아티클 & 가이드

CANOPY는 검색된 텍스트, 표, 동영상 등의 항목을 계층 구조로 표현하고 질문과의 관련도에 따라 보존 범위를 조절한다. 현재 증거가 부족하면 목표를 정한 후속 검색도 요청한다.

새 연구는 모델 응답의 첫 토큰이 이후의 추론 행동을 유도할 수 있음을 보여준다. 특정 시작 구문을 고정하면 수학과 코딩에서 기반 모델의 성능이 강화학습 모델에 가까워질 수 있다.

HLA-WM은 카메라 기하 기반 검색과 순환 선형 어텐션을 결합해 추가 학습 없이 장기 비디오 생성의 장면 재방문 일관성과 카메라 제어를 개선한다.

Periscope는 모델을 재학습하지 않고도 긴 문서를 여러 개의 짧은 탐침으로 나누어 읽는 추론 방법입니다. 문서 전체를 훑는 탐침과 인접 구간을 읽는 탐침을 결합해 답과 근거를 찾아냅니다.

Kandinsky 6.0 Video는 텍스트나 이미지를 입력해 44kHz 음성과 립싱크가 맞는 약 5초 길이의 영상을 생성하는 모델군입니다. 영상 스트림과 음성 스트림을 양방향으로 연결하는 CrossDiT 구조로 시간적·의미적 정합성을 높입니다.

OSWorld-Pro는 컴퓨터 사용 에이전트가 최종 상태에 도달했는지만 보지 않고, 연속적인 하위 목표를 어떻게 수행했는지 평가한다. 클릭 오류와 키보드 입력 실수, 목표와 무관한 행동까지 분석할 수 있다.

새로운 생성 모델과 적대적 섭동은 기존 딥페이크 탐지기의 성능을 크게 떨어뜨립니다. 한 연구팀은 알려진 생성기가 이미지를 충실하게 재구성할 수 있는지 확인하고, 오인증 위험을 보정하는 접근법을 제안했습니다.

OmniConfess는 추가 학습 없이 텍스트·이미지·오디오·비디오 채널이 답변의 각 토큰에 미치는 영향을 분석하고, 신뢰하기 어려운 주장을 수정하는 추론 시점 기법입니다.

RealtimeWAM은 세계 행동 모델의 다단계 행동 디노이징과 비디오 전문가·행동 전문가 사이의 대기 시간을 함께 줄인다. 논문은 H100에서 최대 25배의 엔드투엔드 가속과 1% 미만의 정확도 저하를 보고했다.

RealCompanion은 AI가 과거 발언을 검색할 수 있는지만이 아니라, 언제 기억이 필요한지 판단하고 이를 현재 대화에 적절히 활용하는지를 평가하는 장기 대화 벤치마크다. 연구 결과는 기억이 필요한 경우가 생각보다 적고, 그 시점을 판별하는 일은 여전히 어렵다는 점을 보여준다.

VeriHarness는 테스트 시점에 정답이나 채점 기준이 없어도 장기 작업 에이전트의 결과를 검증하고 개선하는 프레임워크입니다. 여러 실행 결과의 불일치와 합의를 분석하고 환경 증거를 활용해 최종 산출물을 수정합니다.

SciUtopia는 연구 주제 선택, 협업, 투고, 심사, 재투고, 연구비, 연구자 이탈을 하나의 폐쇄형 루프로 연결하는 LLM 에이전트 시뮬레이션입니다. 투고 기회 확대는 성과를 늘릴 수 있지만 심사 부담과 연구자 지속성에도 영향을 줄 수 있음을 보여줍니다.

Queen은 강하지만 설명하지 못하는 체스 전문가 인코더와 자연어를 생성하는 지시 튜닝 언어 모델을 결합한다. 논문은 7회의 반복 증류를 통해 모델의 체스 레이팅이 1782에서 2697 Elo로 상승했다고 보고한다.

WEFT는 범용 에이전트의 도구 사용 능력을 높이기 위해 실행 환경만 확장하지 않고, 작업·에이전트 하네스·평가기를 하나의 시스템으로 함께 다룹니다. 실행 기반 자기진화와 장기 워크플로 학습을 안정화하는 기법을 결합했습니다.

장문 의료 답변의 사실성을 분석한 연구는 검색 후 검증하는 시스템이 폐쇄형 벤치마크에서는 높은 점수를 받아도 임상 오픈엔드 답변에서는 크게 실패할 수 있음을 보여준다. 연구진은 문제를 검색된 증거의 품질과 검증 모델의 추론 오류로 나눠 분석했다.

CacheBack은 수신 에이전트의 정보 요구를 바탕으로 발신 에이전트의 KV 캐시를 선별하는 수신자 조건부 잠재 통신 방식이다. FanOutQA 실험에서는 전송 상태를 줄이면서 정확도와 처리 지연을 개선한 결과가 보고됐다.

JEPA-TTT는 학습 환경과 다른 동역학이 나타났을 때 사전 학습된 JEPA 세계 모델을 테스트 중에도 계속 조정하는 방법입니다. 시각 인코더와 보상 헤드는 고정하고 잠재 동역학 예측기만 자기지도 방식으로 업데이트합니다.

장기 비디오 생성에서는 과거를 많이 저장하는 것보다 앞으로 필요한 정보를 골라내는 일이 중요합니다. FrameMorrow는 미래의 정보 수요를 예측하고 이를 이용해 유용한 과거 프레임을 선택합니다.

ProWAM은 세계 행동 모델에 순서가 있는 희소 시각 하위 목표를 추가해 전체 미래 영상을 생성하지 않고도 로봇에 단계별 행동 지침을 제공한다. 여러 시뮬레이션 벤치마크에서 분포 밖 환경에 대한 강건성이 개선된 결과가 보고됐다.

SimuVerity는 AI 에이전트가 생성한 Simulink 모델이 단순히 컴파일되는지를 넘어 실제 공학 요구사항을 충족하는지 평가하는 벤치마크입니다. 101개 과제를 실험한 결과, 가장 높은 시스템의 종합 점수도 42.86에 그쳤습니다.

비디오 월드 모델은 장기 시간 일관성을 위해 KV 캐시를 계속 저장하지만, 낮은 비트 양자화는 화면 깜빡임을 유발할 수 있습니다. QuantWM은 단순한 수치 오차가 아니라 어텐션의 동작을 보존하는 방식으로 이 문제를 다룹니다.