메타, 첫 프런티어 모델 Muse Wonder 공개…장기 기억에 초점
메타의 Superintelligence Lab이 회사의 첫 프런티어 모델인 Muse Wonder와 Muse Wonder Full을 출시했다. 두 모델은 경량 모델 Muse Spark보다 복잡한 작업과 코딩에 적합하며, 장기적인 사용자 정보 기억을 핵심 기능으로 내세운다.
더 보기Claude API 중계소 가이드, 검출 원리, LLM API 실측 노하우
총 2320개의 아티클
RSS 구독메타의 Superintelligence Lab이 회사의 첫 프런티어 모델인 Muse Wonder와 Muse Wonder Full을 출시했다. 두 모델은 경량 모델 Muse Spark보다 복잡한 작업과 코딩에 적합하며, 장기적인 사용자 정보 기억을 핵심 기능으로 내세운다.
더 보기자율 기상 풍선을 운영하는 실리콘밸리 스타트업 윈드본 시스템즈가 미 공군과 최대 4,900만 달러 규모의 계약을 체결했다. AI 일기예보 경쟁이 모델뿐 아니라 글로벌 관측 데이터 확보 경쟁으로 확대되고 있음을 보여주는 사례다.
더 보기마이크로소프트의 브래드 스미스 사장이 AI 안전 규제를 서둘러 마련해야 한다고 주장하며, 미국이나 유럽연합보다 영국이 국제적 조정 역할에 적합하다고 평가했다. 그는 독립 평가, 사고 신고 의무, 통제 상실 시 시스템을 멈출 수 있는 장치를 제안했다.
더 보기마이크로소프트가 3세대 자체 개발 AI 칩 Maia 300을 공개했다. 2027년부터 자사 제품과 서비스의 주요 추론 시스템으로 투입해 Nvidia와 AMD GPU 의존도를 낮추려는 전략이다.
더 보기아마존은 창고에서 100만 대가 넘는 로봇을 운용하고 있지만, 여전히 150만 명이 넘는 인간 직원을 고용하고 있다. 다음 단계의 자동화는 인간을 완전히 없애기보다 사람과 기계의 협업 방식을 바꾸는 데 가깝다.
더 보기KlingAI 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.
더 보기ProgramGym은 검증 가능한 실행 환경과 역할 분리형 개발 워크플로를 결합해, 참고 프로그램을 탐색한 뒤 처음부터 재현하는 코딩 에이전트를 지원한다.
더 보기Reflex는 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.
더 보기SoftwareGym은 실행 가능한 GUI 애플리케이션을 자동으로 만들고 실제 화면 조작으로 검증하는 파이프라인입니다. 이 환경에서 수집한 궤적을 활용해 컴퓨터 사용 에이전트의 도메인 외 성능 향상을 확인했습니다.
더 보기SoloQ는 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.
더 보기RSI-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.
더 보기PolyOCR-Venus는 문자 인식, 위치 지정, 문서 파싱, 정보 추출, OCR 추론을 하나의 지시 따르기 프레임워크로 통합한 OCR 기반 모델군입니다. 교사 모델의 신뢰도에 따라 증류를 조절하는 학습법과 수동 검증을 반영한 OCRBench v2.1도 함께 제시합니다.
더 보기TIPS는 최종 판단의 정답 여부만 보상으로 사용해 생성형 프로세스 보상 모델을 학습합니다. 결과 라벨 궤적 3,200개만으로 ProcessBench에서 85.2 F1을 기록했습니다.
더 보기고정형 코딩 벤치마크는 학습 데이터 유출과 성능 포화로 변별력을 잃을 수 있다. SWE-Duel은 평가 중 에이전트들이 서로 과제를 만들고 숨은 버그를 수정하게 해, 참가자의 능력에 따라 난도가 올라가는 방식을 제안한다.
더 보기스탠퍼드대 연구진이 연구 상태를 대화 기록에서 분리하고, 호출마다 역할에 맞는 문맥을 새로 구성하는 Stateless Language Agents를 제안했다.
더 보기TouchScale은 통일된 웨어러블 장비로 수집한 약 500시간의 인간 시각·촉각 상호작용 데이터셋입니다. 동기화된 1인칭 영상과 양손 촉각 신호를 통해 센서 간 접촉 예측과 실제 로봇 조작 성능을 평가합니다.
더 보기CASE는 미리 선별된 자료에 답하는 의료 AI를 넘어, 진료 기록과 여러 시점의 MRI에서 필요한 근거를 자율적으로 수집하고 비교하는 에이전트를 제안한다. 컴팩트한 비전-언어 모델을 위한 환경, 벤치마크, 에이전트형 학습을 함께 설계했다.
더 보기화웨이 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.
더 보기자기회귀 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.
더 보기SpireBench는 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.
더 보기Elastic 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.
더 보기