NVIDIA Nemotron 3.5, 프롬프트로 조정하는 다국어 음성 모델
NVIDIA의 Nemotron 3.5 Transcribe는 음성 전사, 화자 식별, 번역, 오디오 질의응답을 하나의 오픈 웨이트 모델에 통합했다. Granary v2와 NeMo Speech 도구를 사용하면 전문 용어와 억양에 맞춘 추가 학습도 가능하다.
더 보기Claude API 중계소 가이드, 검출 원리, LLM API 실측 노하우
총 2275개의 아티클
RSS 구독NVIDIA의 Nemotron 3.5 Transcribe는 음성 전사, 화자 식별, 번역, 오디오 질의응답을 하나의 오픈 웨이트 모델에 통합했다. Granary v2와 NeMo Speech 도구를 사용하면 전문 용어와 억양에 맞춘 추가 학습도 가능하다.
더 보기RSI Arena는 AI 에이전트가 언어 모델의 추가 학습을 자율적으로 수행하고 인간 선호 피드백을 활용해 다시 개선할 수 있는지 조사했습니다. 선호도는 대체로 높아졌지만, 벤치마크 성능과 안전성이 함께 개선되지는 않았습니다.
더 보기장기 에이전트에 메모리 계층을 추가한다고 해서 원시 이력을 직접 검색하는 단순 RAG보다 항상 좋아지는 것은 아닙니다. 새로운 연구는 메모리의 이익과 정보 손실을 분리해 순가치를 평가합니다.
더 보기추론 노력 수준을 비교한 연구는 더 많은 계산이 개별 문제의 성능을 안정적으로 높이지 않는다는 점을 보여준다. 낮은 비용으로 시작한 뒤 검증된 실패가 발생할 때만 수준을 높이는 방식이 비용 효율적인 대안으로 제시됐다.
더 보기RynnWorld-Latent는 RynnLAM의 3D 기반 잠재 행동을 공통 인터페이스로 사용해 인간 영상, 로봇 시연, 시뮬레이션 데이터를 함께 학습하는 비디오 월드 모델입니다. 디지털 원격조작과 잠재 행동 합성을 통해 로봇 정책 학습용 데이터도 생성합니다.
더 보기Omni-InteractScope는 연속적인 시청각 스트림을 관찰하면서 멀티모달 모델이 적절한 시점에 개입할 수 있는지 평가한다. 실험 결과, 적시 도구 호출과 질문 없는 알림, 지속적인 안내 모두 아직 불안정한 것으로 나타났다.
더 보기실제 코딩 에이전트 워크플로를 분석한 회고 연구는 그럴듯한 텍스트를 생성하는 것과 작동하는 소프트웨어를 납품하는 것이 다르다는 점을 보여준다. 도구 호출, 출력 계약, 캐시, 독립 검증이 실용성을 좌우했다.
더 보기대화형 에이전트는 각 문장이 자연스럽고 사실처럼 보여도 사용자가 원하는 작업 절차에서 벗어날 수 있습니다. DialFork는 이런 절차적 이탈을 측정하기 위한 벤치마크를 제시합니다.
더 보기도구를 사용하는 AI 에이전트의 품질은 기반 모델뿐 아니라 결과물을 언제, 누가, 어떻게 검증하는지에 따라 달라집니다. 새로운 연구는 독립적인 비평 모델이 정확도와 비용의 균형에서 유력한 선택임을 보여줍니다.
더 보기제약 디코딩은 추론 공간을 줄이기 때문에 성능을 떨어뜨린다고 여겨져 왔습니다. 그러나 이 연구는 결과가 제약의 존재보다 어떤 출력 경로를 제거하느냐에 달려 있다고 설명합니다.
더 보기AgentProofBench는 고정된 승인 규칙의 검증 결과와 이후 웹 에이전트 실행을 연결하는 벤치마크입니다. 검증기의 오류가 실제 작업 전달과 정책 선택에 어떤 영향을 주는지 측정합니다.
더 보기CRM-Agent-Bench는 그럴듯한 답변이 아니라 업무 절차를 실제로 올바르게 완료하는지를 평가한다. 555개의 상태 유지형 다중 턴 과제로 결과, 실행 경로, 운영성, 정책 준수를 함께 측정한다.
더 보기Δτ-Bench는 고정된 도구 목록이 아니라 지속적으로 변화하는 도구 생태계 속에서 에이전트를 평가한다. 평가된 모델이나 하네스 중 가장 강한 시스템도 작업 성공률 42.3%에 그쳤다.
더 보기Raspberry Pi 5에서 완전 로컬 RAG를 구동하며 검색 게이트, 출력 검증, 서명된 지식 팩을 시험한 연구입니다. 무결성 검증은 변조를 막지만 지식의 진실성까지 보장하지는 못했습니다.
더 보기EmbodiedLab는 로봇이 지정된 상태를 만드는 데서 그치지 않고, 물리적 상호작용을 통해 사전에 알 수 없는 결과를 발견하는지 평가한다. 에이전트는 실험 절차를 직접 정하고 장치를 조작하며 측정값으로 결론을 도출해야 한다.
더 보기로봇 조작 영상에는 과정이 담겨 있어도 작업이 성공했는지 알려주는 라벨이 없는 경우가 많습니다. RoboJev-27B는 작업 지시와 영상 프레임을 바탕으로 성공 또는 실패를 추정하는 오픈 웨이트 비전언어 모델입니다.
더 보기StreamVibe는 사용자가 명시적으로 요청하지 않은 의도를 연속적인 영상 관찰에서 추론하고, 적절한 순간에 도움을 제공하는 비디오 에이전트를 다룹니다. 연구진은 벤치마크와 스트리밍 비전-언어 모델, 계층형 메모리를 함께 제안했습니다.
더 보기AV-FABLE은 대부분 진짜인 장편 영상에 짧게 삽입된 음성 및 시각 조작을 모달리티별로 찾아내기 위한 벤치마크입니다. NFSR은 음성과 영상을 별도의 시간 디코더로 읽어 멀티모달 모델 내부 표현에 담긴 포렌식 신호를 활용합니다.
더 보기DynaFlow는 실행 가능한 워크플로 생성 기능을 메인 에이전트의 행동 공간에 포함해, 과제에 따라 협업 여부와 하위 에이전트의 실행 방식을 결정하도록 한다.
더 보기InteractiveWorld는 웨어러블 AI 비서와 인간의 폐루프 협업을 평가하는 인간 중심 시뮬레이션 환경입니다. 함께 제시된 벤치마크는 현재 멀티모달 모델이 장기적인 실시간 안내에서 여전히 취약하다는 점을 보여줍니다.
더 보기Continual Learning Exam은 단일 과제의 성공 여부를 넘어, LLM 에이전트가 경험을 축적하고 이후 업무에 재사용할 수 있는지를 평가한다. 가장 뛰어난 구성도 전체 레벨의 절반 이하만 통과했다.
더 보기