아티클 & 가이드

OpenAI가 700개가 넘는 원고에 걸쳐 AI가 생성한 수학 성과 약 400건을 한꺼번에 공개했다. 규모에 대한 감탄과 함께, 내용을 이해하고 정확성과 독창성을 검증하는 데 수년이 걸릴 수 있다는 우려도 커지고 있다.

니콘이 Small World in Motion 대회의 기존 1위 현미경 영상이 생성형 AI 관련 규정을 위반했다며 수상을 취소했다.

아마존이 지방정부와 데이터센터 사업을 협상할 때 비밀유지계약(NDA)을 사용하지 않겠다고 밝혔다. 마이크로소프트에 이은 조치지만, 정보 공개만으로 AI 인프라에 대한 지역사회의 반발을 누그러뜨릴 수 있을지는 여전히 불확실하다.

OpenAI는 AI 안전 우려를 제기했기 때문이 아니라 민감한 정보 취급 규정을 위반했기 때문에 세 연구자를 해고했다고 밝혔습니다. 연구자들은 조사와 해고 사유를 더 투명하게 공개하라고 요구하고 있습니다.

TokenRouter는 생성 과정에서 토큰마다 다른 모델을 선택하는 LLM 라우팅을 위한 서빙 시스템입니다. 비동기 모델 서브서버와 지연 배칭으로 실행 단계 불일치와 배치 대기 문제를 줄이는 것을 목표로 합니다.

Learn2Play Bench는 규칙을 미리 알려주지 않는 새로운 텍스트 게임으로 LLM 에이전트가 상호작용 경험에서 학습하는 능력을 평가한다. 연구 결과는 완전한 경험 기록과 에이전트 하네스 설계가 성능에 큰 영향을 줄 수 있음을 보여준다.

MiMo-V2.6 기술 보고서는 멀티모달 기반 모델의 강화학습을 처리량, 환경, 평가 시스템, 운영 인프라 전반에서 확장하는 방법을 소개한다.

TestPrism은 하나의 참조 구현만으로 코딩 에이전트가 만든 테스트를 평가하면 품질이 과대평가될 수 있다고 지적합니다. 여러 유효·무효 구현을 활용한 평가와 TestHelix 개선 방식을 함께 제시했습니다.

SparseDecoding은 자연어 기반 보정 데이터와 실제 생성 과정의 활성 분포가 다르다는 문제를 해결하기 위해 제안됐다. 생성 중 수집한 활성값과 N:M 희소 SpMV 커널을 활용해 A100에서 최대 1.48배의 종단 간 디코딩 가속을 보고했다.

장시간 실행되는 AI 에이전트의 모든 로그를 사람이 직접 검토하기는 어렵습니다. 새로운 연구는 흩어진 실행 증거를 행동 그래프로 묶어, 확인이 필요한 중요한 결정을 찾도록 돕는 EBG를 제안합니다.

OneSearch-VL은 시각적 grounding, 외부 검색, 사실 조합을 연결하는 시각 근거 증거 그래프를 제안했습니다. 이미지와 영상을 하나의 연구 에이전트 흐름으로 처리하기 위해 학습 데이터, 강화학습 보상, 세부 평가 벤치마크를 함께 설계했습니다.

비전 언어 모델에서는 이미지에서 생성되는 많은 비전 토큰이 추론 비용을 크게 높인다. V-CoLA는 선형 어텐션과 하이브리드 아키텍처에 맞춘 학습 없는 압축 프레임워크를 제안한다.

SparseEngine은 서로 다른 KV 캐시 방식을 장문맥 LLM 에이전트의 서빙 환경에 통합하기 위해 설계된 희소 우선 추론 엔진입니다. 논문은 처리량과 디코딩 속도 향상뿐 아니라 요청 간 캐시 상태를 이어가는 방법도 제시합니다.

UniWAM은 물리 추론, 시각적 세계 생성, 행동 예측을 하나의 학습 프레임워크로 통합한 세계-행동 모델입니다. 인간 1인칭 영상, 로봇 데이터, 시각 질의응답 데이터를 함께 활용해 로봇의 환경 이해와 행동 생성을 개선하려고 합니다.

HotpotQA와 MuSiQue를 활용한 연구가 질문 수, 검색 궤적, 반복 답변에 평가 예산을 배분하는 방식을 비교했습니다. 비슷한 토큰 예산에서는 적은 질문을 반복 실행하기보다 더 많은 질문을 다루는 편이 추정치를 안정화하는 데 유리했습니다.

Gan Jiang은 언어 모델을 재훈련하지 않고도 분말 X선 회절(XRD) 분석 기술을 개선하는 자기학습형 과학 에이전트입니다. 상 식별, 다상 분해, 물리 제약 기반 전체 패턴 모델링을 하나의 분석 흐름으로 연결합니다.

EngramEdit는 조건부 메모리를 단순한 용량 확장 장치에서 편집 가능한 지식 인터페이스로 확장합니다. Transformer 본체를 고정한 채 공유 n-gram 임베딩을 업데이트해 여러 표현에 걸친 지식 수정과 부작용 억제를 시도합니다.

Self-Retrospection Distillation(SRD)은 에이전트가 작업을 마친 뒤 얻은 궤적을 활용해 행동 전에 예상해야 할 함정과 어려움을 학습시킵니다. 그룹 내 보상이 모두 같아지는 강화학습에서도 궤적에 남은 정보를 학습 신호로 되살리는 접근입니다.

추론 모델이 스스로 만든 문제는 학습에 활용될 수 있지만, 잘못된 문제와 수학적으로 반복되는 변형이 누적되면 성능이 붕괴할 수 있다. R-Quest는 유효성과 새로움 피드백으로 이 문제를 완화한다.

WorldSonus는 월드 모델을 위해 영상에서 제어 가능한 스테레오 음향을 실시간으로 생성하는 인터랙티브 비디오-오디오 프레임워크입니다. 논문은 0.41의 실시간 계수와 오픈 도메인 벤치마크에서의 높은 일반화 성능을 보고합니다.

새 연구는 슬라이딩 윈도우 어텐션과 선형 어텐션이 문맥 확장과 길이 외삽에서 서로 다른 강점을 보인다고 분석했다. 연구진은 그 차이를 각 어텐션이 형성하는 ‘하이브리드 위치’ 편향으로 설명하고 Sliding-Window Linear Attention을 제안했다.