Standard Intelligence: 픽셀 공간에서의 범용 지능 학습

Standard Intelligence는 기존의 언어 모델 기반 에이전트 방식에서 벗어나 원시 비디오 데이터를 직접 학습하는 새로운 접근법을 제안했다. 이들은 텍스트 토큰 예측 대신 화면의 픽셀 데이터를 바탕으로 다음 마우스 이동, 클릭, 키보드 입력을 예측하도록 모델을 훈련시킨다. 이를 위해 업계 최대 규모인 1,100만 시간의 컴퓨터 액션 데이터셋을 구축하고, 기존 대비 50배 효율적인 비디오 인코더를 개발했다. 첫 번째 파운데이션 모델인 FDM-1은 CAD 설계부터 소프트웨어 버그 탐색까지 다양한 작업을 수행하며 비디오 중심 사전 학습의 가능성을 입증했다.