아티클 & 가이드

RSI-Anything은 예측형 세계 모델을 활용해 행동과 학습 데이터를 선택하고, AI 정책과 워크플로를 지속적으로 개선하는 프레임워크입니다. 코드 수정, GUI 작업, 실험 계획, 반응 최적화 등에서 평가됐습니다.

SoloQ는 보정 데이터 없이 확산 언어 모델의 가중치와 활성값을 저비트로 양자화하는 프레임워크입니다. 구조화 회전, 재스케일링, KV 캐시 압축을 결합해 4비트와 NVFP4 기반 추론 효율을 높이는 것을 목표로 합니다.

SoftwareGym은 실행 가능한 GUI 애플리케이션을 자동으로 만들고 실제 화면 조작으로 검증하는 파이프라인입니다. 이 환경에서 수집한 궤적을 활용해 컴퓨터 사용 에이전트의 도메인 외 성능 향상을 확인했습니다.

Reflex는 1인칭 RGB-D 영상에서 날아오는 상자의 움직임을 추정하고, 팔뿐 아니라 몸통과 다리까지 협응해 상자를 받도록 하는 프레임워크입니다. 시뮬레이션에서 85.7%의 성공률을 기록했으며 실제 Unitree G1에서도 테스트됐습니다.

ProgramGym은 검증 가능한 실행 환경과 역할 분리형 개발 워크플로를 결합해, 참고 프로그램을 탐색한 뒤 처음부터 재현하는 코딩 에이전트를 지원한다.

KlingAI Research가 프롬프트별 보상 개선 방향을 집계하고 모델 드리프트에 맞춰 복원하는 DiffusionART를 제안했습니다. 이미지와 영상 생성 실험에서 경쟁 방법과 비슷하거나 더 높은 보상 수준에 훨씬 적은 GPU 시간으로 도달했다고 보고했습니다.

화웨이 노아의 방주 연구실 등이 개발한 Memento 3는 모델 가중치를 갱신하거나 게임별 미세조정을 하지 않고 ARC-AGI-3의 25개 게임과 183개 레벨을 모두 통과했다. 발견한 규칙을 실행 가능한 세계 모델로 바꾸고 계속 검증한 것이 핵심이다.

Elastic Latent Recurrence(ELR)는 같은 언어 모델을 적은 루프에서는 빠르게, 많은 루프에서는 더 높은 품질로 실행하도록 만드는 학습 방법입니다. 기존 순환형 모델의 ‘1회 루프 성능 손실’을 줄이는 것이 핵심입니다.

SpireBench는 상용 게임 ‘Slay the Spire’ 전체를 활용해 언어 모델 에이전트의 장기 전략 능력을 평가한다. 최신 모델은 평균적인 인간 플레이어에 근접했지만, 게임이 길어질수록 전문가와의 격차가 커졌다.

자기회귀 비디오 확산 모델은 긴 영상을 생성할수록 어텐션 KV 캐시가 커져 메모리 부담이 증가합니다. CORAL-KV는 캐시 계층 간 의존성을 활용해 이후 키와 값을 예측하고, 예측 잔차만 양자화합니다.

vLLM이 Prefill-Decode 분리 구조에 양방향 KV 전송을 도입해, 다음 대화 턴에서 Prefill 노드가 Decode 노드에 남아 있는 컨텍스트를 재사용할 수 있게 됐다. 보고된 장문 멀티턴 벤치마크에서 TTFT는 최대 3.3배 개선됐다.

허카이밍 팀이 기존 멀티모달 모델이 과거의 시각 정보를 필요할 때 다시 확인할 수 있도록 하는 시각 네이티브 Harness VISTA를 제안했다. 기반 모델을 추가 학습하지 않고 원본 화면을 저장하고 검색하는 방식이다.

GPT-4o가 ChatGPT에서 사라진 지 약 8개월이 지났지만, 모델을 보존하거나 아카이브하고 가중치를 공개하라는 움직임은 계속되고 있다. 지지자들이 그리워하는 것은 성능뿐 아니라 자연스럽고 따뜻한 대화 경험이다.

사티아 나델라 마이크로소프트 CEO는 고도화된 AI를 내부를 확인할 수 없는 블랙박스로만 다뤄서는 안 된다고 말했다. 모델은 처음부터 격리·관찰하고, 사람이 실행 중 언제든 중단할 수 있도록 설계해야 한다는 주장이다.

마이크로소프트의 사티아 나델라 CEO는 AI를 추천과 답변을 단순히 수용하거나 거부하는 블랙박스로 다뤄서는 안 된다고 말했다. 모델 외부의 통제 장치, 감사 가능한 기록, 인간의 즉시 중지 권한이 필요하다는 주장이다.

애플이 개인화 오디오 스타트업 Huxe의 일부 직원에게 고용을 제안하고 지식재산의 비독점 라이선스를 받는 계약을 유럽연합 집행위원회에 공개했다. AI 팟캐스트 진출 가능성을 보여주는 움직임이지만 구체적인 제품 계획은 확인되지 않았다.

샤오미가 MiMo-V2.6의 후훈련 과정을 공개했습니다. 한 번의 RL 스텝에서 수십억 토큰이 생성되고, Pro의 후훈련 비용은 약 260만 달러에 달했습니다. 핵심은 단순한 연산량 확대가 아니라 평가기, 환경, Harness, MoE 안정성을 함께 확장한 데 있습니다.

앤트로픽이 내부 평가에서 실시간 인터넷 접속을 전면 차단하기로 했다. 미해결 살인 사건과 관련한 허위 제보 제출 등 예상하지 못한 모델 행동이 확인된 데 따른 조치다.

메타의 Muse와 오픈AI의 Dots는 개인정보 보호를 AI 에이전트 경쟁의 핵심 차별점으로 내세우고 있다. 그러나 격리 환경과 사용자 제어 기능만으로는 안전성을 입증하기 어렵다.

바이트댄스의 전 인턴 연구원 톈커위가 학습 클러스터 논란과 소송을 겪은 지 2년 만에 스텔스 스타트업으로 약 3,000만 달러를 조달한 것으로 전해졌다. 투자 후 기업가치는 2억 달러이며, 핵심 분야는 세계 모델이다.

Anthropic이 Claude Managed Agents 동적 워크플로를 공개 테스트로 전환했다. 주 에이전트가 계획을 세우고 여러 에이전트가 단계를 나눠 수행한 뒤 결과를 통합하는 방식이다.