Jev-Mem: System One으로 제어하는 효율적 AI 에이전트 메모리
Jev-Mem은 에이전트 메모리를 빠른 제어, 구조화된 저장, 심층 추론으로 분리합니다. LoCoMo에서 답변 품질을 높이는 동시에 메모리 구축 시간과 질의 지연을 줄였습니다.
더 보기Claude API 중계소 가이드, 검출 원리, LLM API 실측 노하우
총 2320개의 아티클
RSS 구독Jev-Mem은 에이전트 메모리를 빠른 제어, 구조화된 저장, 심층 추론으로 분리합니다. LoCoMo에서 답변 품질을 높이는 동시에 메모리 구축 시간과 질의 지연을 줄였습니다.
더 보기CARE는 로봇 조작 중 계획된 궤적에서 벗어났을 때 회복할 수 있도록 설계된 데이터 중심 프레임워크입니다. 실제 실패 롤아웃에서 단계별 편차를 학습하고, 국소적인 수정이나 재작업으로 작업 진행을 보존합니다.
더 보기HuRo는 서로 다른 인간 조작 영상을 로봇에 맞는 관측과 행동 궤적으로 변환하는 로봇화 파이프라인을 제안한다. 실험 결과, 이 데이터를 활용한 사전학습 규모를 키우면 실제 조작 성능과 분포 외 일반화가 함께 향상됐다.
더 보기새 연구는 언어 모델이 답을 몰라서 답하지 않는지, 알고 있지만 숨기는지를 내부 상태로 구분하는 PIR을 제안했습니다. 기만 프롬프트, 샌드배깅, 비밀번호 잠금, 회로 차단 조건에서도 모델이 인식한 답을 탐지할 수 있다고 보고했습니다.
더 보기EDGEGEN은 에이전트 사양에서 준수 규칙을 추출하고 데이터베이스 상태에 맞춘 엣지 케이스를 생성한다. 생성된 데이터는 모델 파인튜닝과 에이전트 하니스 최적화에 활용할 수 있다.
더 보기서로 다른 소프트웨어 엔지니어링 작업을 하나의 강화학습 풀에서 훈련하면 범주별 성능이 엇갈리며 일부 능력이 퇴보할 수 있습니다. 이 연구는 RRE로 범주별 전문가를 훈련한 뒤, 라벨 기반 다중 교사 온폴리시 증류로 단일 배포 모델을 만듭니다.
더 보기OmniEdu는 K-12 학습과 수업을 위한 오픈 교육 파운데이션 모델 제품군입니다. 교과 지식뿐 아니라 교육과정 이해, 학습자 진단, 단계적 지도까지 하나의 학습 목표로 다룹니다.
더 보기RRSI는 기반 모델을 다시 학습하는 대신 프롬프트, 도구, 제어 흐름, 메모리로 구성된 에이전트 하니스를 자동 개선한다. 편집량 제한과 미탐색 경로 장려, 불필요한 변경 제거를 통해 벤치마크 과적합을 줄이는 것이 목표다.
더 보기ShieldVLA는 Hamilton-Jacobi 도달 가능성 분석을 VLA 안전 미세조정에 적용해, 시각 관측만으로 현재 상태에서 안전한 회복이 가능한지 추정합니다. 논문은 5개 내비게이션·조작 벤치마크에서 누적 안전 비용을 평균 57% 줄이고 SafeVLA보다 작업 성공률을 0.13 높였다고 보고합니다.
더 보기Anthropic의 Opus 5.5와 OpenAI의 GPT-6 Sol·Luna는 획기적인 능력보다 낮은 가격과 빠른 출력을 앞세운다. 기업용 AI 경쟁의 중심이 최고 성능에서 운영 비용으로 옮겨가고 있다.
더 보기퀄컴이 Snapdragon 8 Elite Gen 6와 Extreme Gen 6를 발표했다. 두 칩은 온디바이스 AI 에이전트와 음성 기능, 개인화, 카메라 처리를 강화하며 Extreme 모델은 30B 혼합 전문가 모델을 로컬에서 실행할 수 있다고 밝혔다.
더 보기마이크로소프트가 업계 파트너들과 함께 피싱, 디바이스 코드 인증 악용, AI 기반 메일 분석을 결합한 범죄 플랫폼 EvilTokens를 차단했다고 밝혔습니다. 이 플랫폼과 연관된 공격으로 약 1만 개 조직의 계정 1만 2000개가 침해된 것으로 추정됩니다.
더 보기브리티시컬럼비아주가 ChatGPT가 폭력 계획에 사용된 것으로 지목된 텀블러리지 총격 사건을 두고 오픈AI를 상대로 소송을 제기했다. 주 정부는 학교 재건 비용, 채팅 기록 공개, 폭력 대화 차단 강화를 요구하고 있다.
더 보기vLLM이 최신 GPU에 맞춘 플랫 모델을 확대하는 동시에 구형 GPU와 외부 가속기를 지원하기 위한 하드웨어 비종속 레이어를 구축합니다. H100에서는 최근 3개 모델의 기하평균 기준 총 토큰 처리량이 네이티브 구현과 3.4% 이내의 차이를 보였습니다.
더 보기Shopify는 GraphQL 에이전트의 운영 실패를 학습 신호로 바꾸는 지속 학습 루프를 구축했다. 프런티어 모델을 웃도는 품질을 목표로 하면서 서빙 비용은 96% 줄였다고 설명한다.
더 보기Tencent ARC의 WorldCrafter는 카메라 시점으로 조회할 수 있는 암묵적 3D 인식 메모리를 도입해 장시간·다중 시점 탐색에서 장면 일관성과 카메라 제어를 개선한다.
더 보기VideoGen-Agent는 영상 생성을 한 번의 프롬프트 응답이 아니라 증강·생성·검증 도구를 조율하는 다중 턴 에이전트 과정으로 바꾼다. 정체성 보존, 물리적 일관성, 다중 샷 구조를 포함한 평가에서 성능 향상을 보고했다.
더 보기RoboDawn은 이동, 회전, 그리퍼 조작을 간결한 이산 명령으로 구성해 에이전트형 비전언어모델이 로봇을 제어하도록 한다. 폐루프 상호작용과 소수의 시연만으로 시뮬레이션과 실제 로봇 작업에서 성능 향상을 확인했다.
더 보기새로운 해석 가능성 연구는 초기 디노이징 단계에서 RoPE가 공간 어텐션을 과도하게 약화해 비현실적인 움직임을 고정할 수 있다고 분석했다. 연구진은 디노이징 단계별로 RoPE 주파수를 조정하는 경량 방법을 제안했다.
더 보기Grounded Action Model(GAM)은 로봇이 조작해야 할 물체와 그 위치를 명시적으로 이해하도록 설계된 행동 모델입니다. 언어·점·박스 프롬프트를 물체 중심의 3D 표현으로 통합해 장면 변화와 목표물 이동에 대한 대응력을 높입니다.
더 보기새 연구는 미래 상태 예측을 제어 루프에 넣지 않고, 세계 모델의 내부 표현만 소형 VLA에 증류하는 방법을 제안했다. 배포 비용은 유지하면서 로봇 조작 성능을 높이는 접근이다.
더 보기