AI 연구팀이 선형 어텐션 아키텍처를 자율적으로 발견하는 방법
서로 다른 전문 배경을 가진 지속형 AI 에이전트로 연구팀을 구성해 선형 어텐션 아키텍처를 탐색하는 연구가 소개됐다. 개인별 연구 기록과 적응형 실험 배분이 제한된 예산에서의 발견 성과를 좌우하는 것으로 나타났다.
더 보기Claude API 중계소 가이드, 검출 원리, LLM API 실측 노하우
총 2320개의 아티클
RSS 구독서로 다른 전문 배경을 가진 지속형 AI 에이전트로 연구팀을 구성해 선형 어텐션 아키텍처를 탐색하는 연구가 소개됐다. 개인별 연구 기록과 적응형 실험 배분이 제한된 예산에서의 발견 성과를 좌우하는 것으로 나타났다.
더 보기StreamEval은 아바타, 생성형 월드, 영상 편집을 아우르는 인터랙티브 스트리밍 영상 생성 평가 기준을 제시했습니다. 높은 화질과 정체성 보존만으로는 지속적으로 들어오는 요청을 정확히 실행한다고 볼 수 없다는 결과가 나왔습니다.
더 보기Ropedia W0는 인간과 로봇의 시점 데이터를 학습해 이동과 조작을 함께 모델링하는 체화 지능용 세계 기반 모델이다. 카메라 자세와 투영 골격을 공통 표현으로 사용해 서로 다른 로봇 신체 사이의 전이를 시도한다.
더 보기Matrix-Game 4.0은 게임 엔진이 상태와 규칙을 관리하고 동영상 모델이 세밀한 화면을 생성하도록 역할을 분리한다. 논문은 단일 RTX 5090에서 480p·60FPS의 상호작용 경험을 구현했다고 보고한다.
더 보기Video-Point Model(VPM)은 여러 카메라의 영상 이력으로부터 미래 영상과 지속적인 장면 점의 3D 궤적을 함께 예측한다. 점 궤적을 학습 신호로 활용해 카메라별 예측을 하나의 공유된 3차원 운동과 정렬하는 접근이다.
더 보기Agent S4는 컴퓨터 사용 에이전트의 한계가 모델 성능뿐 아니라 인간 중심으로 설계된 인터페이스에도 있다고 본다. 작업 궤적과 집단 진화를 활용해 에이전트에 더 적합한 인터페이스와 사용 지식을 자동으로 구축한다.
더 보기Specter는 양자화한 경량 초안 모델과 다단계 추측 디코딩을 결합해 다음 추론 단계에서 필요한 MoE 전문가를 미리 예측합니다. 이를 바탕으로 전문가 전송을 앞당겨 PCIe 대기 시간을 줄이는 방식입니다.
더 보기Épi는 연구 기록을 저장하고 모델 세션이 바뀌어도 실험을 이어가며, 축적된 경험으로 연구 방법을 개선하는 자율 연구 시스템입니다. 수학적 경계, 컴퓨터 보조 증명, 최적화 솔버 생성까지 적용 범위를 확장했습니다.
더 보기EdgeKernelBench는 통합 중간 표현과 계층형 작업 구성을 통해 이기종 엣지 백엔드에서 LLM이 생성한 커널을 평가한다. 기능적으로 맞는 코드와 실제로 빠른 코드 사이의 간극을 보여주며, LEKA는 계층적 최적화로 성능을 높인다.
더 보기ASAP는 사전학습된 기반 모델을 챗봇형 에이전트로 바꾸지 않고도 소프트웨어 개발과 심층 연구 과제에서의 실제 행동을 엔드투엔드로 평가하는 프레임워크다.
더 보기생성 영상은 그럴듯해 보여도 물체의 크기와 움직임, 접촉 관계가 물리 법칙을 위반할 수 있습니다. PVBench는 객체 수준의 측정을 활용해 이러한 오류를 체계적으로 평가하는 벤치마크를 제안합니다.
더 보기DecisionPivot은 라우팅, 가드레일, 출력 검증에 사용되는 LLM 의사결정 모델을 진단하는 벤치마크입니다. 통제된 입력 변화에 일관되게 반응하는지와 모델의 확신도가 실제 신뢰성을 반영하는지를 함께 평가합니다.
더 보기‘Correction Training for Diffusion Models’는 기본 디노이저의 예측을 추가로 다듬는 보정기를 제안한다. 학습과 추론 사이의 입력 분포 차이를 줄이고, 가이던스 없는 생성 품질을 높이는 것이 핵심이다.
더 보기FlowState는 매번 전체 대화 기록을 다시 불러오는 대신, 의미 유형이 부여된 실행 상태와 원본 도구 관측값에 대한 참조를 저장합니다. 필요한 과거 정보만 단계적으로 가져와 장기 작업 성능과 토큰 효율을 함께 개선합니다.
더 보기Lean은 생성된 선언의 문법과 타입을 검증하지만, 그것이 사용자가 의도한 정리를 표현하는지까지 판단하지는 못합니다. 새로운 연구는 표준 Lean 정답이 없는 환경에서 형식화의 의미적 충실도를 측정했습니다.
더 보기λ₀ 프로젝트가 1인칭 영상과 동기화된 신체·손 동작을 결합한 HumanVerse 데이터셋을 공개했다. 인간의 전신 행동을 로봇 제어에 맞춰 정렬해 대규모 전신 이동 조작 학습을 시도한다.
더 보기스크린샷, 오디오, 비디오, 상호작용 기록, 디바이스 상태를 매 단계 모두 제공한다고 해서 GUI 에이전트가 더 똑똑해지는 것은 아닙니다. FocusGUI는 현재 행동에 필요한 증거를 동적으로 골라 기반 모델을 미세 조정하지 않고도 주의를 유도합니다.
더 보기MMEnterprise-Bench는 수정과 업데이트, 상충하는 내용이 반복해서 발생하는 업무 기록을 바탕으로 멀티모달 에이전트를 평가한다. 검색 증거를 늘리는 것만으로는 답변의 신뢰성이 보장되지 않는다는 결과를 보여준다.
더 보기MemT-1.0은 긴 프롬프트나 외부 검색에만 의존하지 않고 메모리를 모델의 계산 과정에 직접 통합하는 아키텍처를 제안한다. 긴 대화 이력을 처리할 때 추론 속도와 영구 저장 비용을 낮추는 것이 핵심이다.
더 보기장기 작업에서는 개별 단계가 모두 맞아도 증거와 의사결정, 결과물 사이의 연결이 끊기면 최종 결과가 불완전해진다. Interlock은 작업 완료 그래프로 이러한 의존성을 표현하고 검증된 실행 궤적을 학습에 활용한다.
더 보기RoboValue는 시뮬레이션과 실제 조작 작업을 함께 사용해 로봇 가치 모델의 판단을 세밀하게 평가하는 벤치마크입니다. 최종 성공 여부뿐 아니라 실행 중 진행 상황과 실패 회복까지 점검합니다.
더 보기