Qwen-Drive-1.0: 비전언어 모델을 자율주행으로 확장하는 초기 시도
Qwen-Drive-1.0은 사전학습된 비전언어 모델을 유지하면서 3D 인식, 시각 질의응답, 모션 플래닝을 하나의 프레임워크에 통합하려는 연구입니다. BEV 인식 헤드와 플래닝 전문가를 통해 공유 표현을 검증 가능한 장면 구조와 미래 주행 궤적으로 연결합니다.
더 보기Claude API 중계소 가이드, 검출 원리, LLM API 실측 노하우
총 2320개의 아티클
RSS 구독Qwen-Drive-1.0은 사전학습된 비전언어 모델을 유지하면서 3D 인식, 시각 질의응답, 모션 플래닝을 하나의 프레임워크에 통합하려는 연구입니다. BEV 인식 헤드와 플래닝 전문가를 통해 공유 표현을 검증 가능한 장면 구조와 미래 주행 궤적으로 연결합니다.
더 보기UI-Venus-2는 실제 GUI 자동화를 가로막는 좁은 환경 범위, 취약한 작업 구성, 불안정한 결과 검증 문제를 겨냥한 기반 시스템입니다. 모바일·웹·데스크톱을 통합 추론-행동 루프로 다루고, 중요한 작업에는 안전 제어를 적용합니다.
더 보기World Labs가 이미지, 동영상, 카메라 자세, 깊이 정보를 하나의 공간 컨텍스트에서 처리하는 멀티모달 월드 모델 Atlas를 공개했다. 제어 가능한 시점 생성과 로봇 Real-to-Sim 활용을 함께 겨냥한다.
더 보기FACE-Eval 연구는 선호 단서가 어디에, 얼마나 명시적으로 전달되는지가 모델의 사고 과정 충실성에 큰 영향을 준다고 보고했다. 도구 반환값이나 원시 자료에 숨은 단서는 추론 텍스트에 드러나지 않은 채 답변에 반영될 가능성이 높았다.
더 보기새 연구는 관측 인코더와 대기 역학 프로세서에 서로 다른 확률적 장치를 적용해 Aardvark Weather를 확률 예보 시스템으로 확장했다. 예측 평균과 CRPS를 개선하는 동시에 앙상블 분산이 관측과 모델 중 어디에서 비롯됐는지 분석한다.
더 보기새로운 연구는 거부율 향상이나 공격 성공률 하락만으로 배포된 LLM 시스템이 더 안전해졌다고 결론 내릴 수 없다고 지적합니다. 공격자가 계속 전략을 바꾸거나 다른 경로를 찾을 때도 유해한 작업에 얼마나 많은 도움을 받을 수 있는지 평가해야 한다는 주장입니다.
더 보기새로운 분석에 따르면 온폴리시 증류의 성능 향상은 교사 모델의 지식 전달보다 낮은 확률의 토큰을 억제하는 효과에서 비롯될 수 있다. 연구진은 이 관찰을 바탕으로 교사 없는 On-Policy Self-Adaptation을 제안했다.
더 보기SpanCalib-VLM은 생성형 비전언어 모델과 멀티모달 시퀀스 태거를 결합해 환각 텍스트 구간을 찾고 confidence를 재보정합니다. SHROOM-Visions 영어 평가 분할에서 구간 검출과 점수 신뢰도를 함께 다루는 방식을 제시했습니다.
더 보기새 연구는 사회적 추론 게임을 3D 멀티모달 환경으로 옮겨 시각언어모델이 말과 행동을 결합해 다른 에이전트를 속이는 방식을 분석했다. 실험에서는 비언어적 행동이 승패에 더 결정적인 영향을 줄 가능성이 나타났다.
더 보기구글이 영화와 TV 콘텐츠를 AI 학습과 캐릭터 생성에 활용하기 위해 할리우드 대형 스튜디오들과 라이선스 계약을 추진하고 있다는 보도가 나왔습니다. 스튜디오에는 큰 수익이 될 수 있지만, 구글이 얻는 가장 큰 이익은 생성형 AI에 대한 대중의 신뢰와 정당성일 수 있습니다.
더 보기AI 모델 학습 데이터를 개발하는 스타트업 AfterQuery가 기업가치 32억달러를 인정받는 신규 투자 라운드를 유치한 것으로 알려졌다. 사실이라면 설립 후 Y Combinator 역사상 가장 빠르게 유니콘에 오른 기업이 된다.
더 보기앤트로픽은 Claude Fable 5.1이 이전 모델보다 성능이 높아졌으며 일반 사용 비용은 약 25%, 복잡한 에이전트 작업은 최대 45% 낮아졌다고 밝혔습니다. 안전장치와 기업 데이터 보관 정책도 함께 조정됐습니다.
더 보기하나의 벤치마크 점수에는 안전성뿐 아니라 추론과 지식 이해의 신호도 섞일 수 있습니다. Ai2의 BenchMIRT는 다차원 문항반응이론으로 이를 문항 단위에서 분해합니다.
더 보기Nori Robotics가 로봇 개발자와 연구자를 겨냥한 1,688달러짜리 양팔 이동 로봇을 공개했다. 다리 대신 바퀴를 사용하고 고감속 서보와 외부 연산을 활용해 가격을 낮추면서 여러 대를 이용한 실험을 노린다.
더 보기Google DeepMind가 Gemini에 Agentic Video Understanding을 도입했습니다. 모델이 영상, 오디오, 자막을 상황에 맞게 검색하고 다시 확인하며, 공식 벤치마크에서 토큰 사용량은 최대 88%, 비용은 최대 66% 줄고 정확도는 최대 7% 향상됐다고 밝혔습니다.
더 보기Uber가 소프트웨어 개발 전반에 AI 에이전트를 확대하면서도 비용 증가를 제한한 방법을 공개했다. 핵심은 단순한 저가 모델 전환이 아니라 실행 과정 전체의 최적화다.
더 보기NAVER AI Lab은 추측 디코딩의 순차 검증 과정을 초안 모델 학습에 반영하는 Verification-Aware Training(VAT)을 제안했다. 모델 구조와 추론 절차를 바꾸지 않고 수용되는 토큰 길이와 실제 추론 속도를 높이는 접근이다.
더 보기DreamX-Creator 1.0은 영상 뒤에 음향을 붙이는 대신 7B 생성기에서 오디오와 비디오를 함께 생성합니다. 공개된 2K 리파이너를 통해 동기화된 고해상도 오디오·비디오 생성의 접근성을 높이려 합니다.
더 보기Qwen3.8-Flash-Next는 토큰당 약 60억 개의 파라미터만 활성화하는 1250억 파라미터 희소 MoE 모델입니다. 관련 논문은 모델 성능뿐 아니라 학습·추론 비용과 최적화 안정성을 함께 평가합니다.
더 보기CAST는 작업의 성공·실패처럼 희소한 결과를 개별 행동을 검증하는 감독 신호로 바꾼다. 이를 통해 장기적이고 상태가 변하는 도구 호출 환경에서 실행 전 오류를 찾는 능력을 학습시키려 한다.
더 보기NavMCP는 비전·언어 모델의 과제 수준 추론과 내비게이션 파운데이션 모델의 폐루프 실행을 결합한다. 로봇이 여러 탐색 과정에서 증거를 축적하며 장기적인 물리 세계 과제를 수행하도록 설계됐다.
더 보기