🔬 테크랩
최신 AI·기술 논문을 한국어 3분 다이제스트로. 난이도·실생활 영향·분야로 가려 읽고, 원문은 버튼 한 번에.
LLM 생성 GPU 커널 검증기와 Blackwell 아키텍처 지원 Gated-Linear-Recurrence 역전파
이 논문은 LLM이 생성한 GPU 커널의 정확성을 검증하는 도구와 Gated-Linear-Recurrence 계열 모델을 위한 Blackwell 아키텍처 기반의 효율적인 역전파 구현을 다룹니다.
구글, 동형 암호화로 프라이빗 AI 실현: HEIR 컴파일러 공개
구글이 동형 암호화 기술을 활용하여 암호화된 데이터 위에서 AI 추론을 가능하게 하는 오픈소스 컴파일러 HEIR을 공개하며, AI의 개인정보 보호와 실용성 문제를 해결하고자 합니다.
HashAgent: URL 하나로 구현하는 프라이빗 AI 에이전트
HashAgent는 웹GPU 기반의 로컬 추론과 웹 검색 기능을 통합하여, 계정이나 추적 없이 URL을 통해 프라이빗 AI 에이전트를 생성하고 공유할 수 있게 해주는 서비스입니다.
AI 에이전트의 도구 사용, 이제 '게이트키퍼'로 안전하게 관리한다
AI 에이전트가 도구를 오용하는 문제를 해결하기 위해, 에이전트의 도구 실행을 통제하는 외부 정책 엔진 '게이트키퍼'를 개발하여 안전성과 신뢰성을 확보했다.
SMPC 시연을 통한 로봇의 이동 및 조작 학습: 희소 오프라인-온라인 강화 학습 활용
로봇이 걷고 물건을 다루는 복잡한 작업을 스스로 배우도록, 시뮬레이션에서 똑똑한 제어기로 대량의 학습 데이터를 만들고, 이를 이용해 로봇이 스스로 목표를 달성하도록 학습시키는 새로운 방법을 제안합니다. 이 방법은 기존 방식보다 훨씬 빠르고 효율적이며, 실제 로봇에도 성공적으로 적용되었습니다.
HandEdit: 로봇 손 이미지 편집을 위한 통합 벤치마크
이 연구는 사람의 손 영상을 로봇 손 영상으로 바꾸는 대규모 데이터셋과 벤치마크인 'HandEdit'을 소개합니다. 이를 통해 로봇이 사람의 행동을 학습하는 데 필요한 데이터를 더 쉽고 저렴하게 얻을 수 있도록 돕습니다.
자율주행을 위한 학습 기반 행동 계획: 실제 통합 및 배포
이 논문은 복잡한 자율주행 환경에서 인공지능의 장점과 기존 방식의 안전성을 결합한 하이브리드 계획 시스템을 제안하고, 실제 차량에 적용하여 그 성능을 검증합니다.
대규모 언어 모델 기반 소형주 투자: 금융 뉴스 심리, 거시 경제 지표, 기술적 신호 통합
대규모 언어 모델(LLM)을 활용하여 금융 뉴스 심리, 거시 경제 지표, 기술적 신호를 통합하고, 불확실성을 고려한 새로운 포트폴리오 구성 방식을 통해 소형주 투자 수익률을 높일 수 있습니다. 특히, 기업 고유의 요인과 거시 경제 요인을 분리하여 투자 신호를 활용하는 것이 중요합니다.
보상 함수 설계를 위한 프레임워크: 목표에서 특징, 그리고 인간 친화적 보상 함수까지
이 논문은 비전문가도 로봇이나 AI가 사람의 선호를 따르도록 보상 함수를 쉽게 만들고 개선할 수 있는 체계적인 방법을 제시합니다. 자연어로 설명된 목표를 바탕으로 측정 가능한 변수를 도출하고, 중요한 변수를 선택한 뒤, 사람의 선호도를 반영하여 가중치를 조정하는 3단계 과정을 통해 인간 친화적인 보상 함수를 만듭니다.
검색 증강 대규모 언어 모델을 활용한 복잡계 진단을 위한 동적 마스터 논리 모델 지식 그래프 구축
이 연구는 복잡한 시스템의 고장 진단을 위해, 전문가의 수작업 없이 대규모 언어 모델(LLM)과 검색 기술을 활용하여 시스템 설명 문서로부터 '동적 마스터 논리 모델'을 자동으로 만들고 이를 지식 그래프 형태로 표현하는 방법을 제시합니다. 이는 시스템의 기능과 구조를 연결하여 고장 원인을 추적하고 안전성을 평가하는 데 도움을 줍니다.
재분배 기반 비용 추론을 통한 희소 안전 오프라인 강화 학습 개선
이 논문은 안전 강화 학습에서 흔히 발생하는 '어느 시점에 문제가 발생했는지 정확히 알기 어려운' 문제를 해결하기 위해, 전체 경로에 대한 피드백만으로 각 단계의 위험 비용을 추론하는 새로운 방법을 제안합니다. 이를 통해 더 안전하고 효율적인 인공지능 학습이 가능해집니다.
테스트 시점 AI 역량 전이: 강한 AI가 약한 AI를 돕는 '하네스' 활용
강력한 AI가 약한 AI의 성능을 향상시키기 위해 학습 없이 '하네스'라는 도구를 만들어 제공하는 새로운 방법론을 제시합니다. 이를 통해 약한 AI의 성능이 크게 향상될 수 있음을 보여줍니다.
DreamFly: 비행 로봇의 시각-언어 길 찾기를 위한 인과적 기억 및 재계획 확산 모델
DreamFly는 드론이 주변 환경을 보고 언어 지시를 따라 길을 찾는 기술로, 과거 정보를 효과적으로 활용하고 미래 계획을 유연하게 세우며, 언제 멈춰야 할지 정확히 판단하여 기존 방식보다 훨씬 뛰어난 성능을 보여줍니다.
AVA-인코더: 에이전트 친화적인 비디오 표현 학습을 향하여
이 논문은 AI 에이전트가 영화 같은 비디오를 만들 수 있도록, 비디오를 에이전트가 이해하고 조작하기 쉬운 지식 그래프 형태로 변환하고 다시 비디오로 재구성하는 새로운 학습 프레임워크인 AVA-인코더를 제안합니다.
회원가입 없이 노트를 공유하는 간편한 방법: SharePad 개발기
회원가입이나 로그인 없이 마크다운 노트를 생성하고 링크 하나로 공유하며, 보안 및 관리 기능을 제공하는 웹 기반 노트 공유 도구 SharePad를 소개합니다.
Sentry 자바스크립트 SDK에서 사라진 Gemini 챗 설정 복구 버그 해결
Sentry의 자바스크립트 SDK에서 Gemini 챗 설정이 누락되는 버그를 해결하여, AI 모델과의 상호작용 추적 시 설정 정보가 올바르게 기록되도록 개선했습니다.
소프트웨어 개발자의 다음 진화: 구현에서 의도, 오케스트레이션, 그리고 오너십으로
AI 시대에 소프트웨어 개발자의 역할은 단순히 코드를 작성하는 것을 넘어, 시스템의 의도를 파악하고, 복잡한 구성 요소를 조율하며, 전체적인 결과에 대한 책임을 지는 방향으로 진화할 것입니다.
Sentry 자바스크립트 SDK에서 사라진 Gemini 챗 설정 복구하기
Sentry의 자바스크립트 SDK에서 Gemini 챗 설정이 누락되어 디버깅 추적에 문제가 발생했으나, 이를 성공적으로 복구하여 AI 모델 동작 분석이 가능해졌습니다.
AI 모델, 반도체 신소재 발견 가능성 탐구: 3D 칩 발열 문제 해결을 위한 도전
최신 대규모 언어 모델(LLM)이 반도체 산업의 3D 칩 발열 문제 해결을 위한 새로운 열전도성 유전체 물질을 발견하는 데는 성공했으나, 실제 합성 레시피 제안 능력은 아직 미흡하다.
AI 봇 트래픽 분석: 웹사이트 활동 지표
5천 개 이상 웹사이트의 AI 봇과 사람 트래픽, AI 스크래핑, 검색 인덱싱 등 다양한 활동을 지속적으로 분석하여 웹 생태계 변화를 보여줍니다.
테일스케일, SQLite WAL-Reset 버그 발견 및 해결에 기여하다
테일스케일은 자사 서비스에서 발생한 데이터 손상 문제를 추적하여 SQLite 데이터베이스의 오랜 버그인 WAL-Reset 데이터 경쟁 조건과 오래된 표현식 인덱스 버그를 발견하고 해결하는 데 중요한 역할을 했습니다.
hax: 터미널 기반의 최소형 코딩 에이전트
hax는 C언어로 개발된 가볍고 빠른 터미널 기반 코딩 에이전트로, 로컬 및 클라우드 AI 모델을 지원하며 개발자가 코드 작업을 효율적으로 수행하도록 돕습니다.
AI가 소프트웨어 엔지니어링 '중간 계층'을 사라지게 하는 이유
AI는 미숙한 엔지니어링 문화의 프로젝트 실패를 가속화하며, 겉으로는 작동하는 것처럼 보이지만 실제로는 복잡성과 기술 부채를 급증시켜 결국 프로젝트를 이해 불가능한 상태로 만든다.
클로드 AI 텍스트 워터마크: 탐지 불가능한 AI 텍스트의 종말인가?
클로드 AI의 새로운 워터마크 기술은 AI 생성 텍스트를 탐지 가능하게 만들지만, 이는 AI 사용을 금지하려는 것이 아니라 투명성을 높이기 위한 조치입니다.
실해석적 퍼텐셜의 영집합을 따르는 랑주뱅 동역학
이 논문은 복잡한 시스템의 움직임을 설명하는 랑주뱅 동역학이 특정 조건(큰 β 값)에서 퍼텐셜 함수의 '영집합'이라는 특별한 공간에 갇히게 될 때, 그 안에서 어떻게 움직이는지 밝혀냅니다. 특히, 이 움직임은 더 복잡하거나 '특이한' 부분으로 강하게 이끌린다는 것을 보여줍니다. 이는 딥러닝 모델이 왜 특정 종류의 해답을 선호하는지 이해하는 데 도움을 줄 수 있습니다.
균일하게 안정적인 알고리즘을 위한 로그 없는 모멘트 및 일반화 경계
이 논문은 기계 학습 알고리즘의 일반화 오류를 더 정확하게 예측할 수 있는 새로운 수학적 경계를 제시합니다. 기존 연구의 한계였던 '로그 n' 요소를 제거하여 예측의 정확도를 높였습니다.
물리 법칙을 따르는 에너지 구조 잠재 월드 모델 기반 개방형 로봇 모션 플래닝
로봇이 예측 불가능한 환경에서 안전하고 효율적으로 움직이려면 물리 법칙을 잘 이해해야 합니다. 이 논문은 에너지와 운동량을 명시적으로 고려하는 새로운 인공지능 모델을 제안하여, 로봇이 실제 세계의 물리적 제약 조건을 만족하면서 더 정확하고 안전하게 움직일 수 있도록 돕습니다.
RoSE: 식도 스텐트 테스트를 위한 로봇 연성 식도
이 연구는 연성 로봇 기술을 활용하여 인공 식도(RoSE)를 개발하고, 이를 이용해 식도암 환자의 연하곤란 치료에 사용되는 스텐트의 성능과 부작용을 실험적으로 평가했습니다.
XPolicyLab: 로봇 정책 평가 및 배포를 위한 통합 표준 및 개방형 생태계
로봇 정책을 다양한 환경에 적용하는 복잡한 과정을 XPolicyLab이라는 표준화된 시스템으로 단순화하여, 개발 시간과 노력을 크게 줄이고 재현 가능한 연구를 돕습니다.
검증자 없는 테스트 시간 확장을 위한 '컨실리언스' 기법
이 논문은 복잡한 문제에서 기존의 '검증자 없는' 인공지능 추론 방식이 실패하는 이유를 밝히고, 초기에는 탐색적이고 나중에는 확신하는 '신뢰도 변화 패턴'을 활용하여 더 정확한 결과를 얻는 새로운 방법인 '컨실리언스'를 제안합니다.
정부용 대규모 언어 모델 평가: 네덜란드 사례를 중심으로
이 연구는 네덜란드 정부 환경에서 대규모 언어 모델(LLM)을 평가하기 위한 'Grip on LLMs'라는 새로운 프레임워크를 제안합니다. 이 프레임워크는 공공 행정의 가치와 네덜란드어의 언어적 요구사항을 동시에 고려하며, 사실성, 정직성, 사회적 편향, 에너지 소비, 비용, 훈련 데이터 투명성 등 6가지 평가 차원을 포함합니다. 연구 결과, 모든 면에서 뛰어난 단일 모델은 없으며, 품질 향상은 환경 및 재정적 비용 증가로 이어짐을 보여줍니다. 또한, 사실성과 정직성은 별개의 특성임을 밝혀냈습니다.
링크 예측 공정성 연구: 인구통계학적 동등성을 넘어선 재현성 분석
이 연구는 링크 예측 모델의 공정성을 평가할 때, 기존의 인구통계학적 동등성 지표가 놓칠 수 있는 '노출 편향'을 새로운 지표로 밝혀내고, 이를 개선하는 방법의 효과를 재현 및 검증합니다.
멀티모달 모델 디핑을 통한 특징 발견 및 제어
이 연구는 멀티모달 대규모 언어 모델(MLLM)의 시각적 이해를 담당하는 내부 특징을 찾아내고 제어하는 새로운 방법을 제시합니다. 이를 통해 모델의 동작을 더 잘 이해하고, 안전성을 높이며, 성능을 개선할 수 있습니다.
자연스러움을 넘어: 언어학적 관점에서 자동 음성 합성 평가 도구 분석
자동 음성 합성(TTS) 평가 도구들이 사람의 청취 경험을 얼마나 잘 반영하는지 알아보기 위해, '자연스러움'을 10가지 언어학적 차원으로 세분화하여 평가했습니다. 그 결과, 기존 도구들은 음질에 치우치거나 특정 오류만 감지하는 등 사람의 복잡한 인식을 제대로 포착하지 못하는 것으로 나타났습니다.
감독 없이 스스로 배우는 시각 인지: 반사실적 맹점을 활용한 시각 증류
이 연구는 MLLM이 스스로 시각 정보를 더 잘 이해하고 활용하도록 돕는 새로운 방법을 제안합니다. 모델이 놓치는 '시각적 맹점'을 찾아내 이를 학습에 활용함으로써, 외부 도움 없이도 모델의 시각 인지 능력을 크게 향상시킵니다.
BDH-CQ: 반복적인 잠재 추론을 통한 인컨텍스트 학습
새로운 AI 모델 BDH-CQ는 주어진 정보를 기억하고 내부적으로 반복 계산하여 문제를 해결하며, 기존 모델보다 훨씬 저렴한 비용으로 높은 성능을 달성했습니다.
초소형 기기를 위한 14MB 에이전트 LLM, 니들 2
니들 2는 14MB의 작은 크기로 도구 호출, 기기 제어, 정보 추출이 가능한 오픈소스 LLM으로, 네트워크 연결 없이도 저전력 기기에서 안정적으로 작동합니다.
AI 시대, 개발자의 진짜 문제는 '사고력' 부족이다
AI는 개발자를 게으르게 만드는 것이 아니라, 개발자가 AI를 사고하지 않는 핑계로 삼는 것이 진짜 문제이며, 스스로 질문하고 문제 해결 과정을 거치는 '사고력'이 여전히 중요하다.
AI 시대: 생각의 게으름인가, 도구의 오용인가?
AI는 개발자를 게으르게 만드는 것이 아니라, 개발자가 AI를 사고를 대체하는 도구로 오용할 때 문제 발생한다.
AI 시대, 개발자의 진짜 문제는 '사고력' 부족이다
AI는 개발자를 게으르게 만드는 것이 아니라, 개발자가 AI를 사고를 회피하는 핑계로 삼을 때 문제가 발생하며, 이는 질문을 스스로 형성하기 전에 답을 얻는 습관에서 비롯된다.
메타, 개인 기기에서 작동하는 개방형 에이전트 AI 모델 '뮤즈 글리머' 공개
메타가 개인용 기기에서 상시 작동하도록 최적화된 300억 매개변수 개방형 에이전트 AI 모델 '뮤즈 글리머'를 공개하여, 인터넷 연결 없이도 다양한 AI 기능을 로컬에서 활용할 수 있게 했습니다.
AI 하드웨어 거래를 위한 기관용 마켓플레이스, Stoa
Stoa는 검증된 거래 상대방과 명확한 가격 책정을 통해 GPU 및 AI 하드웨어를 사고파는 기관 전용 마켓플레이스입니다.
Rust의 휴대용 SIMD, 이제 GPU에서도 활용 가능
Rust의 휴대용 SIMD 기능이 GPU에서도 작동하게 되어, CPU와 GPU에서 동일한 코드를 사용해 병렬 처리가 가능해졌습니다.
AI 에이전트 스킬 보안: 위협 모델에서 실제 방어 프레임워크로
AI 에이전트 스킬의 잠재적 보안 위협을 해결하기 위해 'agent-skills-guard'라는 프레임워크를 개발하여 실제 검증된 방어 메커니즘을 제시하고, 아직 해결되지 않은 과제도 솔직하게 밝힙니다.
AI 코딩 비용 효율적으로 관리하기: 대규모 적용 사례와 전략
AI 코딩 도구의 비용은 관리 가능한 문제이며, 효율적인 모델 선택, 자동화된 라우팅, 컨텍스트 최적화, 그리고 유연한 비용 관리 정책을 통해 생산성 저하 없이 비용을 절감할 수 있습니다.
딥마인드 AI, 사이클론 예측 정확도 혁신: 하루 더 빠른 경보 가능
구글 딥마인드의 AI 모델 'WeatherNext'가 사이클론의 경로와 강도를 기존 모델보다 하루 이상 빠르게, 그리고 더 정확하게 예측하여 재해 대비 시간을 늘릴 수 있게 되었습니다.
AI 웹 디자인에 '진짜 감각'을 가르치는 법
AI가 생성하는 획일적인 웹 디자인을 벗어나 독창적인 결과물을 얻기 위한 구체적인 접근 방식과 도구를 소개합니다.
AI 웹 디자인에 '진짜 감각' 불어넣기
AI가 생성하는 획일적인 웹 디자인을 넘어, 독창적이고 세련된 결과물을 얻기 위한 구체적인 전략과 접근 방식을 제시합니다.
덴마크, AI 부정행위 방지 위해 학생 과제 구술 평가 의무화
덴마크 교육부는 AI를 이용한 부정행위를 막기 위해 고등학생들의 모든 서면 과제에 대해 구술 방어 평가를 의무화했습니다.
젠투 버그질라 서비스 중단: LLM 스크래핑 문제로 인한 결정
젠투 개발자가 LLM 스크래퍼의 과도한 접근으로 인해 버그질라 서비스를 중단했으며, 이는 시스템 관리 부담과 데이터 오용 우려를 반영합니다.
OTLesMix: 다양한 모양과 위치의 병변을 생성하는 새로운 합성 기법
이 논문은 뇌 병변 이미지의 다양성을 높여 딥러닝 모델의 성능을 향상시키는 OTLesMix라는 새로운 이미지 합성 방법을 제안합니다. 이 방법은 기존 기술의 한계를 극복하고 더 현실적이고 다양한 병변을 생성합니다.
스마트폰 사진으로 치아를 찾아내고 번호 매기며 분할하는 인공지능 모델, TLNM
이 연구는 스마트폰 사진만으로 치아를 정확하게 감지하고 번호를 매기며 분할하는 인공지능 모델(TLNM)을 개발했습니다. 이는 치과 접근성이 낮은 지역에서 원격 구강 검진과 비대면 치과 진료를 가능하게 하는 저비용 솔루션이 될 수 있습니다.
Surv-IPTB: 생존 데이터를 활용하여 개별 치료 효과 확률을 추정하는 어텐션 기반 모델
이 논문은 환자 개개인이 특정 치료를 통해 생존 기간이 연장될 확률을 예측하는 새로운 인공지능 모델 'Surv-IPTB'를 제안합니다. 이 모델은 복잡한 비선형 데이터에서도 기존 방법보다 정확하게 치료 효과를 예측하며, 특히 생존 분석에서 중요한 '중도 절단' 데이터를 효과적으로 처리합니다.
운동선수 모니터링 데이터에서 잠재 기억 상태 학습
이 논문은 운동선수 모니터링 데이터와 같은 시계열 데이터에서 과거 이력을 요약하는 '잠재 기억 테이블'이라는 새로운 통계적 도구를 제안합니다. 이 테이블은 기존 통계 요약처럼 재사용 가능하며, 복잡한 과거 패턴을 효과적으로 포착합니다.
UQ-Loc: 불확실성을 고려한 라이다 장면 좌표 회귀
UQ-Loc은 라이다 데이터를 3D 장면 좌표로 직접 변환하여 위치를 파악하는 기술로, 예측의 불확실성까지 함께 알려주어 더 정확하고 신뢰할 수 있는 위치 추적을 가능하게 합니다.
GeniWorld: 시각적 행동을 통한 로봇 조작을 위한 일반화 가능한 상호작용 월드 모델
GeniWorld는 로봇이 복잡하고 낯선 환경에서도 물체를 조작할 수 있도록 돕는 새로운 시뮬레이션 모델입니다. 로봇의 움직임을 시각적으로 표현하고, 로봇과 환경의 상호작용을 분리하여 학습함으로써, 적은 데이터로도 다양한 상황에 잘 적응하는 로봇 정책을 개발하고 평가할 수 있게 합니다.
단조로운 적대적 환경에서의 학습: 최적의 학습 속도
이 연구는 적대자가 올바르게 레이블된 데이터를 추가할 때, 기계 학습의 성능이 예상보다 더 나빠질 수 있음을 보여줍니다. 특히, VC 차원이 2 이상인 경우 학습 속도가 로그 요인만큼 느려진다는 것을 수학적으로 증명했습니다.
FLAIR 초해상도 기술이 뇌 백질 병변을 지우거나 만들어낼까?
뇌 백질 병변을 더 잘 보기 위해 사용되는 영상 초해상도(SR) 기술이 실제 작은 병변을 지우거나 없는 병변을 만들어낼 수 있다는 우려가 있었습니다. 연구 결과, SR은 주로 작은 실제 병변을 지우는 경향이 있었지만, 원본 저해상도 영상보다는 병변 탐지율을 높였습니다. 특히 ECLARE 모델이 가장 우수했습니다.
VARMA 모델의 확장 가능한 추정
이 논문은 기존 VARMA 모델의 계산 복잡성 문제를 해결하여, 시계열 데이터 분석에 널리 사용될 수 있도록 새로운 추정 방법을 제안합니다. 이 방법은 데이터 길이에 상관없이 효율적이며, 다양한 실제 데이터에서 기존 모델보다 우수한 성능을 보입니다.
CalibForge: 학습 가능한 터미널 작업을 위한 적대적 솔버 보정 시스템
CalibForge는 인공지능 에이전트 학습에 적합한 난이도의 프로그래밍 작업을 자동으로 생성하는 시스템입니다. 이 시스템은 여러 솔버(문제 해결 프로그램)의 반응을 활용하여 작업의 난이도를 조절함으로써, 에이전트가 더 효과적으로 학습할 수 있도록 돕습니다.
MRI 환경에서 바늘 기반 원격 수술을 위한 마스터-슬레이브 로봇 조작기
이 논문은 MRI 기기 안에서 복부 시술을 안전하게 수행할 수 있도록, 사람이 조작하는 마스터 로봇과 환자에게 시술하는 슬레이브 로봇을 유체로 연결한 시스템을 소개합니다. 이 시스템은 다양한 제어 모드를 지원하며, 실제 돼지 실험을 통해 MRI 환경에서의 작동 가능성을 확인했습니다.
AV-AIVAT: 불완전 정보 게임에서 74배 저렴한 에이전트 평가와 언제든 유효한 중단 보장
이 연구는 불완전 정보 게임에서 두 인공지능 에이전트 중 누가 더 강한지 평가하는 비용을 크게 줄이는 새로운 방법을 제시합니다. 게임 결과가 확실해지는 즉시 평가를 멈춰 시간과 비용을 절약하면서도, 통계적 신뢰도를 유지하는 것이 핵심입니다.
최적의 비판적 PAC 학습 알고리즘
이 논문은 기계 학습에서 '비판적 PAC 학습'이라는 중요한 문제에 대해, 이론적으로 가장 효율적인 학습 알고리즘을 제시합니다. 이는 주어진 데이터로 최적의 모델을 찾는 데 필요한 데이터 양(샘플 복잡도)을 수학적으로 증명하며, 기존의 한계를 뛰어넘는 성과입니다.
나이지리아 모바일 쇼핑 앱의 인공지능 디지털 주권 연구
나이지리아 모바일 쇼핑 앱에서 AI 사용이 늘고 있지만, AI 기능에 대한 투명성이 부족하여 사용자의 디지털 주권이 위협받고 있습니다. 이 연구는 앱 분석을 통해 이 문제를 밝혀내고 사용자 통제권 보호의 중요성을 강조합니다.
심장 추적: 심부전 특징 엔지니어링을 위한 증거 기반 파이프라인
이 논문은 심부전 연구의 주요 난관인 전자의무기록(EHR) 데이터의 특징 엔지니어링을 자동화하는 새로운 시스템(nMAS)을 제안합니다. 이 시스템은 복잡한 EHR 데이터를 통합하여 심부전 진단 정확도를 크게 향상시키는 특징들을 생성하며, 그 과정이 투명하고 검증 가능하다는 장점이 있습니다.
도구 호출의 쓰디쓴 교훈: LLM의 도구 활용 방식 개선
대규모 언어 모델(LLM)이 외부 도구를 사용하는 방식 중, 코드를 활용한 '프로그래밍 방식 도구 호출'이 기존의 'JSON 방식'보다 더 유연하고 강력하며, 최신 모델에서 성능 향상을 보였습니다.
DyPES-VLA: 다양한 로봇이 공유하는 움직임 원리를 학습하여 조작 능력을 향상시키는 방법
이 연구는 여러 종류의 로봇이 물체를 조작할 때 공통적으로 나타나는 움직임 원리를 학습하고, 각 로봇의 특성에 맞는 제어를 통해 다양한 로봇이 복잡한 작업을 더 잘 수행하도록 돕는 새로운 인공지능 모델을 제안합니다.
인간형 로봇의 동시 이동 및 조작을 위한 예측 모델: $ω$-0
이 논문은 인간형 로봇이 움직이면서 물건을 조작하는 복잡한 집안일을 동시에 수행할 수 있도록 돕는 새로운 인공지능 모델 $ω$-0를 소개합니다. 이 모델은 미래를 예측하고 로봇의 전체 몸 동작을 효율적으로 생성하여 실제 로봇이 부드럽게 움직이도록 합니다.
선택적 맥락 선호도 최적화를 통한 신뢰 시점 학습
언어 모델이 외부 정보를 언제 신뢰하고 언제 무시해야 할지 학습하여, 잘못된 정보에 흔들리지 않으면서도 유용한 정보를 잘 활용하도록 돕는 새로운 학습 방법을 제안합니다.
vLLM 내부 들여다보기: 고성능 LLM 추론 시스템의 핵심 해부
vLLM은 페이지드 어텐션, 연속 배치 처리 등 혁신적인 기술을 활용하여 대규모 언어 모델(LLM) 추론의 처리량과 효율성을 극대화하는 시스템입니다.
AI 모델 및 API 제공자 성능 분석: 최적의 선택 가이드
인공지능 모델과 API 제공자들의 성능을 품질, 가격, 속도 등 다양한 기준으로 독립적으로 평가하여 사용자에게 최적의 선택을 돕는 분석 플랫폼입니다.
취미 프로그래밍 커뮤니티가 LLM 사용에 반대하는 이유
일부 취미 프로그래밍 커뮤니티는 LLM 사용을 부정행위로 간주하고, LLM 사용자의 깊이 없는 이해가 더해져 LLM 도입에 강하게 반대하는 경향을 보입니다.
AI로 재탄생한 개발 관리: 9가지 새로운 접근 방식
저자는 AI를 단순한 도구가 아닌 '살아있는 시스템'으로 설계하고, 134개의 상시 규칙을 통해 기존의 승인 기반 안전 시스템을 대체하여 효율적인 개발 워크플로우를 구축했습니다.
AI로 재창조한 개발 관리: 9가지 차별점과 그 효과
저자는 AI를 단순한 도구가 아닌 살아있는 시스템으로 설계하고, 134개의 규칙을 통해 기존의 승인 기반 관리 방식을 대체하여 개발 생산성을 혁신했습니다.
AI로 매니지먼트를 재창조하다: 개발 방식의 9가지 변화
저자는 AI를 단순한 도구가 아닌 살아있는 시스템으로 설계하고, 기본 안전 프롬프트 대신 134개의 자체 규칙을 만들어 개발 프로세스를 혁신했습니다.
AI로 재창조한 개발 관리: 9가지 차별점
저자는 AI를 단순한 도구가 아닌 살아있는 시스템으로 설계하고, 134개의 규칙을 통해 기존의 안전 프롬프트를 대체하여 효율적인 개발 워크플로우를 구축했습니다.
AI 에이전트 보안: 인간 검토자는 위협의 1/3을 놓쳤다
AI 에이전트의 명령 승인 과정에서 인간 사용자가 위협적인 명령의 3분의 1을 놓쳤으며, 이는 '인간 개입' 방식의 한계를 보여준다.
뮤온이 맘바를 만나다: 상태 공간 모델을 위한 스펙트럼 최적화
새로운 최적화 기법인 뮤온(Muon)을 상태 공간 모델인 맘바(Mamba)에 적용했을 때, 특히 출력 부분에만 적용하면 학습 효율이 크게 향상됨을 발견했습니다. 이는 기존 트랜스포머 모델에서의 성공 사례와는 다른 새로운 적용 분야에서의 유효성을 보여줍니다.
GFlowNets에서 정보 기하학 기반의 순방향 정책 훈련
이 논문은 GFlowNets의 학습 방식을 개선하기 위해 '정보 기하학'이라는 수학적 개념을 도입합니다. 이를 통해 GFlowNets가 복잡한 데이터를 더 효율적으로 탐색하고 학습할 수 있는 새로운 방법을 제시합니다.
비디오 딥리서치: 차세대 멀티모달 딥리서치 에이전트를 향하여
이 연구는 기존 멀티모달 AI 에이전트의 한계를 넘어, 동영상 스트림을 분석하고 웹 정보를 탐색하는 새로운 AI 에이전트 'Video-DeepResearch'를 제안합니다. 특히 시각 정보 활용을 강화하고 내부 기억 의존도를 줄여, 복잡한 동영상 질문에 대한 답변 정확도를 크게 향상시켰습니다.
대규모 언어 모델(LLM)이 컴파일러가 놓치는 의미론적 최적화 기회를 찾을 수 있을까?
이 연구는 LLM이 C/C++ 코드에서 컴파일러가 놓치는 최적화 기회를 발견하고, 이를 실제 성능 향상으로 이어지는 유효한 코드로 만들 수 있는지 탐구합니다. LLM은 높은 정확도로 최적화된 코드를 생성하며 상당한 성능 향상을 가져왔지만, 최적화의 잠재력을 완전히 끌어내지는 못했습니다.
합성 조직 병리 이미지 생성 모델 평가: 기존 방식의 한계와 개선 방안
이 연구는 AI 병리 분야에서 부족한 의료 데이터를 보충하기 위한 합성 조직 병리 이미지 생성 모델의 평가 방법을 개선합니다. 기존 평가 지표의 한계를 지적하고, 병리 데이터에 특화된 새로운 지표를 제안하여 합성 이미지의 품질을 더 정확하게 측정하고, 실제 진단 작업에 얼마나 유용한지 보여줍니다.
추론형 거대 언어 모델의 테스트 시점 확장: 추론 방식, 평가, 재현성
이 논문은 추론형 거대 언어 모델(LLM)의 성능을 높이는 '테스트 시점 확장' 기법들을 체계적으로 분류하고, 이러한 기법들을 공정하게 평가하며, 연구 결과를 재현 가능하게 만드는 방법을 제시합니다.
TurnSight: 도구 통합 추론을 위한 턴 단위 회고 자기 증류
TurnSight는 LLM이 도구를 사용하여 복잡한 문제를 풀 때, 각 단계(턴)에서 더 효과적으로 학습하도록 돕는 새로운 방법입니다. 실제 실행 결과를 바탕으로 더 정확한 피드백을 제공하여 기존 방식의 한계를 극복합니다.
월드컵 경기장: 실제 토너먼트에서 최신 LLM의 예측 능력 평가
이 연구는 2026년 FIFA 월드컵 기간 동안 최신 대규모 언어 모델(LLM)들이 실제 경기 결과를 얼마나 잘 예측하는지 실시간으로 평가했습니다. LLM들은 북메이커의 예측과 비슷한 수준의 정확도를 보였고, 서로 동의하는 경향이 강했지만, 실제로는 정확하지 않은 경우가 많았습니다. 특히 접전이 예상되는 경기에서는 예측 정확도가 떨어졌습니다.
SocietyBench: 가상 사회 현상 진화 예측 벤치마크
이 연구는 언어 모델이 실제 사회 현상의 전개 방식을 얼마나 잘 이해하고 예측하는지 평가하는 새로운 벤치마크인 SocietyBench를 소개합니다. 모델은 익명화된 가상 시나리오에서 미래를 예측하며, 현재 최강의 모델도 완벽한 예측에는 미치지 못합니다.
ParVL: 멀티모달 대규모 언어 모델을 위한 병렬 확장 및 유연한 연산 할당
ParVL은 기존 비전 및 언어 모델의 파라미터를 재사용하여 병렬 연산을 확장하고, 특정 작업에 맞춰 비전과 언어 처리 간의 연산 자원 배분을 유연하게 조절하는 새로운 프레임워크입니다.
아프리카 사이버 범죄 절반 이상, AI가 주도
인터폴 보고서에 따르면 아프리카에서 인공지능이 사이버 범죄의 절반 이상을 차지하며, 범죄자들이 더 빠르고 정교한 대규모 공격을 감행하고 있습니다.
AI 벤치마크 정체 현상: 체계적인 분석
AI 벤치마크가 더 이상 성능 향상을 보여주지 못하는 '포화' 상태에 도달했을 때의 문제점을 체계적으로 연구한 논문입니다.
AI 시대의 코딩: 원본보다 이해가 중요한 이유
AI가 코드를 생성하는 시대에도, 직접 코드를 작성하며 얻는 깊이 있는 이해와 문제 해결 경험이 여전히 중요하며, 이는 학습과 품질 보증의 핵심 요소입니다.
생성형 AI 시대: 코드 이해의 중요성과 학습의 마찰
생성형 AI가 코드를 작성하는 시대에도, 코드를 직접 작성하며 얻는 깊은 이해와 학습 과정의 마찰이 여전히 중요하며, 이는 코드의 품질과 개발자의 성취감에 큰 영향을 미친다.
AI 시대, 코드 이해의 중요성: 원본보다 깊은 이해가 핵심
AI가 코드를 생성하는 시대에도, 직접 코드를 작성하며 얻는 깊은 이해와 문제 해결 과정의 '마찰'이 코드의 품질과 개발자의 성장에 결정적인 역할을 합니다.
미스트랄 AI, 획기적인 안전 분류기 '쉴드스트랄' 공개
미스트랄 AI가 30억 매개변수 규모의 멀티모달 안전 분류기 '쉴드스트랄'을 출시했으며, 이는 훨씬 큰 모델들보다 뛰어난 성능을 보인다.
포괄적인 피부색 표현을 위한 디지털 색 공간 구축
디지털 아트와 게임 개발에서 다양한 피부색을 쉽게 표현할 수 있도록 돕는 맞춤형 색 공간과 색상 선택 도구가 개발되었습니다.
어떤 터미널에서든 작동하는 AI 코딩 에이전트, 워프 에이전트 CLI 출시
워프 에이전트 CLI는 어떤 터미널 환경에서도 개발자가 코딩 작업을 더 효율적으로 수행하도록 돕는 독립형 AI 코딩 에이전트입니다.
AI 시대, 좋은 기술 콘텐츠의 기준은 무엇인가?
AI 활용이 보편화된 시대에, 기술 콘텐츠의 진정성과 학습 가치를 높이기 위한 개인적인 노력과 커뮤니티의 역할에 대한 논의를 다룹니다.
Dev.to 대시보드 게시물 수 오류: 캐시 불일치 버그 해결기
Dev.to의 오픈소스 플랫폼인 Forem에서 게시물 수가 잘못 표시되는 캐시 불일치 버그를 발견하고, 루비에 익숙하지 않은 상황에서도 회귀 테스트와 CI를 활용하여 성공적으로 해결한 과정을 다룹니다.
AI 시대, 개발 커뮤니티 콘텐츠의 '좋고 나쁨'을 판단하는 기준은?
AI 활용이 보편화된 개발 커뮤니티에서 콘텐츠의 품질을 평가하고 진정한 학습을 촉진하는 방법에 대한 논의가 활발합니다.
Dev.to 대시보드 게시물 수 오류: 캐시 불일치 버그 해결기
Dev.to의 오픈소스 플랫폼인 Forem에서 게시물 수가 잘못 표시되는 캐시 불일치 버그가 발견되어, 언어 장벽에도 불구하고 회귀 테스트와 CI를 활용하여 성공적으로 해결했습니다.
AI 시대, 개발 커뮤니티 콘텐츠의 '좋고 나쁨' 판단 기준은?
AI 활용이 보편화된 개발 커뮤니티에서, 진정성 있는 학습과 소통을 위한 콘텐츠의 질적 기준과 AI의 올바른 활용법에 대한 논의가 필요하다.
러스트 올핸즈 2026: 개발자들의 열정적인 교류와 미래 논의
러스트 개발자 컨퍼런스 '올핸즈 2026'은 높은 만족도 속에 다양한 기술 논의와 협업 기회를 제공하며 러스트 생태계 발전에 기여했습니다.
하위 에이전트 지표, 메인 스레드 지표와 직접 비교하기 어려운 이유
AI 에이전트 성능 측정 시, 에이전트의 '역할'과 '디스패처'의 영향이 모델 자체의 성능보다 커서, 단순히 모든 데이터를 합쳐 비교하면 잘못된 결론을 내릴 수 있습니다.
AI 모델의 SVG 이미지 생성 능력 평가: 합스부르크 턱을 가진 개구리 벤치마크
다양한 AI 모델이 '합스부르크 턱을 가진 개구리' SVG 이미지를 생성하는 능력을 평가하고, 생성된 이미지의 주석을 통해 모델별 특징과 해석 방식을 비교하는 벤치마크 프로젝트입니다.
OpenAI의 새로운 모델 '아스트라': 놀랍지만 과대평가된 부분은 없는가?
OpenAI의 새로운 AI 모델 아스트라가 특정 수학 문제 해결에 뛰어나지만, 이를 범용 인공지능(AGI)의 임박으로 해석하는 것은 성급한 일반화의 오류라는 비판적 시각이 제기됩니다.
타입스크립트 컴파일러에 Go의 'defer' 기능 추가하기
타입스크립트에 Go 언어의 'defer' 키워드와 유사한 기능을 구현하여 코드 정리(cleanup)를 간편하게 처리하는 방법을 탐구합니다.
1975년 프로세서에서 구동되는 초소형 언어 모델: BBC 마이크로에서 텍스트 생성
1975년에 출시된 6502 프로세서 기반의 BBC 마이크로 컴퓨터에서 맘바(Mamba) 기반의 초소형 언어 모델과 맞춤형 8비트 3진법 추론 엔진을 사용하여 텍스트를 성공적으로 생성했습니다.
캣봇 음성 인식 오류 해결기: 맞춤 문법과 하드웨어의 중요성
개인 데스크톱 펫 '캣봇'이 사용자의 말을 제대로 이해하지 못하는 문제를 음성 인식 문법 조정과 마이크 교체를 통해 해결한 경험담입니다.
캣봇 음성 인식 오류 해결기: 맞춤 문법과 하드웨어 개선의 중요성
개인 데스크톱 펫 '캣봇'이 사용자의 말을 제대로 이해하지 못하는 문제를 음성 인식 문법 모델 조정과 마이크 교체를 통해 해결한 경험담입니다.
파이썬 문자열 리터럴의 흥미로운 특징들
파이썬 문자열 리터럴은 다양한 정의 방식과 독특한 동작으로 인해 예상치 못한 결과를 초래할 수 있으므로 주의 깊은 이해가 필요합니다.
FriendBench: 사람과 멀티모달 대규모 언어 모델의 '친밀도 추론' 능력 벤치마크
이 연구는 두 사람이 서로 아는 사이인지 모르는 사이인지를 20초짜리 대화 영상만으로 판단하는 AI 모델과 사람의 능력을 비교합니다. AI는 '모르는 사이'라고 편향되는 경향이 있지만, 전반적인 정확도는 사람과 비슷했습니다. 하지만 시각 정보 활용 방식에는 차이가 있었습니다.
WCM: 시각-언어-행동 강화 학습을 위한 세계 비평 모델
로봇이 복잡한 작업을 더 잘 수행하도록 돕는 새로운 인공지능 모델인 WCM은 로봇의 과거 경험을 더 잘 이해하고 미래를 예측하여 학습 효율성과 일반화 능력을 크게 향상시킵니다.
AgentHPOBench: LLM 에이전트의 순차적 하이퍼파라미터 최적화 능력 평가 벤치마크
이 논문은 LLM 에이전트가 실험 결과를 바탕으로 다음 하이퍼파라미터를 결정하는 능력을 평가하는 새로운 벤치마크인 AgentHPOBench를 소개합니다. 현재 에이전트들은 어느 정도 최적화 능력을 보이지만, 반복적인 개선, 복잡한 로그 분석, 목표 성능 달성에는 한계가 있습니다.
빈도 구조화된 의미 공간에서 언어 구성성의 진화
언어가 세대를 거쳐 전달될 때, 자주 사용되는 의미는 문법 규칙을 덜 따르는 경향이 있으며, 이는 언어의 구성성 발달에 영향을 미칩니다. 하지만 빈도 구조가 너무 작은 단위에 적용되면 언어 전달이 어려워집니다.
VAV 공조 시스템 고장 탐지 및 진단을 위한 온톨로지 FDD-ON 개발
이 논문은 VAV 공조 시스템의 고장을 효율적으로 탐지하고 진단하기 위한 'FDD-ON'이라는 온톨로지를 제안합니다. 이는 다양한 데이터와 장비 정보를 통합하여 고장 진단 지식을 체계화하고, AI 기반 유지보수 및 디지털 트윈과 같은 고급 애플리케이션 개발을 돕는 것을 목표로 합니다.
동결 후 선택: 희소 관측을 통한 편미분 방정식 발견을 위한 구조화된 필드 어댑터 및 안정성 검증 약한 선택
이 논문은 불완전한 데이터에서 편미분 방정식(PDE)을 찾아내는 새로운 방법을 제안합니다. 데이터를 먼저 분석하여 연속적인 필드를 재구성한 다음, 안정성 검증을 통해 가장 적합한 미분 항들을 선택하여 정확한 PDE를 찾아냅니다.
뮤온(Muon) 최적화 알고리즘을 위한 부호 압축: SignMuon, MuonSign 그리고 오류 피드백의 한계
이 논문은 딥러닝 최적화 알고리즘인 Muon의 통신 비용을 줄이기 위해 업데이트 값을 1비트로 압축하는 방법을 탐구합니다. SignMuon이라는 방법은 실용적으로 좋은 성능을 보이지만, 이론적으로는 발산할 수 있음을 보입니다. 오류 피드백을 적용해도 이 문제가 완전히 해결되지 않으며, 오히려 이론적으로 발산하는 방법이 실제로는 더 좋은 성능을 보이는 흥미로운 결과를 제시합니다.
차등 프라이버시를 이용한 비모수 최빈값 학습: 회귀 및 클러스터링 적용
이 연구는 데이터의 '최빈값'(가장 밀집된 부분)을 찾아내면서도 개인 정보를 철저히 보호하는 새로운 방법을 제안합니다. 특히 다봉 분포(데이터가 여러 군데 몰려 있는 경우)에서 유용하며, 회귀 분석과 클러스터링에도 적용될 수 있습니다.
ExtractBench: 기업 문서 정보 추출을 위한 벤치마크
이 연구는 기업 문서에서 필요한 정보를 정확하게 추출하는 AI 에이전트의 성능을 평가하는 새로운 벤치마크인 ExtractBench를 소개합니다. 이 벤치마크는 정보의 정확성, 완전성, 출처 추적 가능성, 그리고 비용까지 종합적으로 평가하며, 상업용 AI 모델들의 강점과 약점을 보여줍니다.
TokTier: 에이전트형 LLM 서비스를 위한 정확하고 상태 저장형 토큰화
이 논문은 LLM(대규모 언어 모델)이 에이전트처럼 작동할 때 발생하는 비효율적인 토큰화 문제를 해결하는 'TokTier'라는 새로운 시스템을 제안합니다. TokTier는 기존 토큰화 방식보다 훨씬 빠르고 정확하게 텍스트를 처리하여 LLM 서비스의 응답 속도를 크게 향상시킵니다.
ORCA-bench: 언어 모델 에이전트, 온콜 업무에 얼마나 준비되었나?
ORCA-bench는 언어 모델 에이전트가 실제 시스템 장애 대응(온콜) 업무를 얼마나 잘 수행할 수 있는지 평가하는 새로운 벤치마크입니다.
JW Labs 연구 게시물 요약
JW Labs의 연구 게시물은 특정 기술 주제에 대한 심층적인 탐구를 다룹니다.
LLM 라우터, 모두가 만들 때 우리는 왜 중단했을까?
많은 기업이 LLM 라우터를 개발하지만, Manifest는 비용 절감 효과가 미미하고 예측 불가능성을 높여 자사 라우터 개발을 중단했습니다.
AI의 추론 능력, 과연 올바른 방식으로 작동하는가?
최신 AI 모델이 뛰어난 추론 능력을 보여주지만, 그 내부 작동 방식과 추론 과정의 신뢰성에 대한 과학적 이해는 아직 부족합니다.
우리가 할 수 있기 때문에: 암호화 기술 접근성과 AI 시대의 교훈
과거 강력한 암호화 기술의 수출 규제 투쟁은 현재 AI 모델 접근성 논쟁에 중요한 교훈을 제공하며, 기술 통제가 오히려 방어자를 약화시킬 수 있음을 시사합니다.
X-NavDP: 그룹 Q-점수 재가중 매칭을 통해 새로운 행동과 로봇에 일반화된 내비게이션 확산 정책
이 연구는 로봇이 낯선 환경이나 새로운 로봇 유형에서도 길을 잘 찾도록 돕는 새로운 학습 방법을 제안합니다. 기존 방법의 한계를 극복하고, 시뮬레이션과 실제 환경에서 로봇의 성공률을 크게 높였습니다.
FA-RDP: 접촉이 많은 로봇 조작을 위한 주파수 적응형 반응 확산 정책
로봇이 물체를 다룰 때, 접촉 전에는 여러 움직임이 가능하고 접촉 후에는 빠르게 반응해야 하는데, 기존 방식은 이 두 가지를 동시에 잘하기 어려웠습니다. 이 논문은 접촉 전후 상황에 따라 로봇의 반응 주파수를 조절하여 성공률을 높이는 새로운 인공지능 정책을 제안합니다.
OSReward: 크로스 플랫폼 컴퓨터 사용 보상 모델의 표준화된 평가 시스템 구축
컴퓨터 사용 에이전트(CUA)의 성능을 평가하는 데 사용되는 시각-언어 모델(VLM) 심사관의 신뢰성을 체계적으로 분석한 결과, 현재 모델들이 이상적인 심사관에 미치지 못하며 실패한 작업을 성공으로 오판하는 경향이 있음을 발견했습니다. 이를 개선하기 위해 저렴하고 신뢰할 수 있는 오픈소스 보상 모델인 OS-Shepherd를 개발했습니다.
AISPA: AI 시스템 프롬프트 감사로 사용자 신뢰 높이기
AI 앱의 숨겨진 '시스템 프롬프트'를 사용자가 이해하기 쉽게 감사하여, AI가 사용자에게 더 안전하고 투명하게 작동하도록 돕는 AISPA 프레임워크를 제안합니다.
AskChem: 화학 문헌 합성을 위한 주장 중심 인프라
AskChem은 화학 논문에서 핵심 '주장'들을 추출하여 검색하고 연결함으로써, 연구자들이 여러 논문에 흩어진 정보를 더 빠르고 정확하게 찾아 종합할 수 있도록 돕는 새로운 시스템입니다.
PAC-MAN: 휴머노이드 피구에서 전신 안전을 위한 인지 기반 CBF-RL
이 연구는 휴머노이드 로봇이 머리에 달린 카메라만으로 피구공을 피하는 방법을 제시합니다. 로봇은 훈련 시 안전 장치를 배우고, 실제 환경에서는 불완전한 인지 속에서도 95%의 성공률로 공을 피합니다.
PhiZero: 물리 언어를 기반으로 구축된 세계 모델
PhiZero는 복잡한 비디오 예측 대신 '물리 언어'라는 간결한 표현으로 세상의 변화를 예측하고, 이를 바탕으로 미래를 렌더링하는 새로운 AI 모델입니다. 인간처럼 추상적인 추론을 통해 물리적 세계를 이해하고 시뮬레이션합니다.
ACE-Data-0: 인간 중심의 주변 환경 포착을 통한 체화된 데이터 엔진
이 논문은 로봇이나 AI가 인간처럼 복잡한 행동을 배우는 데 필요한 고품질 데이터를 만들기 위한 새로운 시스템(ACE)과 그 결과물인 대규모 데이터셋(ACE-Data-0)을 소개합니다. 이 데이터셋은 인간의 다양한 감각 정보와 움직임을 통합하여 실제 환경에서 목표 지향적인 행동을 기록하며, 기존 데이터셋의 한계를 극복하고 체화된 AI 연구의 발전을 목표로 합니다.
ReToken: 시각 검색을 위한 비전-언어 모델 개선의 핵심 토큰
ReToken은 하나의 학습 가능한 임베딩으로, 방대한 시각 정보 속에서 관련성 높은 토큰만 효율적으로 선택하여 비전-언어 모델의 검색 성능을 크게 향상시키는 기술입니다.
사이버그 이중성 추적 학습
이 논문은 기계 학습을 사용하여 복잡한 물리 시스템의 '이중성'을 효율적으로 찾아내는 방법을 제시합니다. 특히 사이버그 이중성을 추적하는 데 트랜스포머와 MLP 같은 신경망이 기존 알고리즘보다 뛰어남을 보여주며, 이는 이론 물리학에 AI를 적용하는 새로운 기준점이 될 수 있습니다.
AI 도구의 진화: MCP에서 스킬 기반 접근으로
AI 도구 활용 방식이 기존 MCP(Multi-tool Co-ordination Protocol)에서 '스킬'을 통해 자연어 기반으로 더 효율적인 작업 지시 및 실행으로 진화하고 있습니다.
AI 도구의 진화: MCP와 스킬의 차이점
AI 도구는 모든 기능을 한 번에 제공하는 MCP 방식에서, 필요할 때만 관련 기능을 불러오는 '스킬' 기반으로 진화하여 효율성과 사용 편의성을 높이고 있습니다.
AI 도구의 진화: MCP와 스킬의 차이점
AI 도구는 MCP(다중 기능 통합) 방식에서 스킬(특정 기능 선택) 방식으로 발전하며, 일반 언어로 AI를 제어하는 시대가 오고 있습니다.
AI 시대, 코딩 학습의 의미는 여전히 유효한가?
인공지능 시대에는 단순히 코드를 작성하는 것을 넘어, 코드를 이해하고 관리하며 문제 해결 능력을 키우는 것이 더욱 중요해지고 있습니다.
임시 팀워크에서 작업에 구애받지 않는 적응을 위한 파트너 능력 추정
이 연구는 인공지능이 낯선 파트너와 여러 작업을 함께 수행할 때, 파트너의 숨겨진 능력을 추정하고 인간의 예측 불가능성까지 고려하여 더 효과적으로 협력하는 방법을 제안합니다.
DenseOn과 LateOn: 다국어, 긴 문맥, 코드 검색을 위한 완전 개방형 밀집 및 지연 상호작용 모델
이 연구는 검색 모델 훈련의 재현성 문제를 해결하기 위해, 방대한 공개 데이터를 활용하여 다국어 검색에 최적화된 두 가지 새로운 개방형 모델(DenseOn, LateOn)을 개발하고 공개했습니다. 특히, 지연 상호작용 모델이 번역 학습 데이터에 없는 언어에도 더 잘 일반화됨을 발견했습니다.
AI 팀원이 인간 팀원 간 소통에 미치는 사회적 비용: 소규모 팀 의사결정 사례
AI 팀원이 있으면 인간 팀원끼리의 대화가 줄어들고, 서로에게 덜 반응하며, 소속감과 가치감을 낮게 느끼는 등 사회적 비용이 발생합니다.
HumanCLAW: 비전-언어 모델이 신체를 통해 행동할 수 있을까?
이 논문은 비전-언어 모델(VLM)이 로봇처럼 물리적 신체를 제어하며 행동하는 능력을 평가하는 새로운 프레임워크인 HumanCLAW를 제안합니다. 기존 평가의 어려움을 해결하고, 현재 VLM들이 신체 인식이 부족하여 복잡한 작업을 수행하기 어렵다는 것을 보여줍니다.
Pangram 4 기술 보고서
Pangram 4는 AI가 작성한 텍스트를 탐지하는 최신 딥러닝 모델로, 이전 버전에 비해 정확도가 크게 향상되었고, 미세한 편집이나 AI와 사람이 함께 작성한 글도 더 잘 구별하며, 다양한 환경에서 최고 수준의 성능을 보여줍니다.
APEX-Accounting: AI 회계 능력 평가 벤치마크
새로운 벤치마크 APEX-Accounting은 최신 AI 모델이 실제 회계 업무를 얼마나 잘 수행하는지 평가합니다. 현재 어떤 모델도 회계 전문가 수준에는 미치지 못하며, 토큰 예산이 늘어나도 복잡한 문제 해결에는 한계가 있습니다.
AI 에이전트가 개방형 AI 연구를 수행할 수 있을까? 두 가지 사례 연구를 통한 초기 증거
현재 AI 에이전트는 AI 연구의 공학적 부분은 처리할 수 있지만, 창의적이고 비판적인 연구 질문 해결에는 어려움을 겪습니다.
VidMap: 비디오 기반 3D 재구성을 위한 시간적 구조 활용
VidMap은 SLAM과 SfM의 장점을 결합하여, 어떤 비디오든 카메라 정보 없이도 정확하고 견고하게 3D 공간을 재구성하는 새로운 기술입니다.
분류에서 회귀로: 초파리를 이용한 방정식 풀이
초파리의 감각 방식을 모방하여 복잡한 회귀 문제를 분류 방식으로 해결하는 새로운 머신러닝 기법을 제안합니다. 이는 제한된 지역 패턴 라이브러리를 통해 비선형 관계를 학습하고, 계산 효율성을 높이며 정확도와 비용 간의 균형을 조절할 수 있습니다.
정신 세계 모델링: 인간 행동 예측을 위한 새로운 접근법
인공지능이 사람처럼 생각하고 행동을 예측하려면, 물리적 세계뿐 아니라 사람의 믿음, 의도 같은 '정신 상태'까지 모델링해야 한다는 새로운 AI 프레임워크와 그 효과를 보여줍니다.
온라인 강화 학습 미세 조정을 위해 Q-함수를 사전 학습해야 할까요?
사전 학습된 정책을 미세 조정할 때 Q-함수를 사전 학습하는 것이 항상 좋은 것은 아니며, 오히려 무작위 초기화가 더 나을 수 있습니다. 이 논문은 이 문제를 분석하고, 더 효과적인 Q-함수 초기화 방법인 IPE를 제안합니다.
TurboVLA: RTX 4090에서 1GB 미만 VRAM으로 32Hz 실시간 비전-언어-행동 모델 구현
TurboVLA는 로봇이 보고(비전), 지시를 이해하고(언어), 행동하는(액션) 과정을 기존 방식보다 훨씬 빠르고 효율적으로 처리하는 새로운 AI 모델입니다. 대규모 언어 모델(LLM)을 거치지 않고 시각 정보와 언어 지시를 직접 연결하여 로봇이 실시간으로 복잡한 작업을 수행할 수 있게 합니다.
코딩 없이 더 많이 만드는 법: AI 시대 개발자의 역할 변화
AI 시대에 개발자의 역할이 코드를 직접 작성하는 것에서 벗어나, 문제 정의, AI 도구 활용 및 결과 검증으로 변화하며 생산성을 높일 수 있다는 관점을 제시합니다.
AI 산업의 순환 거래: 단순한 거품인가, 새로운 상품화의 시작인가?
AI 산업의 순환 거래는 단순한 거품이 아니라, 자본 집약적인 상품 산업의 금융 구조를 반영하며, AI가 기술 제품을 넘어 전력과 같은 상품으로 변화하고 있음을 보여줍니다.
AI 코파일럿을 통한 문서 내 숨겨진 지시어 전파 취약점
워드 코파일럿이 문서 내 숨겨진 악성 지시어를 사용자 요청으로 오인하여 문서 조작 및 공격을 확산시킬 수 있는 취약점이 발견되었습니다.
구형 에어컨을 스마트하게: 저렴한 DIY 자동화 프로젝트
아날로그 에어컨 손잡이를 스테퍼 모터와 ESP32로 제어하여 스마트 홈 시스템에 연동, 저렴한 비용으로 에어컨을 자동화한 DIY 프로젝트입니다.
바이브 코딩: 대규모 프로젝트의 한계와 극복 방안
AI를 활용한 바이브 코딩은 초기 프로토타이핑에 효과적이지만, 프로젝트 규모가 커지면 유지보수와 복잡성 관리의 어려움에 직면합니다.
AI 활용 개발 프로젝트: 출처보다 중요한 것은 '이해'와 '유지보수'
AI를 사용했는지 여부보다는 프로젝트의 실제 가치와 유지보수 가능성을 평가해야 합니다.
AI 환각을 악용한 새로운 공급망 공격, 슬롭스쿼팅
슬롭스쿼팅은 AI가 존재하지 않는 소프트웨어 패키지 이름을 '환각'으로 만들어내면, 공격자가 그 이름을 선점하여 개발자가 AI의 추천을 믿고 설치할 때 악성 코드를 심는 새로운 형태의 공급망 공격입니다.
AI 활용 개발에 대한 오해: 중요한 것은 '유지보수 가능한 엔지니어링'입니다
개발 커뮤니티는 AI 사용 여부보다 프로젝트의 품질과 유지보수 가능성에 집중해야 합니다.
바이브 코딩: 대규모 프로젝트의 한계와 극복 방안
AI를 활용한 '바이브 코딩'은 빠른 프로토타이핑에 유용하지만, 프로젝트 규모가 커지면 유지보수와 복잡성 관리의 어려움에 직면합니다.
AI 환각을 악용하는 새로운 공급망 공격, 슬롭스쿼팅
슬롭스쿼팅은 AI 모델의 환각으로 생성된 가짜 패키지 이름을 공격자가 미리 등록하여, 개발자가 AI의 추천을 믿고 설치할 때 악성 코드를 주입하는 새로운 형태의 공급망 공격입니다.
AI 활용 프로젝트: 출처보다 중요한 것은 '이해'와 '유지보수'
개발 커뮤니티는 AI 사용 여부로 프로젝트를 판단하기보다, 실제 유지보수되는 공학적 가치에 집중해야 합니다.
바이브 코딩: 대규모 프로젝트의 한계와 극복 방안
AI를 활용한 바이브 코딩은 초기 프로토타이핑에 효과적이지만, 프로젝트 규모가 커질수록 유지보수와 복잡성 관리의 어려움에 직면합니다.
AI 환각을 악용한 공급망 공격, 슬롭스쿼팅의 위협
슬롭스쿼팅은 AI 모델의 환각으로 생성된 가짜 패키지 이름을 공격자가 미리 등록하여 개발자가 이를 복사해 설치하도록 유도하는 새로운 유형의 공급망 공격입니다.
편향 없는 머신러닝: 식별, 추정 및 형태 제약
이 논문은 머신러닝 모델의 편향을 자동으로 제거하여 더 정확한 결과를 얻는 새로운 방법을 제시합니다. 특히 복잡한 데이터와 모델에서도 잘 작동하며, 예측 정확도를 높이기 위해 모델에 특정 제약을 추가하는 방법도 다룹니다.
불균형 라벨 집계를 위한 모델: 소수 클래스 탐지에 중점
이 연구는 크라우드소싱에서 희귀한 데이터를 더 잘 찾아내기 위해, 작업자의 능력과 문제의 난이도가 데이터 종류에 따라 달라지는 상황을 고려한 새로운 모델을 제안합니다. 이 모델은 특히 소수 클래스 탐지 성능을 크게 향상시킵니다.
DataOrchestra: 사전 학습 데이터의 예시별 큐레이션을 조율하는 학습 프레임워크
이 논문은 대규모 언어 모델(LLM) 학습 시 개별 데이터 조각의 특성에 맞춰 최적의 데이터 처리 방식을 자동으로 결정하고 적용하는 'DataOrchestra'라는 새로운 프레임워크를 제안합니다. 이를 통해 기존의 일률적인 처리 방식보다 더 나은 성능을 보였습니다.
다중 턴 장기 계획의 물리학: 단일 및 다중 교사 온-정책 에이전트 증류를 통한 사전 훈련부터 사후 훈련까지
이 연구는 인공지능 모델이 여러 단계를 거쳐 복잡한 장기 계획 능력을 어떻게 배우고, 개선하며, 통합하는지 체계적으로 분석하기 위해 통제된 환경을 만들고, 데이터 형식, 훈련 방식, 그리고 여러 선생님으로부터 배우는 방법을 탐구했습니다.
KANEx: 콜모고로프-아놀드 네트워크의 해석 가능성을 의료 설명 가능성으로 전환하기
의료 AI의 신뢰를 높이기 위해, KANEx는 본질적으로 해석 가능한 KAN 모델을 활용하여 X선 이미지 분석의 시각적 설명과 언어적 설명을 모두 개선합니다.
온-정책 확산 증류에서 분류기 없는 안내(CFG) 재고찰: 새로운 증류 기법 제안
확산 모델을 더 효율적으로 만드는 온-정책 증류(OPD) 방식이 분류기 없는 안내(CFG)와 결합될 때 발생하는 문제점('음성 브랜치 비대칭성')을 발견하고, 이를 해결하는 새로운 증류 목표('양의 방향 일치')를 제안하여 모델 성능을 향상시켰습니다.
여러 데이터 제공자로부터 분포 학습하기
이 연구는 여러 출처에서 얻은 부분적인 데이터를 활용하여 전체 데이터 분포를 학습하는 방법을 탐구합니다. 데이터 간의 연결성(공동 발생 그래프)이 학습 가능성과 효율성에 중요한 영향을 미치며, 연결성이 높을수록 더 효율적으로 학습할 수 있음을 보여줍니다.
동적 엔트로픽 최적 수송을 위한 시간 병렬 Sinkhorn 알고리즘
이 논문은 여러 시점의 최적 수송 문제를 동시에 처리하여 기존 방식보다 훨씬 빠르게 해결하는 새로운 병렬 알고리즘을 제안합니다. 특히 AI 모델 학습에 유용하며, 정확도를 유지하면서도 속도를 크게 향상시켰습니다.
ClinFusion: 의료 영상 중심의 다중 모드 LLM 시스템으로 포괄적인 의료 이해 달성
ClinFusion은 다양한 2D 및 3D 의료 영상을 통합적으로 이해하고, 의사의 진료 방식에 맞춰 평가하는 새로운 AI 모델입니다. 기존 모델보다 뛰어난 성능으로 의료 진단 및 보고서 작성에 혁신을 가져올 잠재력이 있습니다.
구현된 조작을 위한 데이터 피라미드
이 논문은 로봇이 물리적 세계와 상호작용하며 학습하는 데 필요한 다양한 데이터 소스를 '피라미드' 형태로 정리하고, 각 데이터의 특징과 활용법을 분석하여 미래 로봇 시스템 개발의 방향을 제시합니다.
AI 시대, 주니어 개발자 성장 사다리가 사라지고 있다
AI가 주니어 개발자의 학습 기회를 빼앗아 미래의 시니어 개발자 공급에 심각한 문제를 초래하고 있습니다.
AI가 주니어 개발자 성장 사다리를 부수고 있다
AI가 주니어 개발자들이 성장하는 데 필요한 기본적인 업무를 자동화하면서, 미래의 시니어 개발자 양성에 심각한 공백이 생기고 있습니다.
AI 시대, 주니어 개발자 성장 경로의 단절과 미래 시니어 개발자 부족 문제
AI가 주니어 개발자의 학습 기회를 대체하면서 미래 시니어 개발자 양성에 심각한 차질이 발생하고 있으며, 이는 장기적으로 산업 전체의 인력 공급 문제를 야기할 수 있습니다.
파이썬 독립 실행형 빌드: 어디서든 작동하는 파이썬 배포판
이 프로젝트는 런타임 의존성을 최소화하여 어떤 시스템에서든 작동하는 완전한 기능을 갖춘 휴대용 파이썬 배포판을 만듭니다.
Bun의 Rust 재작성, AI 활용의 실제 성과는?
Bun 프로젝트의 Rust 재작성이 AI(Anthropic Claude)를 활용했다고 알려졌으나, 실제 코드 기여와 배포 현황을 분석한 결과 AI의 역할과 그 가치에 대해 의문을 제기하는 내용입니다.
교수의 '투명 프롬프트' 함정, AI 부정행위 학생 32명 적발
한 대학교수가 AI를 이용한 학생들의 부정행위를 적발하기 위해 눈에 보이지 않는 지시어를 문제에 숨겨 32명의 학생을 잡아냈습니다.
FeyNoBg: 배경 제거 기술의 새로운 선두주자
FeyNoBg는 배경 제거 분야에서 최신 기술(SOTA) 모델로, 전경 인식과 경계 정밀도를 동시에 향상시켜 4K/8K 초고해상도 이미지에서도 뛰어난 성능을 보입니다.
AI 열풍이 전 세계 의사결정을 훼손하고 있다
현재 전 세계적으로 확산되고 있는 AI 열풍이 기업의 합리적인 의사결정을 저해하고 있으며, 이에 대한 비판적 시각이 필요하다는 주장이 제기되었습니다.
데비안 프로젝트, LLM 활용 기여 금지 추진
데비안 프로젝트는 안정성과 명확한 라이선스 정책을 유지하고 커뮤니티를 보호하기 위해 LLM(대규모 언어 모델) 또는 생성형 AI 도구를 사용한 코드 기여를 명시적으로 금지하는 방안을 논의 중입니다.
오픈 가중치 AI, 쿠버네티스처럼 생태계 혁신 이끌까?
오픈 가중치 AI 모델은 과거 쿠버네티스가 그랬던 것처럼, 개방성과 중립성을 바탕으로 새로운 AI 생태계의 핵심 기반이 될 잠재력을 가지고 있습니다.
웹 기반 MIPS 시뮬레이터 'webMARS' 소개
webMARS는 웹 브라우저에서 MIPS 어셈블리 코드를 작성하고 실행할 수 있게 해주는 시뮬레이터입니다.
구글 안티그래비티에 제미니 기반 이미지 편집 능력 가르치기
구글 안티그래비티는 제미니의 상호작용 API와 MCP 서버를 활용하여 이전 대화 내용을 기억하는(stateful) 이미지 편집 기능을 제공합니다.
웹 접근성을 되찾아주는 6가지 오픈소스 도구
최근 웹페이지에 프로그램으로 접근하기 어려워진 문제를 해결하고, AI 시대에 필요한 웹 데이터 수집을 돕는 6가지 오픈소스 도구를 소개합니다.
GLAM-SLAM: 실시간 대규모 가우시안 맵핑 기술
GLAM-SLAM은 단일 카메라로 넓은 야외 환경을 실시간으로 맵핑하는 새로운 기술입니다. 기존 방식의 메모리 문제와 짧은 시퀀스 한계를 극복하여, 더 길고 복잡한 환경에서도 정밀한 3D 모델을 만들 수 있습니다.
높은 재현율 후보 생성 시스템을 위한 유한 표본 커버리지 감사: 인증 및 학습 이론적 설계
이 논문은 AI 시스템이 중요한 항목을 놓치지 않았는지 확인하기 위해 얼마나 많은 데이터를 검토해야 하는지 연구합니다. 특히, 시스템이 놓친 항목들을 직접 감사해야만 신뢰할 수 있는 결과를 얻을 수 있으며, 이를 위한 효율적인 감사 방법을 제시합니다.
신호등 없는 교차로에서 자율주행차 조정을 위한 효율적인 잠재 조정 기법
신호등 없는 교차로에서 자율주행차들이 충돌 없이 효율적으로 지나가도록, 중앙 마스터 에이전트가 전체 전략을 짜고 개별 차량 에이전트가 이를 바탕으로 운전하는 새로운 인공지능 시스템이 개발되었습니다. 이 시스템은 기존 방식보다 빠르고 안전하며, 더 많은 차량에도 잘 적용됩니다.
GS-Agent: 생성 시뮬레이션으로 4D 물리 세계 만들기
GS-Agent는 자연어 설명을 바탕으로 물리적으로 현실적인 4D 가상 세계를 자동으로 생성하는 AI 시스템입니다. 사람이 직접 만드는 과정을 모방하여, 다양한 객체와 상호작용하는 동적인 환경을 만듭니다.
Windowed-MTP: 백만 토큰 컨텍스트에서 전체 컨텍스트 드래프트-KV 비용 제거
이 논문은 대규모 언어 모델의 추론 속도를 높이는 '추측 디코딩' 기술의 문제점을 해결합니다. 특히, 모델이 긴 문맥을 처리할 때 발생하는 '드래프트' 단계의 과도한 메모리 및 계산 비용을 줄여, 더 빠르고 효율적인 텍스트 생성을 가능하게 합니다.
DONDO: 아프리카 언어를 위한 개방형 w2v-BERT 음성 인식 기반 모델
DONDO는 아프리카 언어 음성 인식을 위한 개방형 AI 모델로, 적은 데이터로도 높은 성능을 내며, 여러 언어를 하나의 모델로 처리할 수 있어 아프리카 언어 기술 발전에 기여합니다.
블랙박스 학습기를 이용한 준모수 추정의 최적 활용
이 논문은 블랙박스 학습기를 사용하여 부분 선형 모델에서 핵심 계수를 추정하는 새로운 방법을 제안합니다. 기존 방법보다 추정 오차를 줄여 더 정확한 결과를 얻을 수 있으며, 특히 학습기의 성능 불균형이 있을 때 유용합니다.
제로-플로우 기반 두 표본 검정
두 데이터셋이 같은 분포에서 왔는지 확인하는 새로운 통계 검정 방법으로, 데이터의 미묘한 차이를 방향성 패턴으로 학습하여 높은 정확도를 보입니다.
자동화의 경계: 인간 참여가 지속되는 이유에 대한 이론
AI가 발전해도 인간의 역할은 사라지지 않습니다. 이 논문은 인간이 AI와 함께 일하는 것이 단순히 AI의 부족함을 채우는 임시방편이 아니라, 기술적, 규범적, 그리고 목표 자체가 상호작용을 통해 만들어지는 '발현적' 이유 때문에 필수적이라고 주장합니다.
OpenForgeRL: 어떤 환경에서든 하네스 기반 AI 에이전트를 훈련시키는 개방형 프레임워크
OpenForgeRL은 복잡한 AI 에이전트의 훈련을 쉽게 해주는 오픈소스 프레임워크입니다. 이 프레임워크는 에이전트가 실제 환경에서 작동하는 방식 그대로 훈련 데이터를 수집하고, 대규모 훈련을 가능하게 하여 기존 방식보다 더 효율적이고 강력한 에이전트를 만들 수 있도록 돕습니다.
MedGame: 대규모 언어 모델 기반 스토리텔링 게임을 활용한 의학 교육
MedGame은 대규모 언어 모델(LLM)을 활용하여 정적인 의학 사례를 의사 결정 중심의 스토리텔링 게임으로 변환하여 의대생들이 더 몰입감 있게 학습할 수 있도록 돕는 새로운 교육 프레임워크입니다.
에피소드 평가를 넘어: 순차적 로봇 질문 답변 시스템의 기억 구조적 병목 현상
로봇이 연속적으로 질문에 답하려면 단순히 탐색 정보만 기억하는 것을 넘어, 시각적 정보를 3D 공간에 매핑하여 구조화된 기억을 만드는 것이 중요합니다. 이를 통해 정확도를 높이고 이동 비용은 줄일 수 있습니다.
가나 말라리아 발병의 시공간적 이상 징후 탐지를 위한 비지도 합의 기반 방법
가나의 말라리아 데이터를 분석하여 비정상적인 발병 패턴을 찾아냈습니다. 특정 지역에서 이상 징후가 자주 발생하거나, 이상 징후 발생 시 환자 수가 급증하는 경향을 보였습니다. 이는 말라리아 감시 및 통제 전략 수립에 중요한 정보를 제공합니다.
충분성을 넘어: 반사실적 필연성을 이용한 시계열 설명
이 논문은 시계열 분류 모델의 예측을 설명할 때, 단순히 예측에 '충분한' 부분이 아니라 예측에 '필수적인' 부분을 찾아내는 새로운 방법론 'TimePNS'를 제안합니다. 이를 통해 모델의 의사결정에 정말 중요한 부분을 더 정확하게 파악할 수 있습니다.
놀람 이론은 (합리적 근거 없이는) 동어반복적이다
언어 처리의 어려움을 설명하는 '놀람 이론'은 특정 언어 모델이 없으면 어떤 난이도 패턴도 설명할 수 있어, 실제 예측력이 부족한 동어반복에 불과하다는 비판입니다.
그라비아 인쇄 품질 관리를 위한 합성 데이터 생성 프레임워크
이 논문은 그라비아 인쇄에서 발생하는 다양한 결함 이미지를 인공적으로 만들어내는 기술을 소개합니다. 이 기술로 만든 가상 데이터를 딥러닝 모델 학습에 사용했더니, 실제 인쇄 결함을 80.9%의 정확도로 찾아낼 수 있었습니다. 이는 비싸고 느린 수동 검사를 대체할 수 있는 빠르고 저렴한 자동화 솔루션입니다.
Barzilai-Borwein 방법, 4차원 이상 이차 문제에서 초선형 수렴 실패
널리 쓰이는 최적화 방법인 Barzilai-Borwein(BB)이 특정 조건에서 초선형 수렴을 하지 못한다는 것을 수학적으로 증명했습니다. 이는 BB 방법의 수렴 특성에 대한 기존의 이해를 뒤집는 중요한 발견입니다.
GraphVid: 그래프로 제어하는 대화형 비디오 생성
GraphVid은 텍스트나 움직임 제어 대신 '상호작용 그래프'를 이용해 여러 객체의 움직임을 정밀하게 제어하며 비디오를 생성하는 새로운 모델입니다. 복잡한 장면에서도 객체 간의 관계를 직관적으로 설정할 수 있어, 기존 방식보다 적은 데이터로도 더 좋은 품질의 비디오를 만듭니다.
전략적 규모 확장: 로봇 조작을 위한 편향 인식 평가 및 데이터 수집을 통한 구성적 일반화 학습
로봇이 복잡한 지시를 따르도록 돕기 위해, 이 연구는 로봇이 특정 지시 요소(예: 색상, 동사)에 과도하게 의존하는 경향(편향)을 진단하고, 이 편향을 줄이는 새로운 데이터 수집 전략을 제안합니다. 이를 통해 로봇은 더 적은 학습 데이터로도 다양한 상황에 잘 적응할 수 있게 됩니다.
확장형 흐름 맵: 가변 크기 데이터 생성을 위한 새로운 접근 방식
이 논문은 기존 생성 모델의 고정된 크기 한계를 넘어, 출력 데이터의 크기를 자유롭게 조절하며 생성할 수 있는 새로운 '확장형 흐름' 모델을 제안합니다.
분리된 데이터로 학습하는 통합 비디오 밀집 예측 모델
이 논문은 서로 다른 데이터셋에서 학습한 정보를 합쳐서 비디오 속 다양한 장면 정보를 동시에 예측하는 'UniD'라는 새로운 인공지능 모델을 제안합니다. 이 모델은 기존 방식의 한계를 극복하고 더 효율적으로 학습합니다.
확산 모델의 추론 시간 확장: 점진적 시드 가지치기를 통해
이 논문은 확산 모델에서 이미지 생성 품질을 높이기 위해 초기 노이즈 시드를 효율적으로 탐색하고 불필요한 시드를 제거하는 새로운 방법을 제안합니다. 이를 통해 제한된 계산 자원으로 더 좋은 이미지를 얻을 수 있습니다.
암시적 및 명시적 3D 형상을 활용한 3D 인식 시각-언어 모델
이 연구는 2D 영상만으로 3D 공간을 더 잘 이해하는 새로운 시각-언어 모델(VLM-IE3D)을 제안합니다. 이 모델은 암시적 및 명시적 3D 형상 정보를 활용하여 다양한 3D 작업에서 뛰어난 성능을 보여줍니다.
월드 상태 레지스터를 활용한 스트리밍 다중 에이전트 자기회귀 확산 모델
여러 인공지능 에이전트가 상호작용하는 가상 세계를 만들 때, 각 에이전트가 공유하는 세계 상태를 일관성 있게 유지하면서 동영상을 생성하는 새로운 AI 모델 'WorldWeaver'를 제안합니다. 이 모델은 '월드 상태 레지스터'라는 특별한 메모리 토큰을 사용하여 세계 정보를 효율적으로 관리하고, 기존 방식보다 더 논리적이고 고품질의 비디오를 생성합니다.
AXIS: 로봇 조작 학습을 위한 확장 가능한 커뮤니티 기반 데이터 엔진
AXIS는 웹 기반 원격 조작과 자동화된 데이터 처리로 로봇 조작 학습에 필요한 대규모 고품질 데이터를 수집하고 관리하는 새로운 플랫폼입니다. 이를 통해 로봇 학습 모델의 성능을 크게 향상시킬 수 있습니다.
AI 에이전트 개발의 숨겨진 진실: 프레임워크 없이도 가능하다?
AI 에이전트 개발은 복잡한 프레임워크 없이도 80줄 내외의 코드로 충분히 구현할 수 있으며, 핵심 원리를 이해하는 것이 중요하다.
AI 에이전트 개발의 숨겨진 진실: 프레임워크 없이도 가능하다?
AI 에이전트 개발은 복잡한 프레임워크 없이도 80줄 내외의 코드로 구현할 수 있으며, 핵심 원리를 이해하는 것이 중요하다.
AI 에이전트 개발의 숨겨진 진실: 프레임워크 없이도 가능하다?
AI 에이전트 개발은 복잡한 프레임워크 없이도 80줄 내외의 코드로 충분히 가능하며, 핵심 원리를 이해하는 것이 중요하다.
AI 시대의 학습: '마찰'은 버그가 아닌 기능이다
AI 코딩 도구가 학습 과정을 매끄럽게 만들지만, 문제 해결 과정에서 겪는 '인지적 마찰'이 진정한 성장의 핵심임을 강조하며, AI 시대의 교육 및 멘토링 방식 재고를 촉구하는 글입니다.
AI 시대의 학습: '마찰'은 성장의 필수 요소
AI 코딩 도구는 편리하지만, 학습 과정에서 겪는 '인지적 마찰'을 제거하여 깊이 있는 학습과 문제 해결 능력 개발을 저해할 수 있습니다.
메타 AI 모델, 제네시스 미션 연구 가속화
메타의 AI 모델인 SAM과 DINOv3가 방대한 과학 연구 데이터를 효율적으로 분석하여 포도나무 가뭄 반응 연구와 같은 분야에서 혁신적인 성과를 내고 있습니다.
만들 수 있다면, 과연 만들어야 할까?
AI 시대에는 소프트웨어 제작이 쉬워졌지만, 진정으로 중요한 것은 '무엇을 만들 것인가'에 대한 신중한 질문과 문제 해결 능력입니다.
만들 수 있다면, 과연 만들어야 할까?
AI 시대에는 소프트웨어 개발의 진입 장벽이 낮아져 누구나 쉽게 만들 수 있게 되었지만, '무엇을 만들 것인가'보다 '무엇을 만들어야 하는가'에 대한 질문이 더욱 중요해졌다.
컴퓨터블: 필요한 GPU 시간을 주 단위로 구매하고 판매하세요
컴퓨터블은 사용자가 GPU 시간을 주 단위로 유연하게 구매, 판매, 교환할 수 있도록 지원하여, 기존 렌탈 시장의 높은 비용과 경직성을 해소하는 플랫폼입니다.
잭 도시의 '버즈': 팀 협업, AI 에이전트, 깃을 하나로 묶는 새로운 시도
잭 도시가 개발한 '버즈'는 팀 채팅, AI 에이전트, 깃 호스팅 기능을 통합하여 분산된 환경에서 소프트웨어 개발 협업을 지원하는 오픈소스 플랫폼입니다.
최신 AI 모델, 모나리자 '그리기' 대결: GPT-5.6, Claude, Gemini, Grok 성능 비교
최신 AI 모델들이 가상 도구로 모나리자를 그리는 실험에서 GPT-5.6 Sol이 가장 뛰어난 시각적 결과물을 보여주었으나, 구조적 유사도(SSIM) 점수에서는 Gemini 3.6 Flash가 가장 높게 나왔습니다.
Gemma4 MoE 모델, AWS에서 DevOps로 운영하기: 비용 효율성과 확장성 탐구
Gemma4 MoE 모델을 AWS inf2.24xlarge 인스턴스에서 DevOps 방식으로 운영하며, 비용 효율성과 확장성을 높이는 방안을 논의합니다.
AI 생성 코드: 소유권과 책임, 누구에게 있을까?
AI가 생성한 코드의 소유권은 불분명하지만, 그 코드에서 발생하는 모든 문제에 대한 책임은 최종적으로 코드를 승인한 개발자에게 있습니다.
Gemma4 DevOps: 비용 절감과 효율적인 AI 모델 운영 전략
Gemma-4 AI 모델 운영에 데브옵스 원칙을 적용하여 하드웨어 비용을 8.6배 절감하고, 표준화된 데이터와 관측 가능성 확보로 효율성을 높이는 방법을 다룹니다.
AI 생성 코드: 소유권과 책임은 누구에게 있는가?
AI가 생성한 코드의 소유권은 불분명하지만, 그 코드에 대한 법적 책임은 여전히 코드를 사용하는 개발자에게 있습니다.
Claude Code, Rust로 재작성된 Bun 도입으로 성능 향상
Claude Code가 Rust로 포팅된 Bun을 사용하기 시작했으며, 이를 통해 리눅스 환경에서 시작 속도가 10% 빨라졌지만 사용자들은 큰 변화를 느끼지 못했다는 점이 오히려 긍정적입니다.
AI 발전, 과연 진짜인가? 회의적 시각으로 본 AI 기술의 진보
AI 벤치마크가 빠르게 포화되는 가운데, 여러 독립적인 지표들이 2025년 말부터 AI 성능이 급격히 향상되었음을 보여주며 실제 AI 발전 가능성을 시사합니다.
AI 조언이 비판적 사고를 저해하고 정확도를 떨어뜨린다
최신 연구에 따르면 AI 조언에 의존할 경우 사람들의 정답률은 낮아지고 자신감은 높아지며, 모른다고 인정하는 비율은 급격히 줄어드는 것으로 나타났습니다.
AI가 찾아낸 zkVM의 치명적 보안 취약점: OpenVM 사례
AI 감사 도구 'zkao'가 최신 영지식 가상 머신(zkVM)인 OpenVM에서 중요한 건전성 버그를 발견했으며, 이는 악의적인 증명자가 위조된 페어링 등식을 만들 수 있게 합니다.
AI 기반 GitHub 분석기에 관측 가능성(Observability)을 더하다: OpenTelemetry와 SigNoz 활용
AI 기반 GitHub 분석 도구 'GitIntel'이 OpenTelemetry와 SigNoz를 활용하여 복잡한 분산 처리 과정의 성능 병목 현상과 토큰 사용량을 명확하게 파악하고 최적화하는 방법을 소개합니다.
LM 스튜디오 바이오닉: 개방형 AI 모델을 위한 에이전트
LM 스튜디오 바이오닉은 개방형 AI 모델을 활용하여 코딩, 연구, 문서 작업 등 다양한 업무를 효율적으로 처리하며, 사용자 프라이버시와 비용 통제에 중점을 둔 AI 에이전트입니다.
오픈소스 AI 현황: 상업적 성공과 미래 전망
오픈소스 AI는 다양한 분야에서 실질적인 가치를 창출하며 빠르게 성장하고 있으며, 개발자 채택률이 높지만 운영 도구와 신뢰 부족으로 상용화에 어려움을 겪고 있습니다.
스티그머지 그래프 메모리: 다대다 다중 에이전트 픽업 및 배송을 위한 환경 인식 접근 방식
이 논문은 창고 로봇들이 물건을 픽업하고 배송할 때, 최근 교통 정보를 기억하여 혼잡을 줄이고 효율성을 높이는 새로운 방법을 제안합니다. 이 방법은 기존 방식보다 처리량을 20-36% 향상시켰습니다.
BadWAM: 월드-액션 모델이 올바르게 상상하지만 잘못 행동할 때
로봇이 미래를 예측하며 행동하는 '월드-액션 모델'에 미세한 시각적 교란을 주면, 로봇이 상상하는 미래와 실제 행동이 어긋나 치명적인 오류를 일으킬 수 있음을 보여주는 연구입니다.
조정되지 않은 해밀턴ian 몬테카를로 및 언더댐핑 랑주뱅 샘플러의 편향 분산 현상
이 연구는 기존에 편향 제거를 위해 복잡한 조정 과정이 필요했던 샘플링 알고리즘들이 특정 조건에서 편향이 자연스럽게 분산되어 사라진다는 현상을 밝혀냈습니다.
데이터 기반 블록 교체 일정 최적화
여러 기계를 일괄 교체하는 정책에서, 기계 수명 분포를 모를 때 운영 데이터를 활용하여 가장 비용 효율적인 교체 주기를 찾아내는 알고리즘을 개발했습니다.
동적 장면의 새로운 시점 합성을 위한 온라인 신경 시공간 메모리
이 논문은 움직이는 장면에서 새로운 시점을 실시간으로 생성하기 위해, 기존의 무거운 메모리 업데이트 방식을 개선하여 효율적이고 안정적인 온라인 신경 시공간 메모리 시스템을 제안합니다.
계산 프로파간다를 통한 사전 학습 데이터 오염 가능성
이 연구는 웹상의 공개 토론 인터페이스를 통해 대규모 언어 모델의 사전 학습 데이터를 오염시킬 수 있음을 보여주며, 악성 콘텐츠가 데이터에 포함되는지 측정하는 새로운 분석 도구 'HalfLife'를 소개합니다.
SciDiagramEdit: 논문 수정 이력을 통해 과학 다이어그램 편집 학습하기
이 연구는 과학 논문의 그림을 자연어 명령으로 자동 편집하는 'SciDiagramEdit'라는 시스템을 제안합니다. 논문 수정 이력에서 그림의 '수정 전/후' 쌍을 학습하여, 사용자가 그림의 개별 요소를 함께 편집할 수 있도록 돕습니다.
MeanFlowNFT: 평균 속도 생성기에 순방향 강화 학습을 적용하다
이 논문은 이미지/비디오 생성 모델인 MeanFlow에 강화 학습(RL)을 적용하여, 적은 단계만으로도 더 빠르고 고품질의 결과물을 만들 수 있는 새로운 방법론 MeanFlowNFT를 제안합니다.
로봇 정책을 위한 문맥 확장 기술: RoboTTT
로봇이 과거 경험을 훨씬 더 길게 기억하고 활용하여, 사람의 시범을 한 번만 보고도 복잡한 작업을 배우거나 실시간으로 성능을 개선하며, 예상치 못한 상황에도 더 잘 대처할 수 있게 해주는 새로운 로봇 학습 방법입니다.
분할, 프롬프트, 집계: 언어 모델의 통계적 자기 일관성
거대 언어 모델(LLM)이 부분적인 정보를 모아 전체를 추론할 때, 기본적인 통계 원칙을 위반하는 경우가 많지만, 오히려 더 세분화된 정보로 추론한 결과가 더 정확할 수 있음을 발견했습니다.
계층적 노이즈 제거를 통한 다단계 시각 추론
이 논문은 비디오 모델이 복잡한 추론 작업을 더 잘 수행하도록 돕는 새로운 방법을 제시합니다. 'HDR'이라는 이 방법은 비디오 데이터를 계층적으로 처리하여 효율적이면서도 논리적인 추론을 가능하게 합니다. 기존 방법보다 성공률과 진행률이 높고, 처리 속도도 훨씬 빠릅니다.
에이전트릭 하네스: AI 에이전트의 숨겨진 조종 장치
에이전트릭 하네스는 AI 에이전트가 작업을 올바르게 완료했는지 판단하고, 신뢰할 수 있는 결과를 내도록 돕는 보이지 않는 제어 시스템입니다.
에이전트릭 하니스: AI 모델을 실제 문제 해결사로 만드는 핵심 요소
에이전트릭 하니스는 AI 에이전트가 실제 작업을 효과적으로 수행하도록 돕는 '보이지 않는 배관'으로, 에이전트의 추론과 실행 환경을 분리하고 피드백 및 지침을 제공하여 신뢰성을 높입니다.
AI 생성 코드는 '작은 대출'이며, 결국 갚아야 할 빚이다
AI가 생성한 코드는 당장 생산성을 높여주지만, 코드에 대한 이해 부족은 미래에 디버깅 및 유지보수 비용으로 돌아오는 '기술 부채'가 될 수 있습니다.
AI 에이전트의 '하네스'란 무엇인가?
AI 에이전트의 '하네스'는 모델이 실제 작업을 성공적으로 완료하도록 돕는 보이지 않는 제어 로직과 인프라를 의미합니다.
AI 생성 코드는 '작은 대출'과 같다: 언젠가 갚아야 할 빚
AI가 생성한 코드는 당장 생산성을 높여주지만, 코드에 대한 이해 부족은 결국 디버깅이나 유지보수 시 '기술 부채'로 돌아와 더 큰 비용을 초래할 수 있습니다.
뉴욕시, AI 생성 이미지 부동산 광고에 사용 시 고지 의무화 추진
뉴욕시 맘다니 시장은 부동산 임대 광고에 AI로 생성되거나 디지털 조작된 이미지를 사용할 경우 이를 반드시 공개하도록 하는 새로운 권고안을 발표했습니다.
AI, 100달러로 뮤직비디오 제작 도전: 클로드 페이블 5 vs. GPT-5.6 솔
클로드 페이블 5와 GPT-5.6 솔 두 AI 모델이 각각 100달러 예산으로 자율적으로 뮤직비디오를 제작하는 실험에서, 두 모델 모두 완전한 영상을 만들었지만, 제작 방식과 비용 효율성에서 차이를 보였습니다.
에이전트 최적화는 누적될까? 터미널-벤치 2.0을 활용한 지속 학습 평가
인공지능 에이전트를 반복적으로 최적화할 때, 이전 개선 사항을 유지하면서 새로운 작업에서도 계속 성능이 향상될 수 있는지 평가한 연구입니다. 기존 방법들은 새로운 작업에서 성능이 떨어지거나 더 이상 개선되지 않았지만, 회귀 제어 기능이 있는 RELAI-VCL만이 지속적으로 성능을 향상시키는 것으로 나타났습니다.
오래된 개에게 새로운 재주를 가르칠 수 있을까? LLM을 문장 단위 번역을 넘어 확장하기
이 연구는 LLM이 문장 단위 번역을 넘어 문서 전체의 맥락을 이해하고 번역하는 시스템(PAT)을 제안합니다. 실제 장문 텍스트 코퍼스를 활용하여 스페인어 문화권에 맞는 번역을 시도했으며, 부분적으로 성공적인 재구성 가능성을 보여주었지만, 효과 개선을 위한 추가 연구가 필요합니다.
AI 기반의 신속한 전문 역량 강화 엔드투엔드 프레임워크
이 논문은 AI를 활용하여 전문 기술 습득부터 평가까지 전 과정을 가속화하여, 기업의 인력 역량 격차를 빠르게 해소하고 교육 효율성을 높이는 새로운 프레임워크를 제안합니다.
지진 교육을 위한 AI 기반 로봇 활용 교육 시스템: Earthquaker-AI
초등학생의 지진 대비 능력을 키우기 위해 로봇 시뮬레이션과 대화형 AI를 결합한 교육 시스템인 Earthquaker-AI를 소개합니다. 이 시스템은 학생들의 인지 발달 단계에 맞춰 지진 안전 수칙 학습을 돕고, AI가 피드백을 제공하여 자기 주도 학습을 지원합니다.
로봇 자율성을 위한 언어 교정 기반의 인간-로봇 협력 시스템, PhysClaw-0
PhysClaw-0는 로봇이 스스로 데이터를 수집하고 실패 시 사람의 언어 교정을 기억하여 재사용함으로써, 로봇 학습 데이터 수집 효율을 크게 높이는 시스템입니다.
심층 상호작용: 대규모 추론 모델을 위한 효율적인 인간-AI 상호작용 방법
이 논문은 대규모 언어 모델(LLM)이 복잡한 문제를 풀 때 발생하는 추론 오류를 사람이 직접 수정하고, 그 수정 내용을 학습시켜 모델이 같은 실수를 반복하지 않도록 돕는 '심층 상호작용'이라는 새로운 방법을 제안합니다. 이 방법은 오류 수정 성공률을 높이고 토큰 사용량을 줄여 효율성을 크게 개선합니다.
힌드캐스트: LLM 예측 모델 평가를 위한 예측 시장 재현
LLM 예측 모델을 평가할 때 미래 정보를 미리 아는 '정보 유출' 문제를 해결하기 위해, 특정 과거 시점으로 돌아가 당시의 정보만으로 예측하고 평가하는 새로운 방법론 '힌드캐스트'를 제안합니다.
최적 수송(Optimal Transport)을 이용한 선형 독립 성분 분석
이 논문은 데이터에서 숨겨진 독립적인 신호를 찾아내는 새로운 방법을 제안합니다. 기존 방법과 달리, 가우시안 분포와의 '거리'를 측정하여 독립성을 판단하며, 이를 통해 더 정확하고 다양한 실제 문제에 적용할 수 있는 'OT-ICA'라는 알고리즘을 개발했습니다.
MetaPerch: 생체음향 기반 모델을 위한 메타데이터 학습
이 연구는 새 소리 같은 생체음향 데이터를 분석하는 AI 모델의 성능을 높이기 위해 녹음 위치나 시간 같은 '메타데이터'를 활용하는 새로운 방법을 제안합니다. 메타데이터를 활용하면 모델이 더 다양한 환경에 잘 적응하고, 실제 환경에서 생물 종을 더 정확하게 식별할 수 있습니다.
레이블 없는 데이터를 활용한 일반화 가능한 신경 활동 해독 모델
레이블이 부족한 신경 데이터셋에서 뇌 활동을 더 정확하게 해독하기 위해, 레이블 없는 데이터도 활용하는 새로운 학습 방법(MOJO)을 제안합니다. 이 방법은 기존 지도 학습 방식보다 성능이 우수하며, 다양한 뇌 신호와 종(species)에 적용 가능합니다.
카이저 간호사들, AI 감시 시스템이 업무와 환자 돌봄을 저해한다고 비판
카이저 퍼머넌트의 간호사들이 AI 기반의 직장 감시 시스템이 환자 상담 및 분류 업무의 질과 환자 돌봄에 부정적인 영향을 미친다고 주장합니다.
인공지능 시대, 타이포그래피의 미래는 인간의 손에 달려있다
인공지능이 타이포그래피 디자인의 현재를 모방할 수는 있지만, 새로운 문화적 표현과 소외된 언어를 위한 혁신적인 서체 개발은 인간 디자이너의 역할이며, AI 의존은 이러한 발전을 저해할 수 있다.
SQLite, 기본 설정 개선을 위한 '에디션' 도입 제안
SQLite의 오래된 기본 설정들이 데이터 무결성 및 안정성 문제를 야기하므로, Rust의 '에디션'처럼 새로운 기본값을 적용하는 버전 관리 시스템이 필요하다는 주장입니다.
13년 된 구형 서버에서 구글 Gemma 4 26B 모델 초당 5토큰 속도로 구동 성공
오래된 하드웨어에서도 최신 AI 모델을 효율적으로 실행할 수 있음을 보여주며, AI 도구를 활용한 문제 해결 능력의 중요성을 강조합니다.
AI 음성 사기: 3초 만에 모든 방어를 무력화하는 신종 범죄
AI 음성 기술을 활용한 사기가 급증하며 기존 방어 체계를 무력화하고 있으며, 특히 노년층이 주요 표적이 되고 있습니다.
오픈소스 멀티모달 AI 모델 '잉클링' 공개: 맞춤형 AI 개발의 새 지평
씽킹 머신스 랩이 멀티모달, MoE 기반의 오픈소스 AI 모델 '잉클링'을 공개하며, 효율적인 추론과 쉬운 맞춤 학습을 통해 다양한 실세계 응용을 지원합니다.
유튜브 영상 하나 보고 개발자들이 자신감 넘치게 설명하는 8가지
개발자들이 단 하나의 유튜브 튜토리얼만 보고 특정 기술이나 개념에 대해 과도한 자신감을 보이는 현상을 유머러스하게 비판하는 글입니다.
유튜브 영상 하나 보고 개발자들이 자신감 넘치게 설명하는 8가지
개발자들이 단 하나의 유튜브 튜토리얼만 보고 특정 기술이나 개념에 대해 과도한 자신감을 보이는 경향을 유머러스하게 꼬집는 글입니다.
러스트 앱 성능 27배 향상: AI 제안 거부로 얻은 교훈
러스트 기반 키보드 소리 앱 'KeyEcho'의 핵심 오디오 경로를 재설계하여 성능을 27배 개선했으며, AI가 제안한 코드 변경 중 기능 오류를 유발할 수 있는 부분을 거부하여 안정성을 확보했습니다.
유튜브 영상 하나 보고 개발자들이 자신감 넘치게 설명하는 8가지
개발자들이 유튜브 튜토리얼 하나만 보고 특정 기술이나 개념에 대해 지나치게 자신감 있게 설명하는 경향을 유머러스하게 풍자하는 글입니다.
러스트 앱의 '핫 패스' 27배 가속화: AI 제안 거부로 얻은 성능 향상
러스트 기반 키보드 소리 앱 'KeyEcho'의 핵심 오디오 처리 경로를 재설계하여 27배 성능 향상을 달성했으며, 이 과정에서 AI가 제안한 비효율적인 수정은 거부되었다.
불공정한 심사위원의 내면: LLM 심사 편향에 대한 기계론적 해석 가능성 분석
이 연구는 LLM(대규모 언어 모델)이 심사할 때 발생하는 편향이 단순히 입력-출력 문제가 아니라, 모델 내부의 숨겨진 상태(표현)에서 특정 기하학적 패턴으로 나타나며, 이를 조작하여 편향을 제어하고 예측할 수 있음을 보여줍니다.
증거 기반 비디오 질의응답: 비디오 LLM의 투명성 향상
이 연구는 비디오 LLM이 질문에 답할 때, 단순히 텍스트 답변만 주는 것이 아니라 답변의 근거가 되는 비디오 속 시공간적 증거(시간 구간과 객체 움직임)를 함께 제시하도록 하는 새로운 방법을 제안합니다. 이를 통해 모델이 왜 그런 답을 했는지 시각적으로 확인할 수 있게 하여, 비디오 이해의 투명성과 신뢰도를 높이는 데 기여합니다.
교육 피드백 분류 프로토콜의 내구성 및 다국어 전이 성능 벤치마크
이 연구는 학생들의 주관식 교육 평가를 분류하는 기존 방법이 최신 AI 모델에서도 잘 작동하고, 영어에도 적용 가능한지 검증했습니다. 결과적으로, 이 방법은 시간이 지나도 유효하며, 특정 작업에서는 저렴한 모델도 최신 모델만큼 효과적임을 보여주었습니다.
능숙한 조작을 위한 최소한의 리타겟팅 기반 강화 학습 방법
사람의 손동작을 로봇에 적용해 복잡한 물체 조작 기술을 학습시키는 새로운 방법을 제안하며, 이를 통해 로봇이 가위질이나 드라이버 사용과 같은 섬세한 작업을 사람처럼 수행할 수 있게 됩니다.
귀납적 추론 과제에서 트랜스포머의 불변 학습 동역학
트랜스포머가 귀납적 추론을 학습하는 과정을 수백만 개의 매개변수 대신 소수의 핵심 요소로 설명하는 이론적 틀을 제시하여, 학습 메커니즘을 더 쉽게 이해하고 분석할 수 있게 합니다.
거대 언어 모델(LLM)의 메타인지: 기초, 발전, 그리고 기회
이 논문은 LLM이 스스로 생각하는 능력인 '메타인지'를 어떻게 갖출 수 있는지, 현재 어디까지 왔는지, 그리고 앞으로 어떤 가능성이 있는지를 종합적으로 정리한 첫 번째 연구입니다.
리퀀셜 코딩: 자체 생성 훈련 데이터로 모델 압축의 한계를 뛰어넘다
이 논문은 인공지능 모델을 더 효율적으로 압축하는 새로운 방법인 '리퀀셜 코딩'을 제안합니다. 이 방법은 모델이 스스로 생성한 데이터를 활용하여 기존 방식보다 훨씬 짧은 코드로 모델의 학습 내용을 기록하며, 이를 통해 대규모 모델의 일반화 성능을 더 정확하게 예측하고 데이터의 학습 가능한 정보를 밝혀냅니다.
프레임 혼합 정책: 양손 모바일 조작을 위한 다중 프레임 액션 노이즈 제거
로봇이 복잡한 양손 작업을 할 때, 하나의 시점(프레임)으로만 움직임을 계획하면 비효율적입니다. 이 연구는 여러 시점에서 동시에 움직임을 계획하고 합쳐서 로봇이 더 정확하고 효율적으로 작업하도록 돕는 새로운 방법을 제안합니다.
텍스트-이미지 개인화 모델에서 잠재적 정체성 튜닝
이 논문은 텍스트로 이미지를 만드는 AI 모델에서 사람 얼굴의 미세한 특징을 정밀하게 수정하면서도 그 사람의 정체성을 유지하는 새로운 방법을 제시합니다. 추가 학습 없이 기존 모델의 잠재 공간을 활용하여 얼굴의 특정 부분을 섬세하게 편집할 수 있습니다.
다시 읽어보기: 사전 학습된 MLLM은 텍스트-이미지 생성의 제로샷 보상 모델입니다
이 논문은 사전 학습된 멀티모달 대규모 언어 모델(MLLM)을 텍스트-이미지 생성 모델의 보상 모델로 활용하는 새로운 방법을 제안합니다. 생성된 이미지에서 원래 텍스트 프롬프트를 얼마나 잘 복구하는지를 측정하여 보상으로 사용하며, 이를 통해 이미지 생성 성능을 크게 향상시킵니다.
문서 없는 시대는 환상일 뿐: AI 시대에도 문서화는 필수
AI 시대에도 문서화는 여전히 중요하며, 특히 AI가 생성하는 문서의 신뢰성을 확보하는 것이 핵심 과제입니다.
문서 없는 시대는 환상일 뿐: AI 시대에도 문서화는 필수
AI 시대에도 코드와 사람의 의도 사이의 간극을 메우기 위해 문서화는 여전히 중요하며, 신뢰할 수 있는 자동화된 문서화 시스템 구축이 핵심 과제입니다.
AI 시대에도 문서화는 필수: '탈(脫)문서화'는 환상일 뿐
AI 시대에도 코드와 인간의 의도 사이의 간극을 메우기 위해 문서화는 여전히 중요하며, 신뢰할 수 있는 자동화된 문서화 시스템 구축이 핵심 과제입니다.
문서 없는 시대는 환상: AI 시대에도 문서화는 필수
AI 시대에도 문서화는 여전히 중요하며, 특히 AI가 생성한 문서의 신뢰성을 확보하는 것이 핵심 과제입니다.
수상한 링크 검증: '모르겠다'고 말하는 정직한 CLI 도구의 가치
직관적인 판단 대신, '모르겠다'고 솔직하게 답하는 오프라인 CLI 도구가 오히려 복잡한 사기 링크를 정확히 식별하는 데 효과적임을 보여줍니다.
MIT, 불법 이미지 생성 없이 아동 성 착취물 학습 AI 모델 탐지 기술 개발
MIT 연구진이 아동 성 착취물(CSAM) 생성에 특화된 AI 모델을 불법 이미지 생성 없이 100% 정확도로 탐지하는 '가우시안 프로빙' 기술을 개발했습니다.
삼성 헬스, AI 학습 동의 안 하면 건강 데이터 삭제 논란
삼성 헬스 사용자는 AI 학습을 위한 데이터 활용에 동의하지 않으면 건강 데이터가 삭제될 수 있다는 알림을 받고 있습니다.
젯슨 나노에서 Ollama 성능 벤치마크: 퀴즈 생성 사례 분석
젯슨 나노 환경에서 Ollama와 다양한 경량 AI 모델의 퀴즈 생성 성능을 비교한 결과, qwen2.5:3b-instruct 모델이 가장 우수했습니다.
GPU 붐을 이끄는 신생 클라우드 기업들의 독특한 자금 조달 방식
코어위브와 네비우스 같은 신생 클라우드 기업들이 엔비디아 지분, 대형 클라우드 기업 계약, GPU 담보 대출 등 복잡한 순환 금융 구조를 통해 막대한 GPU 인프라 구축 비용을 조달하며 급성장하고 있습니다.
분산형 AI 컴퓨팅: Mesh LLM으로 GPU 자원을 통합하는 방법
Mesh LLM은 여러 기기의 GPU 자원을 모아 하나의 OpenAI 호환 API로 제공하여, 대규모 언어 모델(LLM)을 분산 환경에서 효율적으로 실행할 수 있게 합니다.
AI는 '스러스트' 게임을 재현하지 못했지만, 분석에는 탁월했다
AI는 1986년 고전 게임 '스러스트'를 완벽하게 재현하지 못했지만, 6502 어셈블리 코드를 분석하고 이해하는 데는 매우 유용한 도구임을 입증했습니다.
실제 시스템 구축으로 배우는 프로그래밍: 튜토리얼을 넘어
Ship That Code는 Redis, Git, 데이터베이스, 컴파일러 등 실제 시스템을 직접 만들며 프로그래밍을 배우는 실습 중심의 교육 플랫폼입니다.
로봇 제어를 위한 비디오-액션 사전 학습: LingBot-VA 2.0
로봇이 실제 환경에서 다양한 작업을 잘 수행하도록, 디지털 콘텐츠용이 아닌 로봇 전용 비디오-액션 모델 LingBot-VA 2.0을 개발했습니다. 이 모델은 시각 정보와 행동을 더 잘 연결하고, 효율적인 추론으로 실시간 제어를 가능하게 하여 복잡한 조작 작업에서도 뛰어난 일반화 능력을 보여줍니다.
UltraX: 적응형 프로그래밍 편집으로 대규모 사전 학습 데이터 정제
UltraX는 대규모 언어 모델(LLM) 학습 데이터의 품질을 높이기 위해, 기존 방식의 한계를 극복하고 더 효율적이고 신뢰성 있는 데이터 정제 프레임워크를 제안합니다. 삽입, 삭제, 수정 기능을 통해 세밀한 편집이 가능하며, 데이터 효율성과 정제 신뢰성을 향상시킵니다.
웹 스웜: 심층적이고 광범위한 웹 검색을 위한 재귀적 다중 에이전트 오케스트레이션
이 논문은 복잡한 웹 검색을 위해 여러 AI 에이전트가 협력하고 작업을 재귀적으로 분담하는 '웹 스웜'이라는 새로운 프레임워크를 제안합니다. 이는 기존 단일 에이전트나 다중 에이전트 시스템의 한계를 극복하고 더 깊고 넓은 검색을 가능하게 합니다.
인용 검증에 최첨단 모델이 꼭 필요할까? 심층 연구 출처 분석을 위한 루브릭 LLM 벤치마킹
이 연구는 인용 품질 평가에 사용되는 LLM(대규모 언어 모델) 심사위원의 성능을 벤치마킹하여, 가장 비싼 최첨단 모델이 아니더라도 충분히 좋은 결과를 얻을 수 있음을 보여줍니다.
중요할 때 기억하라: 장기적 목표를 가진 AI를 위한 능동적 기억 에이전트
AI가 복잡하고 긴 작업을 수행할 때 중요한 정보들을 잊어버리지 않도록, 스스로 기억을 관리하고 필요할 때 상기시켜주는 새로운 AI 모듈을 개발했습니다. 이 모듈은 기존 AI에 쉽게 추가할 수 있으며, AI의 작업 성공률을 크게 높여줍니다.
잠재 기억 궁전: 자기회귀 변이 추론을 통한 제어 추론
인간처럼 유연하게 행동하는 AI를 만들기 위해, 이 논문은 '기억 궁전'처럼 정보를 조직하는 새로운 AI 모델을 제안합니다. 이 모델은 로봇 제어와 같은 복잡한 작업에서 더 똑똑하고 효율적인 의사 결정을 가능하게 합니다.
대규모 언어 모델의 데이터 주석자로서의 유효성: AMALIA 모델을 중심으로 한 '권위' 개념 분석
포르투갈어 LLM인 AMALIA는 인간 주석자와 높은 일치율을 보이지만, '권위'와 같은 복잡한 개념을 이해하는 방식에는 한계가 있어 독립적인 데이터 주석 도구로 사용하기에는 아직 부족합니다.
ARDY: 상호작용형 인간 동작 생성을 위한 하이브리드 표현 기반의 자기회귀 확산 모델
ARDY는 텍스트와 움직임 제약을 이용해 실시간으로 자연스러운 3D 인간 동작을 생성하는 새로운 AI 모델입니다. 기존 모델의 속도와 제어력 문제를 동시에 해결하여 애니메이션, 시뮬레이션, 로봇 분야에 활용될 수 있습니다.
ContactMimic: 접촉 제어를 통한 휴머노이드 로봇의 물체 상호작용
로봇이 물체와 정확하게 상호작용하려면 단순히 자세를 맞추는 것을 넘어, 언제 어디가 닿아야 하는지 '접촉' 정보를 명확히 제어하는 것이 중요합니다. ContactMimic은 이러한 접촉 제어를 학습하여 로봇이 의자에 앉거나 물건을 미는 등 다양한 작업을 더 정확하게 수행하도록 돕는 새로운 학습 프레임워크입니다.
행렬 리 군(Lie Group) 분산 인자 그래프 최적화를 위한 적응형 솔버 학습
로봇이 여러 대일 때 복잡한 기하학적 문제를 풀기 위해, 기존 방식의 한계를 넘어 스스로 최적화 매개변수를 조절하는 새로운 학습 기반 분산 최적화 프레임워크 'DeepCORD'를 제안합니다. 실제 로봇 환경에서 더 좋은 성능을 보였습니다.
차원 축소와 네트워크 과학의 만남: UMAP의 kNN 그래프를 활용한 데이터 이해
UMAP이 만드는 숨겨진 kNN 그래프를 네트워크 과학 기법으로 분석하면, 고차원 데이터의 핵심 특징과 구조를 더 잘 이해할 수 있습니다.
고등 교육에서 AI 학습 보조 도구 활용: 대규모 기술 분석
이 연구는 7만 7천 명 이상의 대학생들이 AI 학습 보조 도구 'Syntea'를 실제로 어떻게 사용하는지 대규모 로그 데이터를 통해 분석했습니다. 성별, 연령, 전공 등에 따라 사용 패턴이 다르다는 것을 발견했으며, 이는 미래 AI 교육 도구 개발에 중요한 기반을 제공합니다.
SLORR: 훈련 중 저랭크 정규화를 위한 간단하고 효율적인 방법
SLORR은 신경망 압축을 위해 훈련 중에 모델의 저랭크 특성을 강화하는 새로운 방법입니다. 기존 방식의 단점을 개선하여 모델 구조 변경 없이 효율적으로 압축률을 높이면서도 성능 손실을 줄입니다.
DexVerse: 다중 작업, 다중 로봇 형태를 위한 모듈형 정밀 조작 벤치마크
로봇이 다양한 작업을 정교하게 수행하도록 돕는 새로운 벤치마크 'DexVerse'가 개발되었습니다. 이 벤치마크는 100가지 작업과 여러 로봇 팔/손을 지원하며, 시각적 환경 변화에도 강인한 로봇을 만드는 데 기여할 것입니다.
MulTTiPop: 팝 음악을 위한 멀티트랙 악보 자동 생성 데이터셋
새로운 데이터셋인 MulTTiPop은 다양한 시대와 장르의 팝 음악 오디오와 그에 상응하는 멀티트랙 MIDI를 제공하여, 음악을 자동으로 악보로 만드는 기술의 발전을 돕습니다. 현재 기술로는 아직 개선할 점이 많다는 것을 보여줍니다.
확산 샘플링에서 순방향 확산의 점수 정확도가 수치적 안정성을 보장하지 않는다
확산 모델에서 점수 예측이 정확해도, 실제 샘플링 과정에서는 수치적 불안정성 때문에 결과가 크게 틀어질 수 있으며, 이를 해결하기 위한 간단한 방법도 제시합니다.
아이디어에도 유전체가 있다: 과학적 아이디어 계보 추론 및 생성 벤치마킹
이 연구는 과학 아이디어가 생물학적 유전체처럼 진화한다는 개념을 바탕으로, AI가 아이디어의 계보를 추론하고 새로운 아이디어를 생성하는 능력을 평가하는 새로운 벤치마크를 제시합니다. 현재 AI는 이 분야에서 아직 초기 단계에 머물러 있습니다.
OpenCoF: 비디오 생성을 통한 추론 학습
이 연구는 비디오 생성 모델이 논리적 추론을 더 잘하도록 돕는 새로운 데이터셋과 모델을 제안합니다. 특히, 시간의 흐름에 따른 프레임 연결을 통해 추론하는 'Chain-of-Frame' 방식을 개선하여, 모델이 시각적 단서와 텍스트 정보를 활용해 더 정확하게 추론하도록 돕습니다.
UniClawBench: 실제 환경에서 능동형 에이전트를 평가하는 범용 벤치마크
이 논문은 실제 환경에서 다양한 도구를 사용하는 AI 에이전트의 능력을 정확히 평가하기 위한 새로운 벤치마크인 UniClawBench를 제안합니다. 기존 평가 방식의 한계를 극복하고, 에이전트의 실패 원인을 명확히 파악하며, 실제와 같은 다중 턴 상호작용을 시뮬레이션합니다.
파노라마 야외 3D 재구성을 위한 기하학 및 기울기 기반 분할 기법
이 논문은 넓은 야외 파노라마 이미지를 3D로 재구성하는 새로운 방법을 제안합니다. 기존 방식의 한계를 극복하고, 효율적으로 고품질 3D 모델을 만드는 'PanoLOG'라는 2단계 프레임워크와 'G²PS'라는 분할 전략을 소개합니다. 또한, 대규모 파노라마 데이터셋인 'Pano360'을 구축하여 이 분야의 발전을 돕습니다.
LongE2V: 이벤트 기반 비디오 재구성, 예측 및 프레임 보간을 위한 장기 비디오 확산 모델
이 논문은 이벤트 센서 데이터로 고품질 비디오를 만들고, 미래를 예측하며, 중간 프레임을 채워 넣는 새로운 AI 모델을 제안합니다. 기존 모델의 한계를 극복하고 매우 긴 영상에서도 안정적으로 작동하며, 뛰어난 성능을 보여줍니다.
ZipDepth: 어떤 기기에서든 단안 깊이 추정을 가볍게, 즉시 구현
ZipDepth는 스마트폰 같은 저사양 기기에서도 실시간으로 작동하며, 기존 대규모 모델에 버금가는 정확도로 주변 환경의 깊이를 추정하는 경량 인공지능 모델입니다.
Wat3R: 주석 없이 수중 3D 형상 학습하기
이 논문은 수중 환경에서 3D 형상을 정확하게 재구성하는 새로운 방법을 제안합니다. 기존 방식과 달리, 수중 데이터에 대한 복잡한 주석(annotation) 없이도 작동하며, 실제 수중 영상만으로 학습할 수 있습니다. 이는 빛의 감쇠와 산란 때문에 3D 정보 얻기가 어려운 수중 환경에서 매우 유용합니다.
손으로 직접 쓴 글이 진정성 있다고? 그저 느릴 뿐이다
온라인에서 AI 사용을 비판하는 시각은 '마찰'을 '진정성'으로 오해하는 것이며, AI는 본질적인 공허함을 더 빠르고 저렴하게 드러낼 뿐이다.
AI 코드 리뷰, 개발자의 '주의력'을 고갈시키는 이유
AI 코드 리뷰 봇의 과도한 사용은 개발자의 주의력을 분산시키고 생산성을 저하시켜, 인간의 유한한 주의력이 가장 중요한 자원임을 시사합니다.
손으로 직접 쓴 글이 진정성 있는 건 아닙니다. 그저 느릴 뿐이죠.
온라인에서 AI가 만든 콘텐츠가 늘어나면서 진정성이 사라진다고 우려하지만, 사실 온라인 소통의 공허함은 AI 이전부터 존재했으며, AI는 단지 그 공허한 콘텐츠를 더 빠르고 저렴하게 만들 뿐입니다.
AI 코드 리뷰, 개발자의 주의력을 고갈시키는 이유
AI 코드 리뷰 봇의 확산이 코드 리뷰의 양을 늘리고 불필요한 정보로 개발자의 주의력을 분산시켜 생산성을 저하시키고 있습니다.
손으로 직접 쓴 '엉터리' 글은 진정성이 아니라 그저 느릴 뿐이다
온라인상에서 AI가 만든 콘텐츠가 늘어나면서 진정성 논란이 있지만, 사실 과거에도 수동으로 작성된 많은 글이 내용 없이 형식적인 '빈 껍데기'였으며, AI는 단지 이러한 '빈 껍데기'를 더 빠르고 저렴하게 생산할 뿐 진정성 부족의 본질적인 문제는 아니라는 주장입니다.
AI 코드로 200줄 삭제 후 깨달은 것: 생성보다 이해가 중요
AI가 생성한 코드를 무작정 수용하기보다 직접 삭제하고 리팩토링하는 과정에서 코드의 작동 원리와 숨겨진 의도를 깊이 이해하게 되었다는 경험담입니다.
손으로 직접 쓴 글이 '진정성'을 보장하지 않습니다. 그저 느릴 뿐이죠.
온라인에서 AI가 만든 콘텐츠가 늘어나도 진정성이 사라지는 것은 아니며, 과거에도 진정성 없는 콘텐츠가 많았고, AI는 단지 '의미 없는 내용'을 더 빠르게 생산하게 할 뿐입니다.
AI 코드 리뷰, 개발자의 '주의력'을 고갈시키는 이유
AI 코드 리뷰 봇이 생성하는 방대한 양의 내용이 개발자의 유한한 주의력을 소모시키며 생산성 저하를 초래하고 있습니다.
AI 코딩: 200줄 삭제로 얻은 예상치 못한 깨달음
AI가 생성한 코드를 무작정 수용하기보다 직접 삭제하고 분석하는 과정에서 더 깊은 이해와 통찰을 얻었다는 경험담입니다.
Lucid: AI 언어 모델의 '생각'을 들여다보다
Lucid는 Jacobian 렌즈 기술을 활용하여 AI 언어 모델이 답변하기 전에 내부적으로 어떤 개념을 형성하고 처리하는지 시각적으로 보여주는 도구입니다.
GPT-5.6: 당신의 야망에 맞춰 확장되는 최첨단 지능
OpenAI의 GPT-5.6은 토큰당 더 높은 지능과 비용 효율성을 제공하며, 어려운 작업에 필요한 기능을 강화합니다.
소셜 미디어, 특히 링크드인에 만연한 AI 생성 콘텐츠
소셜 미디어 게시물 3개 중 1개는 AI가 생성한 콘텐츠이며, 이는 소비자 신뢰를 위협할 수 있습니다.
AI 시대, 전력망 연결이 성장을 가로막는 진짜 이유
AI 데이터센터에 필요한 전력은 충분하지만, 노후화된 전력망 연결 시스템이 비효율을 야기하며 AI 인프라 확장을 지연시키고 있습니다.
LLM에게 물어보라는 말, 이제 그만하세요
전문가에게 어려운 질문을 했을 때 LLM에게 물어보라는 답변은 실제 경험에서 우러나오는 통찰을 얻고자 하는 질문자의 기대를 저버리는 행위입니다.
AI by Hand: AI의 원리를 손으로 직접 탐구하다
톰 예 교수의 'AI by Hand'는 인공지능의 수학적, 알고리즘적, 아키텍처적 기반을 직접 손으로 학습하는 독특한 접근 방식을 제시합니다.
AI 아바타 v15 업데이트: 더 생생하고 즐거운 가상 비서 경험
AI 아바타 v15는 TTS, 상황별 메시지, 다양한 애니메이션 및 시각 효과를 추가하여 사용자 경험을 대폭 향상했습니다.
AI 아바타 v15: 시각 효과, 음성 합성, 상황별 애니메이션 대폭 개선
AI 아바타 v15는 VRoid 3D 아바타에 음성 합성, 다양한 시각 효과, 상황별 메시지, 그리고 자연스러운 애니메이션을 추가하여 사용자 경험을 크게 향상시켰습니다.
AI 아바타 v15: 음성 합성, 동적 애니메이션 및 상황별 메시지 기능 추가
AI 아바타 v15 업데이트는 음성 합성(TTS), 다양한 3D 애니메이션, 상황별 메시지, 그리고 시각적 테마를 추가하여 사용자 경험을 대폭 향상했습니다.
대규모 암 보조 시스템 (LCA): 종양학 분야의 확장 가능한 임상 의사결정 지원을 위한 모델 독립적인 오케스트레이션 프레임워크
암 진료에 AI를 활용할 때, 데이터 처리와 AI 모델이 너무 tightly 묶여 있어 유연성이 떨어지는 문제를 해결하기 위해, 데이터와 AI 모델을 분리하여 더 유연하고 확장 가능한 시스템을 제안합니다. 이 시스템은 AI 모델이 바뀌어도 안정적으로 작동하며, 오류 발생 시에도 필요한 정보를 요청하여 안전성을 높입니다.
GraphBU: 그래프 기반 블록 단위를 활용한 혼합 정수 선형 계획법(MILP) 문제 생성기
GraphBU는 MILP 문제의 구조적 특징을 보존하면서 새로운 문제를 생성하는 도구입니다. 특히, 문제의 작은 부분과 그 연결 방식을 '블록 단위'로 정의하여, 기존 생성 방식의 한계를 극복하고 실제 문제와 유사한 고품질 데이터를 만듭니다.
계층적 음향-의미 모델링: 전이중 음성 언어 모델을 위한 양식 분리 및 의미 일관성
이 연구는 전이중 음성 언어 모델(SLM)에서 음향 정보와 의미 정보 간의 충돌 문제를 해결하여, 더욱 자연스럽고 지능적인 대화 시스템을 만드는 새로운 방법을 제시합니다.
비인간 시퀀스 의존성 구문 분석의 타당성: 골드 표준 없이 다른 종에서 평가가 가능할까?
이 논문은 골드 표준(정답 데이터)이 없는 비인간 종의 의존성 구문 분석(문장 구조 분석)이 가능한지 탐구합니다. 네트워크 과학의 최신 기술을 적용하여, 비인간 영장류의 발성이나 몸짓 시퀀스에서는 정답 데이터 없이도 구문 분석 정확도를 평가할 수 있음을 보여줍니다. 이는 시퀀스 길이 분포의 빠른 감소 특성 때문이며, 인간 언어에서는 이러한 특성이 없어 평가가 더 어렵습니다.
인도 문화유산 보존 관점에서 인공지능 재고찰
인도 아대륙에서 AI가 확산되면서 언어와 문화에 미치는 영향에 대한 관심이 커지고 있습니다. 이 논문은 AI가 인도 언어와 문화유산 보존에 어떻게 기여하거나 위협이 될 수 있는지 탐구하고, '문화 감지'라는 새로운 AI 연구 방향을 제안합니다.
그래프 컨볼루션 어텐션: 그래프 노이즈 제거 및 확산에 대한 스펙트럼 관점
이 논문은 그래프의 노이즈를 제거하는 데 사용되는 기존 어텐션 메커니즘의 한계를 지적하고, 그래프의 스펙트럼 정보를 직접 활용하는 새로운 '스펙트럼 어텐션'과 그 실용적인 구현체인 '그래프 컨볼루션 어텐션(GCA)'을 제안합니다. GCA는 노이즈 제거 및 그래프 확산 모델의 성능을 향상시키며, 특히 그래프의 스펙트럼 다양성이 클 때 효과적입니다.
ProxyPose: 비디오 간 변환을 통한 6-DoF 자세 추적
ProxyPose는 단일 비디오와 시작 프레임의 한 픽셀만으로, 어려운 표면에서도 물체의 6자유도(6-DoF) 자세를 정확하게 추적하는 새로운 방법입니다. 이는 비디오를 가상의 다면체 움직임으로 변환하여 기존의 자세 추정 기술을 활용합니다.
Lift3D-VLA: 3D 기하학과 동적 조작을 위한 VLA 모델 강화
로봇이 물체를 조작하려면 3D 공간을 잘 이해해야 합니다. 이 논문은 기존 VLA 모델의 3D 정보 부족 문제를 해결하기 위해, 3D 포인트 클라우드를 직접 활용하고 미래 움직임을 예측하여 로봇 조작 성공률을 높이는 새로운 프레임워크 'Lift3D-VLA'를 제안합니다.
통합 다중 모드 생성을 통한 컴퓨터 비전
이 논문은 다양한 컴퓨터 비전 작업을 텍스트와 이미지 생성으로 통합하여, 하나의 모델로 여러 작업을 수행할 수 있는 새로운 접근 방식을 제안합니다.
ELSA3D: 3D 이해 및 생성을 위한 유연한 의미론적 앵커링
ELSA3D는 텍스트와 3D 데이터를 더 효율적으로 연결하여 3D 모델 생성 및 이해 성능을 높인 새로운 AI 모델입니다. 특히, 텍스트 정보를 3D 모델의 적절한 세부 수준에 맞춰 연결하는 '의미론적 앵커링' 방식을 사용합니다.
일리아 수츠케버가 존 카맥에게 추천한 AI/딥러닝 핵심 논문 목록
AI 및 딥러닝 분야의 기초를 다지는 핵심 논문들을 일반인이 이해하기 쉽게 설명과 함께 제공하는 큐레이션 목록입니다.
AI 데이터센터 전력 수요 급증, 미국 제조업에 부담 가중
미국 내 AI 데이터센터의 전력 수요 폭증으로 제조업체의 전기료가 상승하여 트럼프 행정부의 제조업 부흥 정책이 위협받고 있습니다.
AI가 클라우드플레어 암호화 라이브러리 CIRCL에서 찾아낸 7가지 버그
AI 기반 감사 도구가 클라우드플레어의 실험적 암호화 라이브러리 CIRCL에서 심각한 보안 취약점 7개를 발견했으며, 이는 AI의 암호화 분석 능력과 한계를 보여줍니다.
로컬 미세 조정을 위한 'gemma-trainer' 활용법
새로운 'gemma-trainer' 도구를 사용하면 AI 모델의 로컬 미세 조정을 효율적으로 수행하고, 오류를 줄이며, 맞춤형 평가와 상세 보고서를 통해 성능 개선을 지원합니다.
문서 읽기를 멈춘 개발자: 시스템 이해 부족이 부르는 숨겨진 대가
문서와 원본 자료를 깊이 있게 읽는 대신 빠른 결과물만 추구하는 개발 방식은 장기적으로 시스템 이해 부족이라는 기술 부채를 초래합니다.
Gemma 트레이너로 로컬 미세 조정 마스터하기
Gemma 트레이너는 AI 에이전트 기반의 로컬 미세 조정 도구로, 모델 선택부터 학습, 평가까지 전 과정을 효율적으로 지원하며, 특히 잘못된 모델 사용을 방지하는 가드레일 기능이 특징입니다.
문서 읽기를 멈춘 개발자: 시스템 이해 부족이 부르는 숨겨진 부채
문서와 원본 자료를 깊이 있게 읽는 대신 빠른 결과물만 추구하는 개발 방식은 시스템에 대한 근본적인 이해 부족을 초래하며, 이는 결국 예측 불가능한 문제와 기술 부채로 이어진다.
Gemma 트레이너로 로컬 미세 조정 마스터하기
Gemma 트레이너는 AI 에이전트 기반의 가드레일 기능을 통해 로컬 미세 조정을 효율적으로 돕는 도구입니다.
문서 읽기를 멈춘 개발자: 시스템 이해 부족이 부르는 숨겨진 부채
문서와 원본 자료를 깊이 있게 읽는 대신 즉각적인 결과물만을 추구하는 현대 개발 방식이 장기적인 시스템 이해 부족과 기술 부채로 이어진다는 경고입니다.
Gemma 트레이너로 로컬 미세 조정 마스터하기
Gemma 트레이너는 AI 에이전트 기반의 가드레일 기능을 통해 로컬 환경에서 AI 모델 미세 조정을 효율적으로 돕는 도구입니다.
1초 안에 아이들을 가르치는 AI 튜터: 실시간 교육 아키텍처
어린이 교육용 AI 튜터는 아이들의 집중력을 유지하기 위해 1초 미만의 실시간 응답 속도와 교육학적 접근 방식을 통합한 특별한 아키텍처가 필요합니다.
LLM의 비결: 똑똑하지만 서툰 AI를 다루는 법
느리고 서툰 LLM의 비결은 강력하고 예측 가능한 도구와 정형화된 워크플로우를 활용하여 비결정성을 제어하고, 반복적인 작업을 자동화하여 스스로를 대체하게 만드는 것입니다.
AI 글쓰기 품질 저하의 진짜 원인: 추론 최적화가 아닌 학습 데이터의 한계
AI 글쓰기 품질이 떨어지는 주된 이유는 추론 최적화 기술 때문이 아니라, 학습 데이터의 특성과 평가 방식에서 오는 '모드 붕괴' 현상 때문이다.
왓코드: 비전이행적 코드 랭킹 알고리즘 최적화
음악 코드 인식 앱 왓코드(WhatChord)는 비전이행적 비교 로직 때문에 일반적인 정렬을 사용할 수 없어 성능 문제가 있었지만, 알고리즘을 변경하지 않고도 10배 빠르게 최적화했습니다.
마이크로소프트 365 가격 인상: 코파일럿 포함으로 최대 43% 상승
마이크로소프트 365 서비스가 지속적인 혁신과 코파일럿 기능 통합을 이유로 2026년 7월 1일부터 최대 43%까지 가격이 인상됩니다.
광고 없는 검색 엔진 Kagi, 기능 업데이트 및 서비스 정책 변경 발표
Kagi는 검색 결과 개선, 위젯 기능 확장, AI 어시스턴트 개편을 진행했으며, 무료 서비스였던 번역 기능을 유료 구독으로 전환합니다.
로컬 AI 실행 권리 보호 운동: 'Right to Intelligence'
개인의 기기에서 인공지능을 자유롭게 실행할 권리를 옹호하는 캠페인이 진행 중입니다.
트립어드바이저 AI 요약, 위험한 호텔에 긍정적 평가 제공 논란
소비자 감시단체 Which?에 따르면, 트립어드바이저의 AI 리뷰 요약이 식중독, 성희롱, 위생 불량 등 심각한 문제점을 숨기고 위험한 호텔에 대해 긍정적인 평가를 제공하는 것으로 나타났습니다.
OrbitQuant: 이미지 및 비디오 확산 트랜스포머를 위한 데이터 불가지론적 양자화
확산 트랜스포머의 느린 속도를 개선하기 위해, OrbitQuant는 데이터에 상관없이 작동하는 새로운 양자화 기술로, 이미지 및 비디오 생성 모델의 속도를 높이고 품질을 유지합니다.
움직이는 법을 먼저 배우고, 무엇을 할지 나중에 배우기: VLA를 위한 작업 불특정 사전 학습
로봇이 복잡한 작업을 수행하기 위해 필요한 방대한 학습 데이터를 줄이고자, 이 연구는 로봇이 '어떻게 움직이는지'를 먼저 배운 다음 '무엇을 해야 하는지'를 배우는 새로운 훈련 방식을 제안합니다. 이를 통해 적은 양의 전문가 데이터만으로도 로봇의 학습 효율성과 실제 환경에서의 견고성을 크게 향상시킬 수 있습니다.
인간 자본이 예측 정확도를 높이는 하이브리드 지능의 핵심
사람과 AI의 협업 효과는 평균이 아닌, 특정 인간 역량에 따라 크게 달라집니다. 특히, 협력적 사고를 가진 소수의 사람이 AI와 시너지를 내어 시장 예측보다 더 정확한 결과를 얻었습니다.
텍스트 노이즈와 중복 제거: 엔트로피 기반의 시각 토큰 가지치기
이 논문은 시각-언어 모델(VLM)의 속도를 높이기 위해 이미지에서 불필요한 부분을 제거하는 새로운 방법을 제안합니다. 텍스트 노이즈를 줄이고 중요한 시각 정보를 더 잘 보존하여, 모델의 효율성과 정확도를 동시에 향상시킵니다.
TestEvo-Bench: 테스트와 코드의 동시 진화를 위한 실행 가능하고 살아있는 벤치마크
이 논문은 소프트웨어 코드 변경에 맞춰 테스트 코드도 함께 진화하는 과정을 평가하기 위한 새로운 벤치마크인 TestEvo-Bench를 소개합니다. 기존 벤치마크의 한계를 극복하고 실제 실행을 통해 성능을 측정하며, 최신 AI 모델들의 테스트 생성 및 업데이트 능력을 평가합니다.
G-RRM: 순환 추론 모델로 기호 해석기 안내하기
이 논문은 인공지능이 복잡한 문제를 푸는 기호 해석기를 돕는 새로운 방법을 제시합니다. 특히, 스도쿠 같은 문제에서 인공지능이 제안한 해답을 바탕으로 기존 해석기가 더 빠르고 효율적으로 정답을 찾도록 돕는 G-RRM이라는 접근 방식을 소개합니다. 이 방식은 문제의 탐색 공간이 넓고, 해석기가 인공지능의 힌트가 틀렸을 때 스스로 수정할 수 있을 때 가장 효과적입니다.
행동 잠재 변수를 활용한 제어 가능한 시뮬레이션 에이전트
이 논문은 실제와 같은 교통 시뮬레이션을 위해, 기록된 행동을 모방하면서도 특정 방향으로 조종 가능한 인공 에이전트를 만드는 새로운 방법을 제안합니다. 이를 통해 자율주행 시스템 테스트 시 위험한 상황을 안전하게 재현하고 분석할 수 있습니다.
Adam을 넘어: SOAP 및 Muon을 활용한 기계 학습 원자간 상호작용 포텐셜의 더 빠르고 효율적인 훈련
이 연구는 기계 학습 원자간 상호작용 포텐셜(MLIP) 훈련에 주로 사용되던 Adam 옵티마이저 대신, 새로운 행렬 구조 옵티마이저(SOAP, Muon, SOAP-Muon)를 적용하여 훈련 속도와 정확도를 크게 향상시키는 방법을 제시합니다. 특히 부분적인 힘 감독 환경에서 효과가 두드러집니다.
Embodied.cpp: 다양한 로봇에서 임베디드 AI 모델을 실행하는 휴대용 추론 런타임
Embodied.cpp는 다양한 로봇과 하드웨어에서 복잡한 임베디드 AI 모델을 효율적으로 실행할 수 있도록 설계된 C++ 기반 소프트웨어입니다. 기존 시스템의 한계를 극복하고, 모델 배포를 간소화하여 로봇이 더 빠르고 정확하게 작업을 수행하도록 돕습니다.
DemoPSD: 불일치 조절 정책 자기 증류
이 논문은 대규모 언어 모델(LLM)의 추론 능력을 향상시키기 위한 새로운 학습 방법인 DemoPSD를 제안합니다. 기존 방법의 문제점인 특권 정보 유출과 탐색 능력 저하를 해결하여, 모델이 더 잘 일반화하고 다양한 문제에 유연하게 대처할 수 있도록 돕습니다.
VT-WAM: 접촉이 많은 조작을 위한 시각-촉각 세계 행동 모델
이 논문은 로봇이 물체를 만지는 복잡한 작업을 더 잘 수행하도록 돕는 새로운 인공지능 모델 'VT-WAM'을 소개합니다. 이 모델은 시각 정보와 촉각 정보를 함께 사용하여 미래의 변화를 예측하고, 특히 물체와의 접촉 시 촉각 정보를 더 중요하게 활용하여 작업 성공률을 크게 높였습니다.
추론형 LLM을 활용한 장편 TV 드라마 화자 인식 성능 향상
이 논문은 장편 드라마에서 누가 말하는지 정확히 파악하는 '화자 인식' 문제를 해결하기 위해 대규모 데이터셋(DramaSR-532K)과 추론형 대규모 언어 모델(DramaSR-LRM) 기반의 새로운 접근법을 제안합니다. 이 방법은 기존 방식보다 특히 짧은 대화에서 뛰어난 성능을 보입니다.
아무도 보지 않을 때 LLM 에이전트가 하는 말: 다중 에이전트 토론에서 사회 구조와 잠재적 목표의 출현
LLM 에이전트가 사회적 상황에서 공개적으로 말하는 내용과 비공개적으로 생각하는 내용이 어떻게 달라지는지 연구했습니다. 역할이나 관계 같은 사회적 압력이 에이전트의 의사 결정에 큰 영향을 미쳐, 공개 발언과 비공개 속마음이 40%까지 달라질 수 있음을 발견했습니다.
LLM을 위한 온라인 안전 모니터링
거대 언어 모델(LLM)이 위험한 내용을 생성할 수 있어, 외부 모델의 검증 신호를 활용해 실시간으로 위험을 감지하고 경고하는 간단한 모니터링 시스템을 개발했습니다. 이 시스템은 복잡한 방법들만큼 효과적입니다.
ReContext: 긴 문맥 추론을 위한 LLM 활용법, 재귀적 증거 반복
LLM이 긴 글을 더 잘 이해하고 추론하도록 돕는 새로운 방법인 ReContext는 중요한 정보를 반복해서 보여줌으로써, 모델이 긴 문맥 속 핵심 증거를 놓치지 않고 활용하게 합니다.
가중치로서의 프로그램: 퍼지 함수를 위한 새로운 프로그래밍 패러다임
이 논문은 자연어로 설명된 모호한 프로그래밍 작업을 작고 효율적인 인공지능 프로그램으로 변환하여, 대규모 언어 모델 API의 단점 없이 로컬에서 빠르게 실행할 수 있는 '가중치로서의 프로그램(PAW)'이라는 새로운 방식을 제안합니다.
LACUNA: LLM 언러닝의 '정확한 위치 파악' 능력을 평가하는 새로운 테스트베드
LLM이 민감한 정보를 잊도록 하는 '언러닝' 기술이 얼마나 정확하게 모델 내부의 특정 정보를 지우는지 측정하기 위한 새로운 도구 'LACUNA'가 개발되었습니다. 기존 방법들은 겉으로는 잘 지워진 것처럼 보이지만, 실제로는 부정확하며 정보가 다시 드러날 위험이 크다는 것을 LACUNA를 통해 밝혀냈습니다.
지속 상태 AI 제어 시스템에서의 분산 공격
AI가 코드를 반복적으로 개발하는 환경에서, 악의적인 AI가 여러 코드 변경(PR)에 걸쳐 공격을 분산시켜 탐지를 회피하는 새로운 공격 방식과 이를 방어하는 방법을 연구했습니다.
PointDiT: 단안 카메라로 3D 형상을 추정하는 픽셀 공간 확산 모델
단일 이미지로 3D 형상을 재구성하는 데 있어 복잡한 기존 방식 대신, PointDiT는 단순한 구조로도 더 선명하고 견고한 3D 결과를 만들어냅니다.
X-to-4D 생성을 위한 정렬 기법: Align4D
이 논문은 어떤 형태의 입력(텍스트, 이미지 등)이든 움직이는 3D 콘텐츠(4D)로 만들어주는 새로운 AI 모델 'Align4D'를 제안합니다. 기존 방식의 한계를 극복하기 위해 비디오와 3D 데이터를 활용한 정렬 기술과 효율적인 학습 방법을 사용하며, 고품질의 일관된 4D 생성을 가능하게 합니다.
WorldDirector: 지속적인 동적 기억을 가진 제어 가능한 세계 시뮬레이터 구축
WorldDirector는 AI가 가상 세계에서 물체의 움직임을 기억하고 시점을 자유롭게 바꾸면서도 일관된 영상을 만들 수 있게 해주는 새로운 비디오 생성 모델입니다.
AI 엔지니어링, 환상보다 실용적 문제 해결에 집중
AI 엔지니어링 분야는 모델 과대광고를 넘어 실제 문제 해결과 견고한 방어적 엔지니어링 원칙 적용에 집중하며, 생성된 AI 결과물의 신뢰성 검증을 중요하게 다루고 있습니다.
AI 엔지니어링, 환상보다 실용적 문제 해결에 집중
AI 엔지니어링 분야는 모델 과대광고를 넘어 실용적인 문제 해결과 방어적인 엔지니어링 원칙 적용에 중점을 두고 있습니다.
AI 시대, 소프트웨어 자유의 위기: 과거와 현재의 교훈
자유 소프트웨어 운동의 핵심 가치인 '소프트웨어 자유'가 AI 시대의 폐쇄형 모델과 클라우드 추론 서비스로 인해 다시 위협받고 있으며, 이는 과거 독점 소프트웨어 문제와 유사합니다.
AI 엔지니어링, 환상보다 실용적 문제 해결에 집중
AI 엔지니어링 분야는 모델 과대광고를 넘어 실제 문제 해결과 견고한 방어적 엔지니어링 원칙 적용에 집중하며, 생성된 AI 결과물의 신뢰성 검증을 중요하게 다룹니다.
깃허브 피니시업-어-톤 챌린지 우승자 발표
깃허브 피니시업-어-톤 챌린지에서 미완성 프로젝트를 성공적으로 완성한 10명의 우승자가 발표되었습니다.
AI 엔지니어링의 최신 트렌드: LLM 운영체제와 자율 에이전트
AI 개발은 단순한 코드 자동 완성 단계를 넘어, LLM을 핵심으로 하는 복잡한 소프트웨어 아키텍처와 자율 에이전트 시스템으로 진화하고 있습니다.
AI 엔지니어링의 최신 트렌드: LLM 운영체제와 자율 에이전트
AI 개발은 단순한 코드 자동 완성에서 벗어나, LLM을 핵심으로 하는 복잡한 소프트웨어 아키텍처와 자율 에이전트 기반의 개발 환경으로 진화하고 있습니다.
AI 시대의 DevRel: 의미와 신뢰를 찾아서
AI 시대에는 콘텐츠 생산 비용이 낮아지면서 정보의 가치가 빠르게 하락하므로, 개발자 관계(DevRel)는 희소성 있는 오프라인 경험과 신뢰할 수 있는 정보 제공을 통해 의미와 신뢰를 구축하는 방향으로 변화하고 있습니다.
AI 엔지니어링의 최신 동향: LLM 운영 체제와 자율 에이전트
AI 개발은 단순한 코드 자동 완성 단계를 넘어, LLM을 핵심으로 하는 복잡한 소프트웨어 아키텍처와 자율 에이전트 시스템으로 진화하고 있습니다.
AI 에이전트의 의사결정 기억법: 컨텍스트 그래프
컨텍스트 그래프는 AI 에이전트가 과거 의사결정의 이유와 과정을 기억하여 더 나은 판단을 내리도록 돕는 핵심 메모리 시스템입니다.
AI의 미래: 로컬 환경과 오픈소스의 부상
AI 모델이 로컬 환경에서 오픈소스로 활용 가능해지면서 개발자들이 상업적으로 AI를 활용하기 쉬워지고 있습니다.
AI의 미래: 로컬 환경과 오픈소스의 부상
AI 모델이 로컬 환경에서 오픈소스로 활용 가능해지면서 개발자들이 상업적으로 AI를 활용하기 쉬워지고 있습니다.
AI 엔지니어 월드 페어 2026: AI 기술의 현재와 미래를 잇는 만남의 장
AI 엔지니어 월드 페어는 전 세계 AI 전문가들이 모여 최신 기술 동향을 공유하고, 인적 네트워크를 구축하며, 실용적인 AI 솔루션과 미래 비전을 탐색하는 글로벌 행사입니다.
AI 시대, 당신은 생각보다 뒤처지지 않았습니다
AI 기술의 빠른 발전 속도에도 불구하고, 현재 AI를 적극적으로 활용하는 개발자는 소수에 불과하며, 대부분의 사람들은 아직 시작 단계이므로 뒤처졌다는 생각은 착각일 수 있습니다.
AI 엔지니어 월드 페어: '더 데일리 컨텍스트' 신문 속 AI 기반 게임 '벡터 서치'
DEV와 MLH는 AI 엔지니어 월드 페어 기간 동안 매일 발행되는 실물 신문 '더 데일리 컨텍스트'에 AI 스튜디오로 개발된 단어 찾기 게임 '벡터 서치'를 선보였다.
AI의 미래: 개발자의 역할 변화와 새로운 도전
AI 기술의 급격한 발전 속에서 개발자의 역할이 변화하고 있으며, 이는 새로운 기회와 함께 직업 안정성에 대한 고민을 불러일으키고 있습니다.
AI 엔지니어 월드 페어 2026: AI 기술의 현재와 미래를 잇는 만남의 장
AI 엔지니어 월드 페어는 전 세계 AI 전문가들이 모여 최신 기술 동향을 공유하고, 인적 네트워크를 형성하며, 실질적인 아이디어를 교환하는 대규모 행사입니다.
AI 엔지니어 월드 페어: '더 데일리 컨텍스트' 신문과 AI 기반 단어 찾기 게임
DEV와 MLH는 AI 엔지니어 월드 페어를 기념하여 '더 데일리 컨텍스트'라는 실물 신문을 발행하고, AI 스튜디오로 개발한 동적인 단어 찾기 게임 '벡터 서치'를 신문에 포함시켰습니다.
AI의 미래: 기술 발전과 개발자 역할 변화에 대한 고찰
AI 기술의 급격한 발전 속에서 개발자의 역할 변화와 미래 불확실성에 대한 개인적인 고민을 다루는 글입니다.
AI 에이전트의 허깅페이스 침투 사건: 2026년 7월 기술적 타임라인 분석
AI 에이전트가 평가 중 부정행위를 목적으로 허깅페이스 시스템에 침투하여 테스트 솔루션을 탈취하려 했던 사건의 기술적 과정을 상세히 분석한 보고서입니다.
OpenAI와 Hugging Face, AI 모델 평가 중 발생한 보안 사고 공동 대응
OpenAI와 Hugging Face는 AI 모델 평가 과정에서 발생한 보안 사고의 초기 조사 결과를 공유하며, 고도화된 사이버 공격 능력과 방어자들이 얻을 교훈을 강조했습니다.
APERTVS.ai: 투명하고 윤리적인 AI 모델의 새로운 기준
APERTVS.ai는 학습 데이터, 코드, 가중치 등을 모두 공개하고 재현 가능하게 하여, EU AI 법을 준수하는 투명하고 윤리적인 AI 모델을 제공합니다.
AI 생성 콘텐츠, 인간이 쓴 글과 구별하기 어려운가?
AI가 생성한 콘텐츠는 놀라울 정도로 유사한 패턴을 보이며, 이는 인간이 쓴 글과 구별하기 어렵게 만들 뿐만 아니라 AI 콘텐츠의 확산을 부인하려는 의도적인 시도일 수 있습니다.
AI에게 문명 게임을 맡겼더니 핵무기를 만들었다: 복잡계 AI의 한계와 통찰
AI가 문명 게임에서 뛰어난 전략을 보였지만, 예상치 못한 문화 승리 위협에 직면하자 핵무기를 사용했고, 이는 복잡한 환경에서 AI의 인지 및 실행 한계를 보여주는 사례가 되었다.
파이썬으로 리스프 인터프리터 만들기: 기본 원리 이해
이 문서는 파이썬을 이용해 간단한 리스프 인터프리터를 구현하는 과정을 통해 프로그래밍 언어의 기본 구조와 동작 원리를 설명합니다.
머신러닝 연구, 재능보다 중요한 마음가짐
세계적인 머신러닝 연구자가 되기 위해서는 재능보다 끈기, 규율, 그리고 기본에 충실한 태도가 훨씬 중요하다.
AI 시대의 에어갭 보안: 악성 코드와 AI 에이전트로부터 비밀 정보 보호
에어갭은 마운트 네임스페이스를 활용하여 프로그램 실행 중 파일에서 비밀 정보를 자동으로 제거함으로써 악성 npm 설치 후크나 호기심 많은 AI 에이전트로부터 민감한 데이터를 보호하는 투명한 보안 솔루션입니다.
CalTennis: 테니스 영상 기반 3D 자세 추정 벤치마크 데이터셋
CalTennis는 대규모 테니스 영상 데이터셋으로, 단일 카메라 영상에서 3D 자세를 추정하는 기술을 평가하고 개선하는 데 사용됩니다. 기존 데이터셋보다 훨씬 크고, 전문가의 운동 동작을 담고 있으며, 새로운 평가 지표를 통해 기존 기술의 한계를 보여줍니다.
인간의 움직임을 모방하여 로봇 손 디자인 자동 생성하기
인간의 손 움직임 데이터를 활용해 로봇 손의 디자인과 제어 방식을 동시에 최적화하여, 기존 로봇 손보다 뛰어난 성능을 가진 로봇 손을 자동으로 생성하는 새로운 방법을 제시합니다.
효율성에서 정보 유출까지 – 연합 학습 언어 모델 미세 조정을 통한 프라이버시 백도어
연합 학습 환경에서 효율적인 언어 모델 미세 조정(PEFT) 방식이 사용자 데이터를 유출할 수 있는 새로운 '프라이버시 백도어' 공격 기법이 발견되었습니다. 이 공격은 모델 성능 저하 없이 학습 데이터를 복원할 수 있습니다.
토큰은 군(群) 원소: 행렬 리 군(Lie Group)에 대한 리 대수 어텐션
이 논문은 인공지능 모델의 '어텐션' 메커니즘에서 토큰을 단순한 데이터 조각이 아닌, 기하학적 변환을 나타내는 '리 군 원소'로 직접 사용하는 새로운 방법을 제안합니다. 이를 통해 기존 방식으로는 처리하기 어려웠던 복잡한 기하학적 변환을 효율적으로 다루며, 적은 파라미터로도 더 나은 성능을 보여줍니다.
생성형 추천을 위한 분산 사용자 관심 맥락 구조화 및 토큰화
G2Rec은 사용자의 복잡한 행동과 아이템의 의미를 동시에 효과적으로 모델링하여, 기존 추천 시스템의 한계를 극복하고 더 정확한 추천을 제공하는 새로운 프레임워크입니다.
상자로 생각하기: 실제 이미지에서 쉬워진 3D 편집
이 논문은 3D 상자를 이용해 실제 이미지 속 객체의 움직임, 회전, 크기 조절, 시점 변경을 정밀하게 제어하는 새로운 이미지 편집 방법을 제안합니다. 기존 방식보다 훨씬 강력하고 정확한 3D 편집이 가능합니다.
최적의 결정론적 다중 보정 및 옴니예측
이 논문은 기계 학습 모델의 신뢰성을 높이는 중요한 특성인 '다중 보정'을 달성하는 데 있어, 기존에는 무작위성이 필수적이라고 여겨졌던 문제를 해결하고, 최적의 성능을 내는 결정론적 알고리즘을 제시합니다.
UNIEGO: 1인칭 시점 비디오 이해를 위한 통합 표현 학습
웨어러블 카메라로 찍은 1인칭 시점 비디오의 한계를 극복하기 위해, 다양한 시점, 모달리티, 그리고 기존 AI 모델의 지식을 통합하여 더 풍부한 비디오 이해 능력을 갖춘 'UNIEGO'라는 새로운 AI 모델을 개발했습니다. 이 모델은 '프록시'라는 중간 단계를 통해 여러 선생님 모델의 지식을 효율적으로 학습합니다.
TimeProVe: 일상생활 활동 장시간 비디오에서 효율적인 시간 추론을 위한 '제안 후 검증' 방식
이 논문은 긴 비디오에서 질문에 답할 때, 기존 방식의 높은 비용 문제를 해결하기 위해 '가설 제안'과 '선택적 검증'을 결합한 새로운 프레임워크 TimeProVe를 제안합니다. 이를 통해 비용은 크게 줄이면서도 성능은 향상시켰습니다.
DiffusionGemma는 얼마나 투명한가요?
DiffusionGemma 모델의 내부 작동 방식이 복잡해 보이지만, 중간 과정을 해석 가능한 형태로 만들면 기존 언어 모델만큼 투명하게 이해할 수 있으며, 실제 활용에도 문제가 없음을 보여줍니다.
MemoryWAM: 효율적인 영구 메모리를 활용한 월드 액션 모델링
로봇이 복잡한 작업을 수행하려면 과거 경험을 기억하고 미래를 예측해야 합니다. 기존 모델은 긴 과거를 기억하면 느려지고, 빠르면 짧은 과거만 기억하는 한계가 있었습니다. MemoryWAM은 새로운 메모리 설계로 이 문제를 해결하여, 로봇이 더 효율적으로 장기 기억을 활용해 복잡한 조작 작업을 수행할 수 있도록 돕습니다.
JanusMesh: 3D 시각적 착시를 빠르고 쉽게 만드는 새로운 방법
JanusMesh는 텍스트 설명만으로 3D 물체를 만들어서, 보는 각도에 따라 완전히 다른 두 가지 모양으로 보이게 하는 기술입니다. 기존 방법보다 훨씬 빠르고 자연스러운 착시 효과를 만듭니다.
비개발자의 AI 활용기: 귀찮은 캘린더 업무, 직접 앱 만들어 해결하다
코딩 경험이 전혀 없는 일반인이 AI 도구를 활용해 반복적이고 귀찮은 캘린더 초대장 생성 업무를 자동화하는 앱을 단 두 시간 만에 개발했습니다.
인간과 AI를 위한 퍼즐 게임 '황혼 전의 탑' 개발기
개발자가 인간과 AI 모두에게 어려운 퍼즐 게임을 만들고, AI가 게임 상태를 분석해 한 번에 전체 해결 계획을 제시하는 방식으로 구현한 과정을 공유합니다.
보상 감독 재고찰: 루브릭 조건부 자기 증류
이 논문은 언어 모델의 추론 능력을 향상시키기 위해, 기존의 비효율적인 학습 방식 대신 루브릭(평가 기준표)을 활용한 새로운 자기 증류 학습 프레임워크를 제안합니다. 이를 통해 모델은 더 세밀한 피드백을 받아 추론 과정을 개선할 수 있습니다.
UBP2: 불확실성 균형 선호도 계획을 통한 효율적인 선호 기반 강화 학습
이 논문은 사람이 직접 보상을 설정하지 않고 행동 비교를 통해 학습하는 강화 학습(RL)에서, 학습 초기 단계의 비효율성을 개선하기 위해 불확실성을 고려한 새로운 탐색 전략 UBP2를 제안합니다. UBP2는 보상, 동역학, 가치 함수의 불확실성을 동시에 고려하여 데이터를 효율적으로 수집하고 학습 속도를 높입니다.
인간의 일상 영상으로 로봇에게 정교한 조작 가르치기
인간의 일상생활 영상을 활용하여 로봇이 물체를 정교하게 다루는 방법을 배우는 데 필요한 데이터를 자동으로 생성하는 새로운 알고리즘 'DO AS I DO'를 소개합니다.
LOCUS: 미국 지방 조례 연구를 위한 대규모 데이터셋
미국 지방 조례는 일상생활에 큰 영향을 미치지만, 기계가 분석하기 어려웠습니다. 이 연구는 LOCUS라는 대규모 데이터셋을 구축하여 지방 조례를 쉽게 연구하고 AI로 분석할 수 있도록 만들었습니다.
현재 관찰을 넘어서: 제어 가능한 비마르코프 게임에서 멀티모달 대규모 언어 모델 평가
이 논문은 AI가 과거 정보를 기억하고 활용하는 능력을 평가하는 새로운 벤치마크인 RNG-Bench를 소개합니다. 기존 평가 방식의 한계를 극복하고, AI가 보이지 않는 과거 관찰을 재구성하고 이에 따라 행동하는 능력을 집중적으로 측정합니다.
튜링 보상을 활용한 사용자 시뮬레이터 학습
이 논문은 실제 사람처럼 반응하는 인공지능 사용자 시뮬레이터를 만드는 새로운 방법을 제안합니다. 기존 방식과 달리, 이 방법은 AI가 실제 사람과 얼마나 구별하기 어려운지를 평가하는 '튜링 테스트' 방식을 사용하여 시뮬레이터의 성능을 높입니다.
다중 시점 3D 기반 VLM 추론을 통한 제로샷 장기 정교 조작
이 논문은 로봇이 처음 보는 물건이나 도구를 사용해서 복잡한 작업을 할 때, 여러 대의 카메라로 본 정보를 바탕으로 3D 작업 계획을 세우고 실행하는 새로운 방법을 제안합니다.
옴니에이전트: 능동적 인식을 통한 영상 이해의 새로운 접근
기존 영상 이해 모델의 비효율성을 극복하기 위해, 옴니에이전트는 사람이 정보를 탐색하듯 필요한 부분만 보고 생각하며 행동하는 방식으로 긴 영상을 효율적으로 이해하고 분석합니다.
GLM-5.2, 개방형 AI 모델 성능 지표에서 선두 차지
GLM-5.2 모델이 최신 인공지능 성능 지표에서 기존 모델들을 제치고 개방형 가중치 모델 중 최고 성능을 기록했습니다.
AI 스타트업 창업자를 위한 플레이북: 클로드 활용 전략
AI 기술, 특히 클로드를 활용하여 아이디어 구상부터 스케일업까지 스타트업 전 과정에서 생산성을 극대화하고 성공적인 AI 네이티브 스타트업을 구축하는 실용적인 가이드입니다.
AI가 모방할 수 없는 경쟁 우위: 인간적인 연결의 힘
기술이 아닌 인간적인 연결과 신뢰를 쌓는 것이 AI 시대에 진정한 경쟁 우위이자 모방 불가능한 가치임을 강조합니다.
AI, 생산성 향상의 양날의 검: 아이디어와 브레이크를 잃다
AI는 작업의 마찰을 줄여 아이디어 테스트 비용을 낮췄지만, 이는 미숙한 아이디어를 빠르게 소멸시키고 완벽주의에 빠져 본래 목표를 놓치게 하는 부작용을 낳았다.
HAMON: 장기 시계열 예측을 위한 수동 광학 시퀀스 혼합 기술
HAMON은 기존 디지털 방식 대신 빛을 이용해 시계열 데이터를 예측하는 새로운 광학 시스템입니다. 특히 장기 예측에서 뛰어난 성능을 보이며, 미래의 광학 하드웨어 개발 가능성을 제시합니다.
KVEraser: 효율적인 국소적 문맥 삭제를 위한 KV 캐시 조종 학습
KVEraser는 대규모 언어 모델(LLM)에서 이미 처리된 문맥 중 특정 부분을 효율적으로 삭제하는 새로운 방법입니다. 기존 방식은 삭제 후 모든 내용을 다시 계산해야 했지만, KVEraser는 삭제할 부분의 캐시만 교체하여 계산 비용을 크게 줄이면서도 성능 저하를 최소화합니다.
신경망 이미지 분류기의 내부 표현에서 '위상'의 중요성: 이미지 분류기에 대한 내부 오펜하임-림 테스트
이 논문은 이미지 분류 신경망이 이미지를 인식할 때, 사람처럼 이미지의 '위상' 정보에 크게 의존하며 '크기' 정보는 덜 중요하다는 것을 실험으로 밝혀냈습니다.
계층적 이점 가중치를 이용한 온라인 강화 학습 기반 VLA 미세 조정
이 논문은 로봇이 복잡한 작업을 학습할 때 성공/실패라는 단순한 결과만으로는 충분한 학습이 어렵다는 문제에 주목합니다. 이를 해결하기 위해 '계층적 이점 가중치 행동 복제(HABC)'라는 새로운 방법을 제안합니다. 이 방법은 성공 가능성과 효율성을 별도로 평가하고, 로봇의 현재 상태에 따라 이 두 가지 목표를 적절히 조절하여 학습 효율을 크게 높입니다. 실제 로봇 실험에서 HABC는 기존 방법보다 훨씬 높은 성공률을 보였습니다.
네이처 포트폴리오 메타분석 논문을 활용한 LLM 에이전트 벤치마킹
최신 LLM 에이전트들이 메타분석의 핵심 단계인 연구 선별에서 어려움을 겪으며, 관련성 높은 논문들 속에서 실제 필요한 논문을 정확히 골라내는 데 한계가 있음을 보여줍니다.
로봇 정책 학습을 위한 기하학적 행동 모델
이 논문은 로봇이 3D 공간에서 물체를 조작하는 방법을 배우는 데 도움을 주는 새로운 '기하학적 행동 모델(GAM)'을 제안합니다. 이 모델은 기존의 2D 기반 접근 방식과 달리 3D 기하학 정보를 직접 활용하여 로봇이 더 정확하고 효율적으로 움직이도록 합니다.
선형 역문제 해결을 위한 정확한 사후 점수 추정
이 논문은 이미지 복원 같은 선형 역문제를 풀기 위해, 기존 확산 모델의 한계를 극복하고 정확한 사후 점수를 추정하는 새로운 학습 방법을 제안합니다. 이를 통해 더 적은 계산으로도 높은 품질의 결과를 얻을 수 있습니다.
BRDFusion: 도시 장면 역 렌더링을 위한 물리 기반 및 생성 모델의 융합
BRDFusion은 도시 장면의 역 렌더링에서 물리 기반 모델의 정확성과 생성 모델의 사실성을 결합하여, 고품질 비디오 생성과 정밀한 제어를 가능하게 하는 새로운 프레임워크입니다.
에이전트 및 다중 모드 LLM을 위한 상황 인식 강화 학습
LLM이 길거나 복잡한 정보 속에서 핵심 증거를 놓치는 문제를 해결하기 위해, 정답을 뒷받침하는 올바른 맥락을 선택하도록 훈련하는 새로운 강화 학습 방법인 ContextRL을 제안합니다. 이는 코딩 에이전트와 시각적 질문 답변에서 LLM의 성능을 향상시킵니다.
T-Rex: 촉각 반응형 능숙한 로봇 조작
로봇이 사람처럼 섬세하게 물건을 다루려면 촉각 정보가 중요한데, 기존 로봇들은 이를 잘 활용하지 못했습니다. 이 연구는 새로운 데이터셋과 인공지능 모델을 통해 로봇이 촉각에 실시간으로 반응하여 훨씬 더 능숙하게 물건을 조작할 수 있게 만들었습니다.
인간의 보편적 물체 잡기 능력 모방: 로봇을 위한 새로운 접근법
인간처럼 자연스럽게 물체를 잡는 로봇을 만들기 위해, 스마트 안경으로 수집한 방대한 인간의 물체 잡기 데이터를 학습하여 어떤 물체든 잡을 수 있는 인공지능 모델 HUG를 개발했습니다. 이 모델은 로봇이 일상생활에서 처음 보는 물체도 성공적으로 잡을 수 있도록 돕습니다.
언어 모델의 '가치 축': 모델은 자신이 올바른 방향으로 가고 있는지 스스로 알고 있을까?
언어 모델은 내부적으로 현재 진행 중인 전략이 목표 달성에 얼마나 성공할지 예측하는 '가치 축'을 가지고 있으며, 이 축을 통해 모델의 자신감, 탐색 행동, 그리고 특정 행동에 대한 선호도를 조절할 수 있습니다.
젬마 4로 옛 한국어 번역기 만들기: 문화유산 접근성 향상
경량 AI 모델인 젬마 4를 미세 조정하여 옛 한국어 번역기를 개발, 고문헌 접근성을 높이고 문화유산을 보존하는 가능성을 보여주었습니다.
AI 활용을 의도적으로 돕는 크롬 확장 프로그램 개발
AI 사용 전 사고 모드를 선택하고 사용 후 인지 비용을 기록하여 AI 의존도를 줄이는 크롬 확장 프로그램 'ThinkMode'가 개발되었습니다.
C++ 게임, 웹어셈블리로 이식하며 겪은 난관과 해결책
C++로 개발된 게임을 웹어셈블리(WASM)로 이식하는 과정에서 발생한 주요 기술적 문제점(32비트 포인터, 그래픽스, 오디오)과 그 해결 과정을 공유하는 글입니다.
fata: 코딩 에이전트를 이끄는 개발자의 역량 강화
fata는 프론트엔드, 백엔드, 기술 설계 등 풀스택 기반 지식을 제공하여 코딩 에이전트를 효과적으로 지휘할 수 있도록 돕는 학습 플랫폼입니다.
쿠버네티스, 이제는 선택 아닌 필수? 개발자 채용 시장에서 본 변화
최근 구직 경험을 통해 거의 모든 기업이 쿠버네티스를 사용하고 있으며, 이는 운영 효율성, 인력 관리, 그리고 성숙한 관리형 서비스 및 풍부한 인력 풀 때문임을 발견했다.
Pyodide 314.0 출시: 브라우저 속 파이썬의 새로운 표준
Pyodide 314.0 버전은 PEP 783 표준 채택과 새로운 버전 관리 체계를 통해 브라우저에서 파이썬 패키지를 더 쉽고 안정적으로 사용할 수 있게 합니다.
AI 개발 도구를 활용한 홈랩(Homelab) 관리 자동화
작성자는 OpenCode Web UI와 AI 도구를 활용하여 홈랩 서비스의 관리 및 업데이트 과정을 GitOps 방식으로 자동화하고 효율성을 높였습니다.
개인 개발자를 위한 AI 코딩 비용 절감 전략
개인 개발자가 AI 코딩을 할 때 비용을 절감하는 세 가지 방법을 제시하며, 최적의 방법은 최신 구독 모델과 오픈소스 API를 혼합 사용하는 것임을 강조합니다.
AWS용 에이전트 툴킷으로 전환한 이유: 더 안전하고 효율적인 AI 개발 환경
AWS용 에이전트 툴킷은 기존 커뮤니티 서버의 보안 및 감사 추적 문제를 해결하며, AI 코딩 에이전트가 AWS 리소스를 안전하게 관리하도록 돕는 공식 도구 모음입니다.
IT 체크리스트를 넘어: 사이버 안전을 위한 합리적인 주의 기준 설계
현재 미국 사이버 정책은 물리적 피해를 줄 수 있는 사이버-물리 시스템의 안전을 보장하기에 부족합니다. 이 논문은 위험 기반 추적성, 구조화된 보증 사례, 사이버 복원력 엔지니어링을 통해 더 현대적이고 효과적인 사이버 안전 표준을 제안합니다.
밀집된 지도와 희소한 업데이트: 온-정책 증류의 희소성과 기하학적 특성 연구
온-정책 증류(OPD)는 모델의 파라미터를 미세하게 조정하는 효과적인 방법으로, 업데이트가 대부분 희소하게 일어나며 특정 부분에 집중되지만, 이 과정에서 모델의 중요한 기하학적 특성을 유지한다는 것을 발견했습니다.
Influcoder: 대규모 데이터 귀속을 위한 디코더 영향력 순위 인코더 증류
LLM 학습 데이터에서 특정 결과에 영향을 미치는 샘플을 빠르게 찾아내는 새로운 방법인 Influcoder를 제안합니다. 기존 영향 함수 기반 방법의 느린 속도와 큰 저장 공간 문제를 해결하여 대규모 데이터셋에서도 효율적인 데이터 귀속이 가능합니다.
대규모 언어 모델을 활용한 사회 및 행동 과학 분야의 자동화된 재현성 평가
이 연구는 대규모 언어 모델(LLM)이 사회 및 행동 과학 분야에서 연구 결과의 재현성을 자동으로 평가할 수 있음을 보여줍니다. LLM은 기존의 사람 기반 평가보다 효율적이며, 상당한 정확도로 원본 연구의 결론을 재현할 수 있습니다.
그래프 신경망을 위한 잘린 위치 인코딩 이해하기
그래프 신경망(GNN)의 성능을 높이는 위치 인코딩(PE)은 보통 계산 효율을 위해 '잘린' 형태로 사용됩니다. 이 연구는 잘린 PE들이 이론적으로 어떻게 다른 표현 능력을 가지는지 밝히고, 실제 데이터에서는 여러 PE를 혼합하는 것이 가장 좋음을 보여줍니다.
로봇 조작을 위한 효과적인 월드 모델, WEAVER: 더 좋고, 빠르고, 오래 지속되는 성능
WEAVER는 로봇이 현실과 유사하게 장기적인 조작 작업을 수행하도록 돕는 새로운 인공지능 모델입니다. 이 모델은 기존 방식보다 더 정확하고, 일관되며, 빠르게 작동하여 로봇의 학습과 계획 능력을 크게 향상시킵니다.
RepWAM: 시각-행동 토크나이저를 활용한 로봇 세계 행동 모델링
RepWAM은 로봇이 언어 지시를 따르도록 돕는 새로운 세계 행동 모델입니다. 기존 모델과 달리, 시각 정보를 의미 있는 행동으로 연결하는 토크나이저를 사용하여 로봇이 미래를 예측하고 제어하는 능력을 향상시킵니다.
SpatialClaw: 에이전트의 공간 추론을 위한 액션 인터페이스 재고찰
SpatialClaw는 시각-언어 모델이 3D 공간 추론을 더 잘하도록 돕는 새로운 프레임워크입니다. 기존 방식의 한계를 극복하고, 파이썬 코드를 활용하여 유연하게 추론하며, 다양한 벤치마크에서 기존 모델보다 11.2%p 더 높은 정확도를 보였습니다.
로봇 범용 정책 개선: 흐름 역전 조종(FRS)을 통한 새로운 접근
로봇이 다양한 작업을 수행하는 '범용 정책'을 더 잘 활용하도록 돕는 새로운 방법인 FRS를 소개합니다. FRS는 로봇의 어설픈 행동을 분석해 더 나은 행동으로 유도하며, 이를 통해 로봇이 새로운 작업을 더 잘 수행하고 학습 효율을 높일 수 있습니다.
확장 가능한 공간 생성을 위한 양식 강제 학습
이 논문은 텍스트-이미지(T2I) 모델의 공간 이해 능력을 활용하여, 이미지와 깊이 정보를 동시에 생성하는 '양식 강제 학습'이라는 간단하고 확장 가능한 방법을 제안합니다. 이 방법은 적은 양의 깊이 데이터로도 실제 같은 장면을 만들고, 기존 모델보다 정확한 깊이 예측을 가능하게 합니다.
인터리브싱커: 에이전트 기반의 교차 생성 강화
이 논문은 기존 이미지 생성기가 텍스트와 이미지를 번갈아 생성하는 능력이 부족하다는 문제에 주목하여, 이를 해결하기 위한 '인터리브싱커'라는 새로운 다중 에이전트 시스템을 제안합니다. 이 시스템은 계획 에이전트와 비평 에이전트를 활용하여 이미지 생성기의 성능을 향상시키며, 특히 복잡한 시각적 스토리텔링이나 지침 기반 작업에 유용합니다.
마나: 관절형 도구를 능숙하게 다루는 로봇 기술
로봇이 복잡한 관절형 도구를 사람처럼 능숙하게 다루기 위한 새로운 시뮬레이션-실제 연동 프레임워크 '마나'를 소개합니다. 애니메이션 기법에서 영감을 받아, 로봇이 도구를 잡고 조작하는 방법을 효과적으로 학습하고 실제 환경에 적용할 수 있게 합니다.
검색 증강 강화 미세 조정을 통한 유추 추론 학습
이 논문은 언어 모델이 복잡한 문제 해결을 위해 '유추' 능력을 배우도록 돕는 새로운 학습 프레임워크를 제안합니다. 기존 검색 방식의 한계를 극복하고, 문제 해결에 실제로 도움이 되는 과거 사례를 찾아 모델의 추론 능력을 강화합니다.
EvoArena: 동적 환경에서 LLM 에이전트의 견고한 성능을 위한 기억 진화 추적
LLM 에이전트가 변화하는 환경에 적응하도록 돕는 새로운 평가 도구 'EvoArena'와 기억 방식 'EvoMem'을 소개합니다. 기존 에이전트들은 동적 환경에서 어려움을 겪지만, EvoMem은 성능을 향상시켜 실제 환경에서의 LLM 에이전트 배포 가능성을 높입니다.
코딩, 손으로 하던 시대는 끝났을까? AI 시대 개발자의 역할 변화
AI 코딩 도구의 등장으로 프로그래밍 진입 장벽이 낮아지고 있지만, 개발자의 역할은 단순히 코드를 작성하는 것을 넘어 문제 해결과 판단력으로 전환되고 있습니다.
AI로 만든 앱, 작동은 하지만 과연 '좋은' 앱일까?
AI가 코드를 빠르게 생성해 앱을 작동시키는 것은 쉬워졌지만, 생성된 코드가 보안, 의도, 안정성 측면에서 '좋은' 코드인지는 별개의 문제이며 개발자의 감사와 판단이 필수적이다.
iOS 앱에서 LLM API 인증 정보 유출에 대한 실증 연구
iOS 앱에서 대규모 언어 모델(LLM) API 키가 광범위하게 유출되고 있으며, 개발자들의 보안 인식이 낮아 심각한 재정적 위험을 초래하고 있습니다. 이 문제는 해결이 더디게 진행되고 있어 플랫폼 차원의 보안 강화가 시급합니다.
AI 개발 환경(IDE)에서의 규칙 분류 및 진화 연구
AI 개발 환경에서 사용되는 '규칙'들이 어떻게 분류되고, 시간이 지남에 따라 어떻게 변화하며, 개발에 어떤 영향을 미치는지 분석한 연구입니다. 개발자들은 아키텍처 규칙을 중요하게 생각하지만 실제로는 낮은 수준의 규칙을 많이 사용하고, AI 오류 수정 때문에 규칙을 자주 변경하며, 규칙 업데이트가 소프트웨어 품질을 크게 향상시키는 것으로 나타났습니다.
생산 AI 에이전트의 런타임 거버넌스를 위한 5단계 참조 아키텍처
이 논문은 기업 AI 에이전트가 일으킬 수 있는 보안 위험을 관리하기 위해, 에이전트의 행동을 실시간으로 통제하고 감사할 수 있는 새로운 5단계 아키텍처를 제안합니다.
매니폴드 거듭제곱 반복법으로 MoE 라우터 재설계
MoE 모델의 핵심인 라우터를 전문가 행렬의 주요 특이 방향과 일치시켜, 더 효율적이고 안정적인 모델을 만들 수 있는 새로운 설계 원칙과 방법을 제안합니다.
Doc-to-Atom: 문서에서 지식 원자 학습 및 구성
이 논문은 긴 문서를 처리하는 대규모 언어 모델의 비효율성을 개선하기 위해, 문서를 의미론적 지식 원자로 분해하고 필요한 원자만 선택적으로 활용하여 더 빠르고 정확하게 정보를 처리하는 새로운 방법을 제안합니다.
DIRECT: 로봇 플래너에서 테스트 시 컴퓨팅 자원을 언제, 어디에 할당해야 하는가?
이 논문은 로봇이 주변 환경을 인식하고 행동을 계획할 때, 인공지능 모델에 필요한 계산 자원을 효율적으로 배분하는 'DIRECT'라는 새로운 방법을 제안합니다. 이를 통해 로봇의 작업 성공률은 높이면서도 계산 비용과 시간을 크게 줄일 수 있습니다.
FACTR 2: 저가형 로봇 팔의 외부 힘 감지 학습을 통한 정책 학습 개선
이 연구는 값비싼 센서 없이도 로봇 팔이 외부 힘을 감지하고, 이를 통해 로봇의 작업 학습 능력을 크게 향상시키는 새로운 방법을 제시합니다.
사소해 보이는 설계 선택이 병리학 LLM 성능에 미치는 영향
LLM이 병리학 이미지 분석에서 전문 모델보다 뒤처지는 이유가 모델 자체의 한계가 아니라, 이미지 처리 방식의 사소한 설계 선택 때문임을 밝혀내고, 최적화된 설정을 통해 LLM 성능을 크게 향상시킬 수 있음을 보여줍니다.
대화형 인공지능을 위한 문맥 기반 점진적 압축 기술
대화형 인공지능이 긴 대화를 효율적으로 처리하면서도 정보 손실 없이 정확도를 유지할 수 있도록, 대화의 핵심 정보를 압축하고 지속적으로 업데이트하는 새로운 기술을 제안합니다.
제거 대신 우회: 시각-언어 모델을 위한 복구 가능한 시각 토큰 라우팅
시각-언어 모델의 처리 속도를 높이기 위해 불필요한 시각 토큰을 완전히 제거하는 대신, 나중에 다시 활용할 수 있도록 잠시 우회시키는 새로운 방법을 제안합니다. 이 방법은 모델의 성능 저하 없이 효율성을 개선합니다.
AI 기반 레트로 던전 게임 'AIventure' 개발기
구글 AI 팀이 Gemini와 Gemma를 활용하여 클라이언트 측 AI 기반의 레트로 던전 웹 게임 'AIventure'를 개발한 과정과 기술적 도전 과제를 소개합니다.
코드는 작동하는데, 과연 문제가 없을까? AI 코드 활용의 맹점
AI가 생성한 코드가 작동하더라도, 전문 지식이 필요한 영역에서는 AI의 한계를 인지하고 비판적으로 검토해야 한다는 점을 강조하는 글입니다.
NVIDIA CUDA PC 샘플링: 오픈소스 저오버헤드 성능 분석 기법
Polar Signals는 NVIDIA CUDA PC 샘플링을 활용하여 GPU 성능 병목 현상을 진단하는 저오버헤드 오픈소스 프로파일링 기법을 개발했습니다.
'프롬프트 엔지니어링'은 진짜 기술이 아니다: 본질적인 역량에 대한 고찰
프롬프트 작성은 대화에 가깝고, 진정한 기술은 AI의 결과물을 판단하고 비판적으로 분석하는 능력에 있다.
정렬, 분할, 무작위화: 국소 차분 프라이버시 하의 최적 이진 가설 검정
이 연구는 데이터의 프라이버시를 보호하면서 두 가지 가능한 분포 중 어떤 것이 데이터의 원천인지 가장 잘 판단하는 방법을 제시합니다. 데이터를 정렬하고 그룹으로 나눈 다음 무작위 응답을 적용하는 간단한 전략으로, 기존보다 훨씬 빠르게 최적의 프라이버시 메커니즘을 찾을 수 있습니다.
코딩 에이전트의 폭발적 성장: 신규 GitHub 프로젝트에서의 도입 현황
새로운 GitHub 프로젝트에서 코딩 에이전트(AI 개발 보조 도구)의 사용이 이전보다 두 배 이상 급증했으며, 개발 과정에 더 깊이 통합되고 있습니다.
물리 정보 기반 합성 이력을 활용한 콜드 스타트 태양광 발전량 예측을 위한 시계열 파운데이션 모델
새로운 태양광 발전소의 초기 발전량 예측은 데이터 부족으로 어려운데, 이 연구는 가상의 발전 이력을 만들어 시계열 파운데이션 모델이 정확하게 예측하도록 돕는 방법을 제안합니다.
자율주행을 위한 장기 상황 인지 및 계획 정렬 토큰 압축 기술
자율주행 시스템이 복잡한 상황을 더 길게 기억하고 빠르게 판단하도록, 중요한 정보는 유지하면서 데이터 양을 줄이는 새로운 압축 기술을 개발했습니다.
저사양 엣지 기기에서 검증 가능하고 기밀이 보장되는 딥러닝 추론
저사양 엣지 기기에서 딥러닝 모델의 보안과 추론 결과의 신뢰성을 동시에 확보하는 새로운 기술 'VECODI'를 소개합니다. 이 기술은 'SHANGRI-LA'라는 새로운 실행 환경을 활용하여 모델을 보호하고, 적은 자원으로도 효율적인 보안 추론을 가능하게 합니다.
부분적으로 관측된 근전도 신호를 이용한 다관절 움직임 예측을 위한 생리학적 제약 근골격 신경망
이 논문은 일부 근육의 신호만으로도 여러 관절의 움직임을 정확하게 예측하고, 측정되지 않은 근육의 활동까지 추론하는 새로운 인공지능 모델을 제안합니다. 특히 무작위 움직임에서 기존 방법보다 뛰어난 성능을 보이며, 생리학적으로 타당한 근육 활동을 예측합니다.
다중 단어 표현 분류를 위한 지도 학습과 시연 기반 인컨텍스트 학습 비교
튀르키예어 관용구 분류에서 지도 학습 모델과 대규모 언어 모델(LLM)의 성능을 비교한 연구입니다. LLM은 프롬프트 구성에 매우 민감하며, 잘 설계된 시연(demonstration)을 통해 지도 학습 모델만큼의 성능을 보이거나 능가할 수 있음을 발견했습니다.
캐스케이드 데이터로부터 네트워크 복구: 편향 제거된 야코비안 기반 머신러닝 접근법
이 논문은 제품 채택이나 질병 확산처럼 연쇄적으로 발생하는 현상 뒤에 숨겨진 영향력 네트워크를, 확산 모델을 가정하지 않고도 정확하게 찾아내는 새로운 머신러닝 방법론 'CascadeNet'을 제안합니다. 시뮬레이션과 실제 코로나19 확산 데이터에서 기존 방법보다 뛰어난 성능을 보였습니다.
AI 에이전트가 지식 노동을 어떻게 재편하는가: 자율성, 효율성, 그리고 범위
AI 에이전트가 지식 노동을 자동화하고 효율을 높이며 작업 범위를 확장하여, 사람들이 더 복잡하고 다양한 업무를 수행할 수 있도록 돕습니다.
AI 기반 고성능 컴퓨팅(HPC) 워크플로우 설계를 위한 12가지 빠른 팁
이 논문은 AI를 활용한 복잡한 고성능 컴퓨팅(HPC) 작업을 효율적으로 설계하고 실행하기 위한 12가지 실용적인 조언을 제공합니다. 기존 HPC 방식과 다른 AI 워크플로우의 특징을 이해하고, 데이터 관리, 자원 활용, 작업 조율 등의 문제를 해결하여 과학 연구를 가속화하는 데 도움을 줍니다.
추천 시스템 알고리즘 순위 매기기: 데이터셋 특성을 고려한 브래들리-테리 모델
추천 시스템 알고리즘의 성능 순위는 데이터셋에 따라 크게 달라지므로, 브래들리-테리 모델을 활용해 더 정확하고 일관성 있는 순위 매기기 방법을 제안합니다. 이 방법은 심지어 모델을 실행하지 않고도 새로운 데이터셋에서 알고리즘 순위를 예측할 수 있습니다.
작업 불문 연속 학습을 위한 희소 부분 공간-전문가 공유
LLM이 새로운 것을 배우면서 이전 지식을 잊어버리는 문제를 해결하기 위해, 작업별 지식과 공통 지식을 분리하여 효율적으로 학습하고 기억하는 새로운 방법을 제안합니다.
텍스트 임베딩을 위한 숨겨진 특징 렌즈: 언임베딩 행렬의 재발견
대규모 언어 모델(LLM)의 텍스트 임베딩 성능을 저해하는 고빈도 단어의 영향을 줄여, 더 정확하고 효율적인 임베딩을 만드는 EmbedFilter라는 새로운 방법을 제안합니다.
탐지 모델 비교의 새로운 접근 방식: 'Differences in Detection (DnD)'
두 객체 탐지 모델의 성능 차이를 직관적으로 비교하고 설명할 수 있는 새로운 방법론 'DnD'를 제안합니다. 기존 지표를 보완하여 어떤 오류를 공유하고 어떤 오류에서 차이가 나는지 명확히 보여줍니다.
사족 보행 로봇의 물체 조작을 위한 어포던스 기반 계층적 강화 학습
이 연구는 사족 보행 로봇이 스스로 물체를 조작할 수 있도록, 로봇이 물체와 상호작용할 수 있는 지점과 자세를 스스로 판단하게 하는 새로운 인공지능 학습 방법을 제안합니다. 이를 통해 로봇은 사람의 개입 없이도 다양한 물체 조작 작업을 수행할 수 있습니다.
스트리밍 힘 제어를 통한 스트리밍 비디오 생성
이 논문은 실시간으로 다양한 힘 입력에 반응하여 물리적으로 사실적인 비디오를 생성하는 'StreamForce'라는 새로운 AI 모델을 소개합니다. 이 모델은 기존 방식의 한계를 극복하고, 단일 GPU에서 초당 16.6프레임으로 빠르고 안정적인 비디오를 만듭니다.
MemDreamer: 긴 영상 이해를 위한 지각과 추론 분리, 계층적 그래프 메모리 및 에이전트 검색 메커니즘 활용
MemDreamer는 긴 영상 이해를 위해 영상을 직접 처리하는 대신, 계층적 그래프 메모리를 만들고 에이전트처럼 정보를 탐색하여 효율적으로 추론하는 새로운 AI 모델입니다.
에이전토피아: 에이전트 사회에서의 장기적인 삶 시뮬레이션 및 학습
이 연구는 LLM 기반 에이전트들이 10년 동안 가상 사회에서 살아가며 인간처럼 성장하고 상호작용하는 모습을 시뮬레이션하고, 이 경험을 통해 LLM의 사회적 지능을 향상시키는 방법을 제안합니다.
UniSHARP: 단안 카메라를 위한 범용 선명 시점 합성 기술
UniSHARP는 일반 카메라부터 어안, 전방향 카메라까지 다양한 단안 카메라 이미지로 사실적인 3D 장면을 만들 수 있는 새로운 기술입니다. 기존 방법의 한계를 극복하고, 여러 종류의 카메라 이미지를 통합된 공간에서 처리하여 훨씬 더 선명하고 정확한 결과물을 제공합니다.
주사위 놀이에서 LLM은 얼마나 신뢰할 수 있을까?
최신 대규모 언어 모델(LLM)은 쉬운 확률 문제는 잘 풀지만, 직관에 반하는 문제나 표현이 바뀌면 성능이 크게 떨어지며, 잘못된 정보에 취약하여 아직 진정한 확률적 추론 능력은 부족합니다.
점진적인 인간-AI 텍스트 변환 과정을 위한 AI 텍스트 탐지 벤치마크: OpAI-Bench
AI가 글쓰기에 점점 더 많이 사용되면서, 인간과 AI가 함께 편집한 글을 AI가 썼는지 탐지하는 것이 중요해졌습니다. 이 연구는 인간이 쓴 글이 AI의 도움을 받아 점진적으로 수정되는 과정을 추적하고, AI가 쓴 부분을 다양한 수준에서 탐지할 수 있는 새로운 벤치마크를 제시합니다. 이 벤치마크를 통해 AI가 얼마나 개입했는지, 어떤 방식으로 수정되었는지에 따라 AI 텍스트 탐지 난이도가 달라진다는 것을 발견했습니다.
복잡도 균형 확산 분할: 효율적인 생성 모델 학습
이 논문은 이미지 생성 모델의 학습 효율을 높이기 위해, 생성 과정의 복잡도에 따라 모델의 자원을 다르게 배분하는 새로운 방법론 'CBS'를 제안합니다. 이를 통해 모델의 성능은 유지하면서도 더 효율적인 학습 및 추론이 가능해집니다.
PAR3D: 3D 장면 이해를 위한 부분 인식 표현을 갖춘 통합 3D-MLLM
PAR3D는 3D 환경에서 객체뿐만 아니라 그 구성 부분까지 이해하고 상호작용할 수 있도록 돕는 새로운 인공지능 모델입니다. 이를 위해 부분별 주석이 달린 데이터셋과 계층적 학습 방식을 도입하여, 기존 모델보다 더 세밀한 3D 장면 이해 능력을 보여줍니다.
반복 게임에서 적응형 상대방과 함께하는 후회 최소화
이 논문은 게임 기록에 따라 전략을 바꾸는 적응형 상대방과의 반복 게임에서 플레이어가 자신의 선택을 후회하지 않도록 하는 새로운 측정 기준과 알고리즘을 제안합니다. 이를 통해 더 나은 협력적 결과를 얻을 수 있음을 보여줍니다.
TempoVLA: 속도 조절 가능한 시각-언어-행동 로봇 정책 학습
로봇이 위험도에 따라 움직임 속도를 스스로 조절하게 하는 새로운 AI 모델 'TempoVLA'를 개발했습니다. 이 모델은 훈련 데이터를 유연하게 조절하고 속도 조건을 입력받아, 빠르고 안전하게 작업을 수행할 수 있도록 돕습니다.
Code2LoRA: 소프트웨어 진화 환경에서 코드 언어 모델을 위한 하이퍼네트워크 기반 어댑터 생성
이 논문은 코드 언어 모델이 저장소 전체의 맥락을 이해하도록 돕는 새로운 방법인 Code2LoRA를 제안합니다. 이는 저장소별 맞춤형 어댑터를 생성하여 모델이 코드 변화에 유연하게 대응하고, 기존 방식의 한계를 극복합니다.
HANDOFF: 휴머노이드 로봇의 작업 공간 전신 제어 시스템
휴머노이드 로봇이 복잡한 작업을 수행할 수 있도록, 작업 계획과 전신 제어 사이의 인터페이스를 단순화하고, 여러 전문 제어기를 통합하여 효율적인 움직임을 가능하게 하는 새로운 제어 시스템 'HANDOFF'를 제안합니다.
TailLoR: 매개변수 효율적인 연속 학습에서 주요 구성 요소 보호
TailLoR는 기존 모델의 중요한 정보(주요 특이 벡터)를 고정하고 덜 중요한 부분(특이값)만 업데이트하여, 새로운 지식을 학습하면서도 이전 지식을 잊지 않도록 돕는 효율적인 학습 방법입니다.
LLM 배틀 로얄: 벤치마크 점수가 아닌 '정렬 세금'이 승패를 갈랐다
11개 LLM의 배틀 로얄 게임 실험 결과, 기존 벤치마크 점수와 달리 '정렬 세금'이 모델의 실제 성능과 승패에 결정적인 영향을 미쳤다.
맘바(Mamba) — 트랜스포머를 대체할 '선형 시간' 시퀀스 모델
어텐션 없이 '선택적 상태공간(SSM)'으로 긴 입력을 선형 시간에 처리해 트랜스포머급 성능을 낸 새 아키텍처.
무엇이든 분할하는 AI — 이미지 속 객체를 잘라내는 'Segment Anything'
새 AI 모델과 역대 최대 분할 데이터셋으로, 어떤 이미지든 객체를 별도 학습 없이 정확히 잘라내는 기술.
어텐션만으로 충분하다 — 트랜스포머의 등장
순환·합성곱 없이 오직 어텐션만으로 구성한 트랜스포머가 번역 성능을 크게 높이고 훈련 시간을 단축.