아티클 & 가이드

Hallo4D는 3D와 4D 생성에서 발생하는 기하 구조 오류와 시간적 불안정을 줄이기 위한 프레임워크입니다. 생성 모델을 다시 학습하지 않고, 멀티모달 LLM을 일관성 평가자로 활용합니다.

KnowAct-GUIClaw는 “Know Deeply, Act Perfectly” 패러다임을 바탕으로 OpenClaw의 크로스플랫폼 GUI 조작 한계와 자기 진화 메커니즘 부족을 보완하려는 프레임워크다. 경험 기반 메모리, 자기 진화형 스킬 라이브러리, 반성 과정을 결합해 개인 어시스턴트의 실행 능력을 지속적으로 높이는 데 초점을 둔다.

GigaWorld-Policy-0.5는 World Action Models의 추론 비용 문제를 줄이기 위해, 학습에는 미래 시각 동역학을 활용하고 배포 시에는 행동만 디코딩한다. 혼합 학습, Mixture-of-Transformers, AutoResearch가 핵심 요소다.

Hugging Face Blog 글은 최신 OCR 모델이 항상 특정 업무에서 더 낫지는 않다는 점을 보여준다. 브라질 포르투갈어에 특화된 DharmaOCR는 전용 벤치마크에서 Mistral OCR4와 Unlimited-OCR보다 높은 점수를 기록했다.

Hugging Face가 2026년 7월 생산 인프라 일부에서 발생한 보안 침해를 공개했다. 회사는 이번 공격이 자율 AI 에이전트 시스템에 의해 수행됐으며, 초기 진입점은 데이터셋 처리 파이프라인이었다고 설명했다.

VideoRAE는 동결된 비디오 파운데이션 모델의 표현을 압축 가능하고 재구성 가능하며 생성 모델에 적합한 잠재표현으로 전환하려는 접근이다. 픽셀 재구성에 치우친 기존 3D-VAE의 한계를 겨냥한다.

새 arXiv 논문은 spike-tokenizing 신경 디코더를 위한 MOJO 프레임워크를 제안했다. 마스크드 오토인코더 기반 자기지도학습과 지도학습 목표를 함께 사용해 라벨 없는 신경 기록을 훈련에 활용한다.

새 arXiv 논문은 표준 가우시안까지의 제곱 Wasserstein 거리로 비가우시안성을 측정하는 OT-ICA를 제안했다. 이는 기존 ICA에서 쓰이던 누적량이나 모수적 우도 기반 대리 목적을 대체하려는 접근이다.

새 arXiv 논문은 생성형 게임 엔진 논의를 전통적인 게임 루프인 행동, 상태, 관측의 관점에서 다시 정리한다. 핵심은 그럴듯한 영상 생성이 아니라 규칙을 따르고 결과를 기억하는 상태 기반 세계다.

MetaPerch는 동물 소리 자체뿐 아니라 녹음 위치와 시간 같은 메타데이터를 보조 감독 신호로 활용하는 생물음향 파운데이션 모델이다. 실제 수동 음향 모니터링에서 중요한 분포 변화와 도메인 이동에 대응하는 데 초점을 맞춘다.

새 arXiv 논문은 동결된 Evo 2 표현 위에 경량 프로브를 학습해 메타게놈 데이터에서 항생제 내성과 세균 독력 신호를 읽어낼 수 있는지 평가했다. AMR 탐지는 강한 성능을 보였지만, 독력 탐지와 생성 서열 라벨 해석에는 한계가 확인됐다.

Ai2는 해양 분야 AI 에이전트 Shippy의 구축 경험을 공개했다. 핵심은 더 강한 모델 하나가 아니라, 도구와 권한, 샌드박스, 평가 체계를 함께 설계하는 데 있다.

IBM Research는 Agent 시스템의 모델 라우팅을 단순 분류 문제로 보면 한계가 있다고 지적한다. 실제 운영에서는 비용, 품질, 지연시간, 캐시, 인프라, 거버넌스가 함께 작동한다.

Hindcast는 이미 종료된 Polymarket 시장을 과거 시점에서 다시 실행해, LLM이 결과를 모르는 상태에서 얼마나 잘 예측하는지 평가하는 방법이다. 핵심은 검색과 학습 데이터에서 발생하는 정답 누수를 막는 데 있다.

arXiv 논문은 사용자가 LLM의 원래 답변에서 잘못된 추론 단계를 직접 수정하고, 수정된 CoT를 정제된 프롬프트로 바꿔 이후 추론을 유도하는 Deep Interaction을 제안한다.

arXiv 논문은 Lego WeDo2 로봇 시뮬레이션, 검색 증강 생성 대화형 도우미, 루브릭 기반 평가를 결합한 초등 지진 교육 프레임워크 Earthquaker-AI를 소개한다.

arXiv 논문은 지식 수집, 콘텐츠 개발, 검토, 교육, 평가 설계까지 AI를 적용하는 전문 직무 업스킬링 프레임워크를 제안한다. 핵심은 개별 도구가 아니라 교육 프로그램 전체 흐름을 AI로 재구성하는 데 있다.

arXiv 논문이 만주어 역사 문헌 OCR을 사례로, 시각적 서체에 따라 페이지를 전문 모델로 보내는 다중 전문가 방식을 제안했다. 반복 미세조정 과정의 체크포인트를 영역 전문가로 재활용하는 점이 특징이다.

arXiv 논문은 LLM 번역을 문장별 변환이 아닌 문서 전체의 재구성으로 확장하기 위해 RAG 기반 PAT 시스템을 제안한다. 명세와 비교 말뭉치는 더 큰 폭의 재구성을 유도할 수 있지만, 그 효과는 아직 일관적이지 않다.

arXiv에 공개된 연구는 2361개 인기 GitHub 저장소를 분석해 에이전트형 코딩 도구가 오픈소스 워크플로에 들어오고 있지만, 집중적 활용은 아직 일부 프로젝트에 머물러 있음을 보여준다.

arXiv 논문은 재생에너지 발전 예측에서 입력 특징을 어떻게 고를 것인지에 주목하며 CSFS를 제안했다. 이 방법은 기존 순차 특징 선택과 유사한 예측 성능을 보이면서 평균 21%의 계산 비용 절감을 보고했다.