AI 과학 연구

BaguanHR는 저해상도 예보 모델을 직접 미세 조정하는 대신, 변수별 초해상도로 재분석 데이터를 0.1도 학습 데이터로 확장합니다. 연구 결과는 고해상도 예보에서 데이터 규모가 핵심 병목임을 보여줍니다.

앤트로픽이 AI 에이전트와 실험 장비, 로봇을 연결하기 위한 ‘Model Hardware Standard(MHS)’ 연구 프리뷰를 공개했다. 우선 과학 연구 환경에서 서로 다른 제조사의 장비를 하나의 인터페이스로 묶는 데 초점을 맞춘다.

Station은 서로 다른 모델 계열의 AI 에이전트가 고정된 연구 절차나 중앙 조정자 없이 수학 문제를 함께 탐구하는 오픈월드 환경이다. 논문은 여러 구성 문제에서 기존 문헌 대비 새로운 결과를 보고하고, 대화 기록과 증명, 검증 코드도 공개했다.

RIBOSPAN은 최대 10,240개 뉴클레오타이드의 문맥으로 사전학습한 16억 1천만 파라미터 양방향 RNA 파운데이션 모델입니다. 연구진은 짧은 문맥 모델을 추론 단계에서 확장하는 방식보다 네이티브 장문맥 학습이 전체 전사체 표현에 더 안정적일 수 있음을 보였습니다.

AutoResearch는 연구 아이디어 생성과 실험 실행을 연결하는 2단계 자율 연구 시스템입니다. 다중 모델 교차 검토, 실험 진단, 독립적인 증거 검토를 통해 신뢰하기 어려운 연구 결론을 줄이려 합니다.

런던 스타트업 Inherent는 자사의 연구 에이전트 Faraday가 출판 논문의 결과를 독립적으로 재현하는 과제에서 Anthropic과 OpenAI의 대형 모델을 앞섰다고 밝혔다. 핵심은 단순한 성능 경쟁보다 AI에 연구 판단력을 학습시키려는 접근이다.

새 연구는 단일 단계 역합성에 Top-K 프롬프트와 학습 방식을 적용해 화학적으로 타당한 여러 반응 후보를 생성하도록 했다. 약 4,560만 건의 검증 반응으로 학습한 C3LM은 OOD URSA-expert-2026 벤치마크에서 강한 경쟁력을 보였다.

OmniScientist는 텍스트나 사전 계산된 특징에만 의존하지 않고 다양한 원시 데이터를 직접 다루는 엔드투엔드 AI 과학자 시스템입니다. 지각부터 연구 아이디어, 실험, 논문 작성까지 하나의 파이프라인으로 연결합니다.

MathForm은 Mathlib 지식 검색, 컴파일러 진단, 의미 일관성 피드백을 결합해 수학 문장을 단계적으로 수정한다. 약 367K개의 검증된 Lean 4 예제로 학습한 8B 모델은 여러 전용 32B 모델을 앞선 것으로 보고됐다.

「Personalized Auto-Research」는 진정한 AI 공동 과학자가 되려면 연구자의 선행 연구, 방법론, 협업 관계와 연구 커뮤니티를 이해해야 한다고 주장한다.

FAR는 전문가가 하나의 문제를 미리 지정하는 대신 연구 방향을 제시하면, 문헌 검색과 모델의 시도, 자동 선별을 거쳐 검토할 만한 수학 문제를 추천한다. 조합론 파일럿은 제한된 전문가 시간을 더 유망한 후보에 집중할 가능성을 보여준다.

Large Discovery Model은 생성 모델과 베이지안 비모수 보상 대리 모델을 결합해 후보를 만드는 데서 그치지 않고 불확실성을 고려해 다음 탐색 방향을 결정한다.

DeepMind 연구진을 포함한 연구팀이 조합 손실 분석의 핵심 최적화 문제를 재정식화하고, 머신러닝 기반 최적화와 AlphaEvolve를 결합했습니다. 그 결과 행렬 곱셈 지수의 기존 상한 2.371339가 2.371177로 낮아졌습니다.

CADENA는 3D 메시를 편집 가능한 파라메트릭 CAD 프로그램으로 재구성하면서, 각 단계의 결과 형상을 확인해 다음 작업을 결정한다. 연구진은 실제 기계 부품을 평가하기 위한 CADENA-Bench도 함께 공개했다.

EMBL AI Librarian은 Europe PMC를 AI 에이전트가 쓰기 쉬운 자연어 기반 증거 검색 인터페이스로 바꾸려는 시도다. 단순한 논문 목록 대신 질문에 답하는 데 필요한 문헌 근거 조각을 제공한다.

Anthropic이 미공개 Claude Mythos 모델을 암호분석에 활용해 HAWK와 축소 라운드 AES 관련 결과를 냈다고 전해졌다. 이는 AI가 암호를 깼다는 선언이라기보다, 전문 연구 과정에 AI가 더 깊이 들어오고 있음을 보여주는 사례다.

보도에 따르면 DeepMind의 기존 AlphaFold 팀은 더 이상 독립 조직으로 운영되지 않는다. 구성원들은 Gemini, AI 코딩, 생명과학, 핵융합, Isomorphic Labs 등으로 이동했고 일부 핵심 연구자는 Anthropic에 합류했다.

Anthropic의 보안 모델 Mythos가 양자내성 서명 후보 HAWK의 중대한 약점 발견을 도왔다. 실제 배포 암호가 깨진 것은 아니지만, AI가 암호분석 연구의 속도를 바꿀 수 있음을 보여준다.

OpenAI가 학술 연구자 10만 명에게 ChatGPT의 가장 발전된 AI 모델을 무료로 제공한다고 밝혔다. 과학 연구와 협업, 발견을 가속하려는 AI for Science 전략의 일환으로 볼 수 있다.

Anthropic은 Claude Mythos Preview가 후양자 서명 후보 HAWK에 대한 공격을 개선하고, 라운드가 줄어든 AES 변형에 대한 더 빠른 공격 경로를 찾았다고 밝혔다. 현재 운영 시스템에는 영향이 없지만, AI가 암호분석 연구의 핵심 도구가 될 가능성을 보여준다.

IDEAgent는 LLM 기반 연구 아이디어 생성에서 품질과 다양성을 따로 최적화하는 한계를 겨냥한다. 다중 에이전트 구조와 아이디어 계보, Yield 지표를 통해 유용하면서도 서로 다른 연구 후보군을 만드는 데 초점을 둔다.