존 비디오 모델은 3D 역학이 암묵적이고, 기존 3산 모션 모델은 학습 신호가 제한적이라는 한계가 있었습니다. 이를 해결하기 위해 비디오와 쿼리 기반 3D 궤적을 공동으로 예측하는 생성형 월드 모델인 WorldFlow를 제안합니다. 3D 모션을 비디오 그리드와 정렬된 연속적 변위 토큰으로 매개변수화하고, Mixture-of-Transformers(MoT) 백본을 통해 두 모달리티를 통합적으로 디노이징합니다. 144만 개의 대규모 데이터셋으로 학습된 WorldFlow는 기존 방식 대비 낮은 ADE/FDE를 기록하며 뛰어난 공간 추론 능력을 입증했습니다. 특히 공간적 추론이 중요한 벤치마크에서 기존 베이스라인 대비 압도적인 성능 향상을 달める 데 성공했습니다.

AI 연구

MAServeBench: Benchmarking Multi-Agent LLM Serving Systems with Hierarchical Collaboration Workloads

최근 멀티 에이전트 시스템(MAS)은 복잡한 작업을 위해 에이전트 간 상호 의존적인 연산을 수행하며 동적인 워크로드를 생성합니다. 기존의 독립적 요청 기반 벤치마크는 이러한 협업 과정에서 발생하는 가변적인 동시성, 연산 및 메모리 요구량 변화를 포착하기 어렵습니다. 이를 해결하기 위해 에이전트 간 협업 규칙을 구성 가능한 차원으로 포함하는 MAServeBench를 제안합니다. 이 벤치마크는 계층적 시맨틱 트레이스를 통해 작업 의존성을 보존하며, 작업 완료 시간과 하드웨어 효율성 간의 관계를 분석합니다. 결과적으로 단순한 서빙 효율성이 실제 작업 완료 시간으로 직결되지 않는 이유를 규명할 수 있습니다.

AI 연구

DR Pixel: Page-Native Deep Research with Vision-Language Models

기존의 딥 리서치(DR) 에이전트는 복잡한 문서를 OCR로 텍스트화하여 정보를 손실하는 문제가 있었습니다. 본 논문은 렌더링된 페이지 이미지를 직접 검색 및 추론 단위로 사용하는 'DR Pixel'을 제안합니다. 이를 위해 텍스처, 도표, 수식 추론 능력을 평가하는 DRPixelBench 벤치마크를 구축했습니다. 또한, 에이전트 학습 시 발생하는 노이즈를 해결하기 위해 개별 단계의 기여도를 계산하는 'counterfactual credit reweighting' 기법을 도입했습니다. 실험 결과, 페이지 네이티브 방식은 기존 OCR 기반 방식보다 높은 정확도와 효율성을 보였으며, 제안된 학습법은 검색 재현율과 최종 정확도를 크게 향상시켰습니다.

AI 연구

Cross-Primitive Consistency in Jev

Jev는 다양한 형식의 질의를 통해 LLM의 효율적인 의사결정을 지원하지만, 동일한 의미를 가진 서로 다른 형식 간의 일관성 문제는 아직 충분히 검증되지 않았습니다. 본 논문은 질의 의미를 유지하면서 형식 간 일관성을 평가하는 4축 벤치마크인 PrimaCons를 도입합니다. 실험 결과, 질의 형식이 달라짐에 따라 의사결정 불일치가 발생하는 체계적인 패턴이 발견되었으며, 이는 결정 실패를 예측하는 중요한 지표임을 확인했습니다. 이를 해결하기 위해 고정된 백본에 경량 잔차 네트워크를 결합하여 정확도와 일관성을 동시에 최적화하는 CPRC 기법을 제안합니다. 실험 결과 CPRC는 도메인 외 환경에서도 일관성 오류를 크게 줄이면서 정확도를 향상시키는 성과를 보였습니다.

AI 연구

Can Large Language Model Agents Learn by Watching Tutorial Videos?

인간은 튜토리얼 영상을 통해 지속적으로 지식을 습득하지만, 기존 LLM 에이전트는 학습 후 능력이 고정되어 방대한 영상 자원을 활용하기 어렵습니다. 본 논문은 파라미터 업데이트 없이 영상을 학습하는 비매개변수적 지속 학습 패러다임인 TAL(Tutorial Agentic Learning)을 제안합니다. TAL은 적대적 과정을 통해 영상 기반의 어려운 질문을 생성하고, 이를 통해 구조화된 '튜토리얼북 메모리'를 정교화합니다. 추론 시에는 임베딩 유사도가 아닌 목차(TOC) 트리 구조를 통한 검색을 수행하여 모델의 추론과 검색을 결합합니다. 체스 튜토리얼 기반의 VidLearn 벤치마크 실험 결과, TAL은 기존 MLLM 대비 성능을 크게 향상시켰으며 영상 소비량에 따라 성능이 단조 증가함을 입증했습니다.

AI 연구

Self-Improvement with Auxiliary Rewards: Learning from Verified Traces and Evaluating Transfer

기존의 정답 기반 보상은 결과는 같지만 추론 과정(trace)이 다른 경우를 구분하지 못하는 한계가 있습니다. 본 연구는 제한된 감독 하에서 보조적 궤적 선호도가 소형 언어 모델의 자기 개선 및 전이 학습에 미치는 영향을 연구합니다. 이를 위해 신뢰도 기반(SC) 방식과 전역 엔트로피 변화 및 국소 매끄러움을 결합한 UID-Conj. 방식을 제안합니다. 실험 결과, UID-Conj.는 온라인 적응 및 오프라인 가중 SFT 환경에서 기존 방식보다 우수한 성능 향상을 보였습니다. 결과적으로 보조적 선호도는 추론 시점에는 포착되지 않는 정답 내 학습 가치를 노출할 수 있음을 입증했습니다.

AI 연구

Advancing SVD-based LLM Compression via Layer-Wise Error Model Search

LLM의 연산 비용을 줄이기 위해 SVD 기반 저차원 압축이 활용되고 있으나, 기존 방식은 전역적 랭크 할당의 오차 전파 문제와 Fisher 기반 추정 시 발생하는 랭크 붕괴 현상이라는 한계가 있었습니다. 본 논문에서는 이를 해결하기 위해 LEMS와 KFAC-SVD를 제안합니다. LEMS는 국소적/전역적 중요도와 전파 편향을 통합한 레이어별 오차 대리 모델을 도입하여 ILP(정수 선형 계획법)를 통한 효과적인 랭크 할당을 가능하게 합니다. 또한 KFAC-SVD는 토큰별 통계량을 활용하여 기존 Fisher 방식의 랭크 결핍 문제를 완화합니다. 실험 결과, Mistral, Qwen3, Llama 3 모델군에서 LEMS는 기존 전략 대비 최대 4.8 p.p.의 제로샷 정확도 향상을 보였으며, KFAC-SVD는 평균 15%의 퍼플렉시티 개선을 달로했습니다.

AI 연구

SIMIT: Self-Improving Vision-Language Models via Imagination at Test-Time

기존의 테스트 시점 모델 개선 방식은 추론 시간을 늘리거나 모델의 판단에 의존하여 기존의 오류를 강화하는 문제가 있었습니다. 본 논문은 SIMIT 프레임워크를 제안하여 모델이 정답을 통제할 수 있는 유사한 가상 문제를 스스로 상상하게 합니다. 구체적으로 정답을 먼저 지정한 후 그에 맞는 이미지를 생성하는 방식으로 다양한 (질문, 답변, 이미지) 트리플렛을 합성합니다. 생성된 데이터는 다단계 검증과 난이도 필터링을 거쳐 정제되며, 모델의 확신도에 따라 예산이 적응적으로 할당됩니다. 결과적으로 SIMIT는 인컨텍스트 학습(ICL)과 가중치 미세조정(FT) 모두에서 기존 방식보다 뛰어난 성능 향상을 달성했습니다.

AI 연구

Lab2Sim: Turning Real-World Experiment Videos into Interactive Virtual Experiments

과학 실험 영상은 학습에 유용하지만 학습자가 직접 상호작용할 수 없다는 한계가 있습니다. 이를 가상 실험으로 변환하려면 관찰된 장치와 상태 변화를 재현할 뿐만 아니라 조작의 전제 조건을 강제해야 합니다. 본 논문은 218개의 실험 영상과 정교한 평가 항목을 포함한 Lab2Sim 벤치마크를 소개합니다. 이를 해결하기 위해 실험 절차를 계층적으로 추출하고 상태 머신(State Machine)으로 인코딩하여 코드 생성을 유도하는 EduVideo2Code 프레임워크를 제안합니다. 실험 결과, 기존 멀티모달 모델은 장치 재현에 어려움을 겪었으나 제안 방식은 장치 충실도를 크게 향상시키며 모든 평가 지표에서 우수한 성능을 보였습니다.

AI 연구

TinyAstral: Transferring Self-Evolving Harnesses to Tiny Generalist Manipulation Agents

로봇 에이전트의 성능은 플래너뿐만 아니라 도구, 피드백, 메모리 등을 포함하는 '하네스(Harness)' 환경에 크게 의존합니다. 기존에는 거대 모델의 성능을 소형 모델로 옮기는 데 한계가 있었습니다. 본 논문은 TinyAstral이라는 2단계 접근법을 제안합니다. 먼저 거대 모델을 고정한 상태에서 자기 진화형(RSI) 방식으로 하네스를 개선하고, 이후 이 최적화된 하네스 환경에서 거대 모델의 추론 과정을 소형 모델로 증류(Distillation)합니다. 실험 결과, 4B 크기의 소형 모델이 거대 모델 성능의 대부분을 유지하면서도 추론 비용을 1/5 수준으로 낮추는 데 성공했습니다.

AI 연구

DAMI: Dual-Axis Memory Initialization for Enhanced Long-Context Retrieval in Gated Linear Attention

Linear Attention은 선형 스케일링이 가능하지만, 유한한 상태 메모리로 인해 긴 문맥 검색 성능이 제한되는 문제가 있습니다. Gated Linear Recurrence 모델에서 메모리 유지력은 초기화된 파라미터와 입력 활성화 값에 크게 의존하며, 기존 방식은 이들 사이의 상관관계로 인해 성능 저하가 발생합니다. 이를 해결하기 위해 두 가지 축(Dual-Axis)을 기준으로 파라미터를 설정하는 DAMI 초기화 기법을 제안합니다. DAMI는 헤드별로 서로 다른 시간 척도를 할당하고 레이어별로 입력 민감도를 조절하여 다양한 검색 거리를 확보합니다. 실험 결과, Mamba-2 및 RWKV-7 등 다양한 모델에서 RULER 벤치마크 성능을 크게 향상시켰으며 언어 모델링 성능은 유지했습니다.

AI 연구

Where Do Vision Language Models Fail at 3D Reasoning?

최근 시각-언어 모델(VLM)은 개별적인 판단은 수행할 수 있으나, 3D 객체의 속성을 일관되게 사용하여 복합적인 추론을 수행하는 데 어려움을 겪습니다. 이를 분석하기 위해 절차적 생성 방식을 통한 13가지 태스크로 구성된 벤치마크인 BedBench를 제안합니다. 실험 결과, 색상별 개수 세기와 같은 작업에서 인간과 모델 간의 극심한 성능 격차가 확인되었습니다. 특히 모델이 특정 속성을 인지하더라도 이를 최종 답변에 일관되게 반영하지 못하는 현상이 관찰되었습니다. 연구는 단순 정확도뿐만 아니라 속성의 일관된 사용과 이미지 의존성을 포함한 다각적인 평가가 필요함을 시사합니다.

AI 연구

TaoMate-FVSR:Audio-Guided Facial Video Restoration

AI 생성 영상에서 얼굴 영역은 디테일이 부족하거나 음성과 입 모양이 일치하지 않는 문제가 발생합니다. 기존의 비주얼 슈퍼 레졸루션은 화질은 높일 수 있으나 오디오와의 동기화 문제를 해결하지 못합니다. 본 논문은 참조 가이드 비디오 소식 모델 내에서 오디오 가이드를 활용하는 복원 프레임워크를 제안합니다. 소스-노이즈 혼합 방식과 구조적 참조 주입을 통해 외형 정보와 움직임 맥락을 분리하여 복원합니다. 실험 결과, 제안 모델은 기존 방식 대비 우수한 지각적 유사도와 동기화 점수를 달성했습니다.

AI 연구

Can Coding Agents Sustain Continual Evolution without Forgetting?

최근 에이전트의 성능 향상을 위해 파라미터 수정 없이 환경(Harness)을 진화시키는 방식이 주목받고 있습니다. 그러나 기존 연구는 단일 작업에 국한되어 있어, 여러 작업이 혼재된 실무 환경에서의 지속적 진화 가능성은 미지의 영역이었습니다. 본 논문은 다양한 소프트웨어 엔지니어링 데이터셋을 활용하여 지속적 에이전트 진화 실험을 수행했습니다. 실험 결과, 새로운 작업으로 진화할 때 이전 작업의 성능이 급격히 하락하는 치명적 망각 현상이 관찰되었습니다. 연구진은 이러한 현상을 바탕으로 지속 가능한 에이전트 진화를 위한 통찰을 제공합니다.

AI 연구

ProVe: Proposer-Verifier Decoding

기존의 Speculative Decoding은 작은 모델이 초안을 작성하고 큰 모델이 검증하는 방식이었으나, 이는 모델 간 크기 차이로 인해 효율성에 한계가 있었습니다. 본 논문은 역할을 반전시켜 대형 모델이 미래 토큰 블록을 한 번에 예측하는 Proposer 역할을 수행하도록 미세 조정합니다. 이후 별도의 Verifier를 통해 제안된 블록을 검증하는 ProVe 방식을 제안합니다. 실험 결과, ProVe-lossless 방식은 별도의 드래프트 헤드 학습 없이도 높은 처리량을 달ек하며, 작은 Verifier를 사용할 경우 속도와 정확도 사이의 효율적인 트레이드오프를 제공합니다.

AI 연구

When Morphs Look Better: Face Image Quality as a Training-Free Signal for Morphing Attack Detection

얼굴 이미지 품질 평가(FIQA)는 자동 얼굴 인식의 유용성을 측정하며, 별도의 학습 없이 모핑 공격 탐지(MAD) 신호로 활용될 수 있습니다. 본 연구는 20개의 모핑 공격 데이터셋(FRLL, FEI 포함)을 대상으로 17가지 FIQA 방법론을 평가했습니다. 기존 연구와 달리 점수 방향을 임의로 뒤집지 않고 정의된 방향을 유지하며 모핑 공격과 실물 이미지 간의 품질 차이를 분석했습니다. 실험 결과, 특정 FIQA 방법론들이 우수한 탐지 성능을 보였으나 공격 방식에 따라 성능 편차가 크게 나타났습니다. 또한, 품질 점수 차이가 크다고 해서 반드시 탐지 성능이 높지는 않다는 점을 확인했습니다.

30건

제품/서비스

이날 공개된 제품과 도구

제품/서비스

AgentKit by Scalekit

600개 이상의 앱과 3만 개 이상의 도구를 안전하게 연결하는 AI 에이전트용 MCP 게이트웨이

제품/서비스

Teamily AI

사람과 AI 에이전트가 협업하여 업무를 완수하는 차세대 AI 네이티브 메신저

제품/서비스

Testifly

프롬프트 입력 없이 웹 앱 연결만으로 테스트를 자동화하는 AI QA 솔루션

제품/서비스

Synter Canvas

30개 이상의 광고 플랫폼을 관리하는 AI 자동화 에이전트

제품/서비스

Videco

AI를 활용해 긴 영상을 브랜드 맞춤형 숏폼 콘텐츠로 변환하고 호스팅까지 해결하는 올인원 워크스페이스

나머지 25건 펼쳐보기

제품/서비스

Calendarly

아이폰 잠금화면에서 일정과 할 일을 한눈에 확인하는 자동화 도구

제품/서비스

MachineMail

AI 에이전트를 위한 신뢰 기반의 실시간 이메일 수신 및 발신 솔루션

제품/서비스

LifeVal

일상적인 실무 수행 능력을 검증하기 위한 OpenAI의 새로운 AI 벤치마크

제품/서비스

Hookdeck Inspect

계정 생성 없이 즉시 사용 가능한 무료 웹훅 테스트 및 디버깅 도구

제품/서비스

People Search by Context.dev

자연어로 원하는 인재 조건을 입력하여 맞춤형 프로필을 찾는 인재 검색 API

제품/서비스

Wavefunction

개인용 Mac을 위한 미니멀하고 강력한 오픈소스 코딩 에이전트

제품/서비스

Prism

AI 에이전트를 통해 설계부터 검증까지 통합하는 하드웨어 엔지니어링 전용 AI 플랫폼

제품/서비스

PowerShips

클래스별 특수 능력을 활용하는 전략적 함대 전투 게임

제품/서비스

Flockbay

Godot 엔진 내에서 AI 에이전트가 직접 코드를 작성하고 테스트까지 수행하는 자동화 게임 제작 도구

제품/서비스

nana

Windows 환경에서 여러 코딩 에이전트를 동시에 관리할 수 있는 네이티브 터미널 멀티플렉서

제품/서비스

Infino AI

데이터 복제 없이 Parquet 파일 하나로 키워드, 벡터, SQL 검색을 통합 제공하는 AI 에이전트용 검색 엔진

제품/서비스

Brink

맥북 트랙패드 가장자리를 활용해 직관적인 컨트롤을 제공하는 macOS 메뉴 바 앱

제품/서비스

BRCKS Chat

현장별 전용 채팅과 관리 기능을 결합하여 건설 프로젝트의 기록을 완벽하게 보존하는 협업 앱

제품/서비스

IQ

팀의 AI 사용량과 비용을 한눈에 관리하고 제어하는 통합 대시보드

제품/서비스

kwant

상호 검증을 통해 작업의 신뢰도를 높이는 오픈소스 AI 에이전트 팀

제품/서비스

Corvo

자동 정리와 보안 기능이 결합된 차세대 이메일 수신함

제품/서비스

SUN Web & API

텍스트나 PDF를 고품질 오디오 콘텐츠로 변환하는 웹 및 API 서비스

제품/서비스

One Roof

여러 AI 에이전트의 코딩 작업을 한곳에서 관리하고 제어하는 통합 터미널 환경

제품/서비스

Scrawl

화면 녹화, 음성, 클릭, 드로잉을 하나의 프레임으로 압축해 AI 코딩 에이전트에게 전달하는 도구

제품/서비스

Beamfy

시각 장애인을 위한 실시간 AI 시각 보조 및 안전 가이드

제품/서비스

NEXUPIRA

단순한 채팅을 넘어 실질적인 업무 결과물을 만들어내는 AI 팀원 서비스

제품/서비스

Remote Gaze

중간 서버 없이 Mac 화면을 iPad와 iPhone에서 고해상도로 제어하는 보안 원격 접속 솔루션

제품/서비스

MagicaLCore

코딩 없이 iPad에서 직접 6가지 머신러닝 모델을 학습시키고 내보낼 수 있는 도구

제품/서비스

Oreja de Van Gogh

ChatGPT 음성 답변 시 Apple Music을 자동으로 조절해주는 macOS 메뉴 바 앱

제품/서비스

Akema

데이터 저장 없이 실시간으로 Kafka 메시지를 검사하고 분석하는 읽기 전용 도구

6건

모델/벤치마크

새 모델과 주요 평가 결과

HF Model Trending

LiquidAI/LFM3-1.7B

LiquidAI에서 공개한 1.7B 규모의 text-generation 모델인 LFM3-1.7B가 높은 다운로드 수를 기록하며 주목받고 있습니다. 약 1.7B 파라미터를 가진 소형 모델임에도 불구하고 활발한 사용자 유입을 보여주고 있습니다.

HF Model Trending

mistralai/Mistral-Large-4-1T-A52B

Mistral AI에서 공개한 Mistral-Large-4-1T-A52B 모델이 Hugging Face에서 주목받고 있습니다. 이 모델은 이미지와 텍스트를 동시에 처리하는 image-text-to-text 파이프라인을 지원합니다.

HF Model Trending

baidu/Unlimited-OCR-2

Baidu에서 공개한 Unlimited-OCR-2 모델이 Hugging Face에서 높은 다운로드 수를 기록하며 주목받고 있습니다. 이 모델은 image-text-to-text 파이프라인을 지원하는 OCR 특화 모델입니다.

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.