WideSWE, 코딩 에이전트의 저장소 간 협업 능력을 시험하다
기존 코딩 에이전트 평가의 상당수는 하나의 코드베이스에 머뭅니다. WideSWE는 실제 소프트웨어 생태계에서 수집한 120개 과제로 여러 저장소의 변경을 조율하고 검증하는 능력을 평가합니다.
더 보기Claude API 중계소 가이드, 검출 원리, LLM API 실측 노하우
총 2320개의 아티클
RSS 구독기존 코딩 에이전트 평가의 상당수는 하나의 코드베이스에 머뭅니다. WideSWE는 실제 소프트웨어 생태계에서 수집한 120개 과제로 여러 저장소의 변경을 조율하고 검증하는 능력을 평가합니다.
더 보기WorldPlay2는 실시간 반응성과 긴 롤아웃에서의 일관성을 함께 달성하려는 인터랙티브 월드 모델이다. 프레임 정렬 행동 제어, 구조화된 의미 제어, 공유 메모리 토큰, Stable Forcing 증류를 결합한다.
더 보기Qwen이 극단적으로 긴 작업을 위한 온라인 강화학습 프레임워크 QwenGyre를 공개했다. 롤아웃과 학습 사이에서 GPU를 탄력적으로 재배치하고, 분기 이력과 중복 궤적을 처리하는 것이 핵심이다.
더 보기한 연구가 DPO, 표현 스티어링, 내부 프로브, 텍스트 모니터를 안전 제어와 위험 탐지 관점에서 같은 조건으로 비교했습니다. 표현 공학은 행동 기반 정렬을 대체하지 않지만, 저데이터 환경과 저비용 모니터링에서 보완적 가치가 있습니다.
더 보기Tencent Hunyuan 연구팀이 비전 인코더를 사용하는 모델과 사용하지 않는 모델의 확장 특성을 비교했다. 인코더 없는 모델은 작은 규모에서는 뒤처지지만, 모델과 학습 연산량이 커지면 격차를 좁힐 가능성이 제시됐다.
더 보기SkillDRE는 실행 전 스캐닝과 런타임 방어를 연결해 에이전트 스킬을 반복적으로 수정하는 2단계 레드팀 프레임워크를 제안한다. 한 가지 방어 단계만 평가하면 적응형 스킬의 위험을 과소평가할 수 있다는 점을 보여준다.
더 보기머신러닝 기반 입찰 의사결정을 프라이버시 보호 기기로 옮기면 예산 정보도 분산된다. 새로운 감사 연구는 오래된 잔액 정보가 초과 지출을 키우고, 결제 단위 변환이 조작 가능한 유인을 만들 수 있음을 보여준다.
더 보기Disaggregated Quantization(DQ)은 LLM 추론의 Prefill과 Decode에 서로 다른 계산 형식, 가중치, 저장 전략을 적용합니다. 저비트 추론의 효율을 유지하면서 긴 프롬프트 처리 속도와 생성 정확도를 함께 개선하는 것이 목표입니다.
더 보기VLA-Precision은 시각-언어-행동 모델을 실세계에서 온라인 강화학습할 때 발생하는 정책 드리프트와 대규모 모델의 처리 부담을 다룬다. ACoB 알고리즘과 ACoB-Stream 아키텍처를 결합해 정밀 조작을 위한 학습 안정성과 처리 효율을 높이는 접근이다.
더 보기IndicBankBench는 인도 소매은행 업무를 본뜬 799개 사례로 언어 모델의 안전성과 신뢰성을 평가한다. 계좌 선택, 최신 도구 정보 사용, 실행 전 확인까지 점검해 한 번의 그럴듯한 답변이 숨기는 오류를 드러낸다.
더 보기D-JEPA는 미래를 정확히 예측해도 잠재 공간에서 목표에 가까운 후보가 실제로 더 나은 행동이라는 보장은 없다고 지적한다. 실행 결과를 활용해 의사결정에 중요한 후보 간 관계를 다시 정렬한다.
더 보기TRACE는 증거가 유효해지는 시점, 시각적 이력을 유지하는 방식, 모델이 응답을 시작하는 조건을 명시하는 스트리밍 비디오 이해 평가 프레임워크다. 연구 결과는 비슷한 QA 정확도도 완료율, 답변 유효성, 생성 workload, 응답 타이밍에서 큰 차이를 가릴 수 있음을 보여준다.
더 보기InternW0-Δ는 시각 동역학, 장면 의미론, 4D 기하·운동 사전 지식과 로봇 행동 생성을 하나로 묶는 World Action Model입니다. 논문은 시뮬레이션 벤치마크와 실제 로봇 플랫폼에서 기존 방법보다 높은 성능을 보고합니다.
더 보기RayOrch는 문서와 동영상을 가변적인 하위 작업으로 확장하는 파이프라인을 위해 설계된 프로그래밍 모델이자 분산 실행 엔진입니다. 부모-자식 관계와 순서를 유지하면서 여러 부모의 준비된 작업을 GPU 배치로 묶습니다.
더 보기ByteDance Seed 연구진이 거친 후보에서 세밀한 후보로 범위를 줄이는 피라미드형 Top-K 방식의 PISA를 제안했습니다. 이 방법은 장문맥 어텐션에서 블록 선택에 드는 이차적 비용을 낮추는 데 초점을 둡니다.
더 보기도구 호출 에이전트는 구조화된 호출과 자연어 요약을 한 궤적에서 생성합니다. SLCA-GRPO는 서로 다른 보상 신호를 출력 세그먼트별로 분리해 한 영역의 학습 잡음이 다른 영역으로 번지는 문제를 줄입니다.
더 보기Kaggle Game Arena는 체스, 포커, 늑대인간 게임에서 대규모 언어 모델을 경쟁시키며 계획 수립과 적응력, 불확실성 대응을 평가합니다. 고정된 문제집만으로는 확인하기 어려운 동적 의사결정 능력을 실전형 대국에서 살펴보려는 시도입니다.
더 보기AgentWorld는 여러 LLM 에이전트가 개별 능력을 단순히 합치는 수준을 넘어 장기적으로 협력할 수 있는지 MMORPG 샌드박스에서 평가한다. 실험 결과 통신, 역할 분담, 공동 계획 유지에서 뚜렷한 한계가 나타났다.
더 보기UC 버클리 연구진과 공동 연구자들은 인간의 손-물체 상호작용을 실행 가능한 로봇 시연과 시각운동 정책으로 바꾸는 3단계 프레임워크 Morphometric Imitation을 제안했다. 3종 로봇 손과 10개 상호작용 과제에서 평가했으며, 실제 환경 제로샷 실험에서 89.3%의 성공률을 기록했다.
더 보기HybridInfer는 실제 안드로이드 기기에서 온디바이스·엣지·클라우드 LLM을 동적으로 선택하는 강화학습 라우터입니다. 모바일 추론의 문제는 단순한 속도 저하가 아니라, 연속 생성으로 인한 런타임 불안정일 수 있다고 지적합니다.
더 보기운영 중인 Text-to-SQL 파이프라인을 감사한 연구에서 LLM-as-Judge가 인간 평가와 크게 어긋나고, 올바른 SQL을 과도하게 문제로 분류하는 현상이 확인됐다. 단순히 모델을 늘리는 것보다 심사 모델 교체와 보수적인 라우팅이 효과적이었다.
더 보기