총 78건
긴 호라이즌 애니메이션은 프레임 간 drift으로 인해 배경의 텍스처 손상과 인물 아이덴티티 불일치를 초래한다. 기존의 이미지-공간 carry-over와 attention sink은 시간이 지남에 따라 누적 오차를 축적하고 품질 저하를 일으킨다. EverAnimate은 cross-chunk 의미를 잠재 공간에서 전달하고, 샘플링 시 intrinsic restoration을 통해 drift를 보정하므로 분 단위의 긴 애니메이션에서도 시각적 일관성 및 인물 동일성 보존이 가능해진다.
LLMs에서 서브워드 토크나이제이션의 이점은 부분적으로만 이해되어 왔다. 본 연구는 바이트 수준 프리트레이닝 파이프라인에 서브워드 토크나이제이션의 효과를 하나씩 격리하여, 샘플 throughput, 어휘 규모, 경계의 구조적 인덕티브 바이어스가 실제 성능에 어떻게 작용하는지 정량화한다. 이를 통해 바이트-레벨과 서브워드 기반 모델 간 성능 차이를 설명하고, 향후 바이트/서브워드 양자 간 학습 전략을 설계하는 근거를 제공합니다.
LLM이 영어 숙련도, 교육 수준, 출신 국가에 따라 특정 사용자 그룹에게 더 낮은 정확도와 신뢰성을 보인다는 연구 결과.
AI 에이전트 배포 가속화에 따른 비용 관리 실패, 보안 취약점, 그리고 인프라 규제 문제를 다룬 분석.
LLM 호출 전 메시지 배열을 자동으로 트리밍하거나 요약하여 토큰 예산을 관리하는 프레임워크 독립적 미들웨어 라이브러리.
Partnership on AI가 기업 차원에서 AI 도입 리스크를 식별하고 관리할 수 있도록 돕는 실무 중심의 '기업 AI 위험 평가 프레임워크' 초안을 공개했다.
Wirestock이 사진 마켓플레이스에서 AI 데이터 공급 기업으로 전환하며 2,300만 달러의 시리즈 A 투자를 유치했다.
Cisco가 AI 및 사이버 보안 투자 재원 마련을 위해 전체 인력의 5%인 4,000명을 감원한다.
Amazon Science가 기존의 잘 설계된 프롬프트를 모델별 특성에 맞춰 자동으로 정교하게 개선하는 방법론인 Promptimus를 공개했다.
상태, 리듀서, 후크로 구성된 이벤트 로그 기반의 AI 에이전트 아키텍처와 동적 워커 설정 방식을 다룸.
Python의 itertools 모듈을 사용하여 시계열 데이터의 지연, 롤링 윈도우, 계절성 피처를 효율적으로 생성하는 방법.
화면 녹화 영상을 AI 에이전트에게 전달하여 구조화된 HTML 피드백 보고서와 작업 목록을 생성하는 워크플로를 제안한다.
AI로 생성된 가짜 이미지로 인해 발생한 기대와 실제 제품 간의 괴리를, 서드파티 제조사들이 어댑터를 통해 메우며 새로운 시장을 형성하고 있다.
기업 운영 프로세스를 AI 에이전트 기반으로 전환하기 위한 3단계 단계별 진화 모델과 7단계 실행 전략을 제시한다.
의료 AI 모델의 정확도와 임상적 일반화 성능을 높이기 위해 활용할 수 있는 12가지 주요 의료 데이터셋과 각 데이터의 특징 및 활용 사례를 정리했다.
AI 코딩 도구를 활용해 누구나 자신만의 맞춤형 소프트웨어를 개발하는 '바이브 코딩' 시대가 도래했다.
AI 전문가이자 국회의원인 Don Beyer가 AI 규제, 사이버 보안, 일자리 변화 및 실존적 위험에 대한 정치적·기술적 관점을 공유한다.
OpenAI Codex CLI와 oh-my-codex(OMX)를 사용하여 팟캐스트 아카이브 페이지를 자동화하고 개발하는 실전 워크플로를 소개한다.
AI/ML 엔지니어 채용 시장에서 요구하는 핵심 기술 스택, 인프라 운영 능력, 그리고 실무 마인드셋을 상세히 분석한다.
DeepLearning.AI의 Ryan Keenan이 기존 온라인 강의의 한계를 지적하며, AI 음성 에이전트와 대화형 인터페이스를 활용한 새로운 개인화 학습 플랫폼 'CodeDream'을 소개한다.
Raindrop Workshop은 AI 에이전트의 실행 과정을 실시간으로 추적하고, MCP를 통해 Claude Code와 연동하여 자동으로 버그를 진단하고 수정하는 오픈소스 로컬 디버거입니다.
멀티모달 데이터 처리 시 CPU 병목으로 인한 GPU 유휴 문제를 해결하기 위해 Ray Data의 분리형 스트리밍 아키텍처를 활용하여 처리량을 최대 12배 향상한다.
기업들이 직원들의 AI 토큰 사용량을 성과 지표로 활용하는 '토큰맥싱' 현상과 그에 따른 실무적 부작용을 분석합니다.
생성형 AI 모델이 학습 데이터에 포함된 개인정보를 무단으로 노출하는 사례가 급증하고 있으나, 이를 효과적으로 차단하거나 삭제할 명확한 방법이 부족한 실정이다.
GUI 에이전트의 일반화 능력은 훈련 데이터의 규모와 다양성에 크게 의존한다. 본 연구는 unlabeled Internet videos에서 GUI 상호작용 궤적을 자동으로 추출하는 Video2GUI 파이프라인을 제안하고, 이를 통해 WildGUI 데이터셋을 구축하여 GUI grounding 및 에이전트 벤치마크에서 일관된 성능 향상을 달성한다. 12.7M GUI 운용 궤적과 124.5M 스크린샷으로 구성된 대규모 데이터는 다양한 애플리케이션과 웹사이트를 포괄한다.
추상 지시를 반영한 이미지 편집은 구체적 지시와 달리 의도 파악과 결과 보존의 균형이 핵심 문제다. AbstractEdit 벤치마크와 Entity-Rubrics 프레임워크는 인간 판단과의 상관 관계를 정량적으로 측정하는 새로운 평가 체계를 제공한다. 또한 고급 LLM 텍스트 인코더와 iterative thinking의 도입이 성능 향상의 핵심으로 암시된다.
비디오 확산 모델은 perceptual realism에 집중하는 경향이 있지만, 규칙 기반의 시각 추론에서의 정합성을 보장하지 못한다. VideoRLVR은 verifiable rewards로 실제 규칙을 충족하는 비디오 처리 과정을 촉진하고, Dense decomposed rewards와 Early-Step Focus를 통해 낮은 성공률 환경에서도 informative한 피드백을 제공한다. 이로써 perception-oriented 생성에서 벗어나 규칙-일치 시각 추론으로의 전환을 제시한다.
에이전트가 웹을 탐색하는 동안 남기는 UI 이벤트의 패턴과 타이밍이 모델 식별의 신호가 된다. 사이트 운영자는 이를 통해 어떤 foundation model이 작동하는지 추론할 수 있어, 모델 특정 Jailbreaks, 포이즈닝 콘텐츠 노출, 비용 증가 등의 공격 벡터가 열리게 된다. 본 연구는 로컬 자바스크립트 트래커를 이용해 14개 프런티어 모델과 4개 웹 환경에서 이러한 지문 신호가 강력히 작동함을 입증한다.
SAM2의 프롬프트 기반 분할은 오디오 신호를 프롬프트로 활용하는 데 한계가 있다. 기존 방법은 오디오를 텍스트/박스 프롬프트로 변환하거나 이미지 인코더에 어댑터를 주입해 오디오-비주얼 융합을 시도하지만, 프롬프트-오디오 간 명확한 연결이 부족하고 계산 비용이 증가한다. 본 논문은 AuralFuser를 통해 SAM2의 고정된 이미지 피처를 수정하지 않고 오디오를 외부 모듈에서 직접 융합해, Sparse와 Dense 프롬프트를 피라미드 구조로 생성함으로써 오디오의 크로스모달 신호를 계층적으로 보존한다. 또한 AudioCon으로 오디오를 기준으로 시각 피처를 정렬하도록 대조 학습을 설계해 시각 주도성으로 인한 성능 저하를 완화한다. 이로써 AVSBench(V1m)에서 Jaccard를 개선하고, SAM2 기반 SOTA 방법들보다 우수한 성능을 달성한다.
deployed LLM은 일반적으로 4-bit PTQ로 양자화되며, 기존의 망각 기법은 양자화로 인해 되돌려지거나 망각이 축소될 수 있다. 본 연구는 회로 단위로 지식이 저장된 부분을 찾아 그 부분에 한정된 업데이트를 적용하고, 이를 NF4 양자화의 바운더를 넘어가도록 floor를 적용해 양자화-영구적 망각(permanence)을 보장한다. CAD를 도입해 구조적 erasure를 행동적 성능 변화와 분리 진단한다. 이로써 멀티모달/대형언어모델의 배포 환경에서 망각의 지속 가능성을 실험적으로 검증할 수 있게 된다.
대형 언어 모델의 autoregressive 디코딩은 KV 캐시 트래픽에 의해 병목이 발생한다. MLA는 KV를 잠재 공간으로 압축하나 단일 MQA-absorb 경로에 묶여 하드웨어 비대칭과 head-axis 텐서 병렬성 제약을 초래한다. GQLA는 같은 가중치를 유지하면서 업프로젝션을 그룹으로 인덱싱해 두 개의 해석 가능한 디코딩 경로를 노출하고, 런타임에서 대상 하드웨어에 맞춰 경로를 선택하도록 한다.
이 논문은 per-pixel discriminative 접근이 가진 지역적 일관성 결여와Ambiguity의 한계를 지적한다. ChangeFlow는 Change Detection을 latent space에서의 마스크 합성 문제로 재정의하고, 샘플링 기반 다중 예측으로 불확실성을 표현하며 전역적 일관성을 확보한다. SYSU, LEVIR, CLCD, OSCD 등 4개 벤치마크에서 평균 F1 80.4%를 달성해 기존 최강 방법 대비 1.3p 향상을 보이고, 추론 속도도 최근 강력한 기반 모델과 비슷한 수준으로 유지된다.
RLVR의 보상 신호는 희소하고 이진적이라 크레딧 할당이 불분명하다. CIPO는 실패를 교정 지향 감독으로 전환해 학습 방향성을 강화하고, 모델이 자신의 오류를 수정하는 능력을 키운다. 11개 벤치마크에서 일관된 추론 및 교정 성능 향상과 pass@K 증가를 보고한다.
다수의 신개념 3D 아바타 재구성 연구가 per-subject 최적화에 의존하는 한계를 지니는 반면, FFAvatar는 단일 feed-forward 패스로 다중 뷰 정보를 융합해 unseen identity에서도 일반화성과 재현 품질을 달성한다. 세 단계 학습 커리큘럼과 end-to-end FLAME 추정기를 통해 대규모 데이터에서의 확장성과 실제 운영 조건에서의 실시간 성능을 확보한다.
다중에이전트 시스템(MAS)의 설계와 실행을 서로 독립적으로 최적화하던 기존 방식은 실행기(Executor)의 한계를 초래한다. 본 논문은 Designer와 Executor를 함께 학습하는 엔드-투-엔드 강화학습 프레임워크를 제시하고, 계층적 롤아웃과 단계적 공동 진화를 도입해 MAS의 자동화를 실용적 수준으로 끌어올린다. 실험에서 기존 자동 MAS 대비 최대 21.7%의 성능 향상을 달성한다.
추상적이고 장기적인 이미지 편집 요청은 단일 단계의 수정으로 충족되기 어렵다. 본 연구는 planning과 execution을 결합한 경험적 학습 프레임워크를 제시하여 다단계 편집에서의 일관성, 목표 충족성, 시각적 품질을 동시에 개선한다. 체크리스트 기반의 계획과 보상 기반의 실행을 통해 수동 규칙이나 지도 교사 의존성을 줄이고, 여러 도구를 조합하는 오케스트레이션의 일반화 가능성과 안정성을 높인다.
대형 언어모델은 여전히 까다로운 알고리즘 문제의 추론에 취약하다. Solvita는 4개의 특화된 에이전트 Planner/Solver/Oracle/Hacker를 통해 문제 해결 전략을 지속적으로 개선하되 LLM 파라미터를 고정한다. 이를 통해 과거 에피소드를 활용한 학습이 가능해져 벤치마크에서 단일 패스 기반 접근을 크게 능가한다.
이 논문은 NPC의 자율성과 플레이어 상호작용을 게임 월드 모델에서 분리한다. 기존의 플레이어 중심 월드 모델은 NPC를 배경으로 다루어 상호작용의 고유한 역학을 포착하지 못했다. ReactiveGWM은 game-agnostic한 NPC 표현과 zero-shot 전략 전이를 가능하게 하여 다양한 게임에 적용 가능한 steerable NPC를 구현한다.
텍스트 인식과 얼굴 아이덴티티 보존은 이산 토크나이저로 작동하는 autoregressive 이미지 생성에서 취약점으로 남아 있다. InsightTok은 텍스트 및 얼굴 영역에 특화된 지역 perceptual 손실을 도입해 텍스트 가독성과 얼굴 유사성을 향상시키고, 16× 다운샘플링의 고정된 토크나이저 구조에서도 일반 재구성 품질을 유지한다. 이로써 텍스트-중심 및 얼굴 중심의 생성 시나리오에서 품질 차이를 크게 줄이고 downstream AR 모델의 텍스트-이미지 생성 성능을 높인다.
시각 에이전트의 의사결정은 시각 증거와 상태 정보를 함께 해석해야 한다. 텍스트 중심의 스킬은 시각 상태를 충분히 반영하지 못하는 반면, MMSkills는 텍스트 프로시저를 런타임 state cards와 다중 뷰(keyframes)로 결합해 재사용 가능한 지식으로 만든다.
대규모 멀티모달 모델의 물리적 이해를 강화한 후 로봇 제어에 적용하면 데이터 효율성과 일반화가 향상된다. 인간의 일인칭 영상에서 추출한 물리적 priors를 통해 로봇에서의 학습 데이터 요구를 감소시키고, 다양한 로봇 embodiment에 걸친 제어 성능을 개선한다.
생성 비디오의 시각적 품질은 높아졌지만 3D 기하학적 일관성은 여전히 불일치한다. PDI-Bench는 2D 픽셀 동역학을 3D 세계 좌표로 올려 기하학적 잔차를 산출하고, Scale–Depth, 3D Motion, 3D Structural Rigidity의 다차원 잔차를 결합해 물리적 환각을 구분한다. 이로써 소위 ‘월드 모델’의 물리적 일관성 평가에 필요한 정량적 기준이 제시된다.
실세계 시계열 예측은 숫자 패턴뿐 아니라 맥락적 신호를 필요로 한다. Nexus는 macro/micro 추론과 컨텍스트 주입을 통해 LLM의 제로샷 예측 능력을 실용적 성능과 투명한 추론으로 끌어올린다.
단일 단계 생성은 복합 의미 관리에 한계를 보이며 성능이 매개변수 규모 증가에 의해 제한된다. CLVR은 자동화된 데이터 엔진과 검증 가능한 연역 흐름(verified trajectories)을 도입하고 Proxy Prompt Reinforcement Learning(PPRL) 및 Δ-Space Weight Merge(DSWM)를 결합해 긴 맥락의 멀티모달 추론을 안정적으로 학습시키고 실행 시간을 대폭 줄인다. 다수 벤치마크에서 오픈 소스 기반선을 능가하거나 상용 모델에 근접한 성능을 달성하며, 테스트-타임 확장을 가능하게 한다.
실세계에서 LLM 기반 에이전트가 private data에 접근하고 도구를 호출하는 상황이 늘어나면서 고정된 가드레일의 한계가 드러난다. LiSA는 deployment 환경에서 얻은 드문 실패를 바탕으로 구조화된 메모리로 일반화 가능한 정책 추상화를 만들고, mixed-label 구역에서만 지역 규칙을 보강하여 과도한 일반화 위험을 억제한다. 또한 Beta posterior의 하한을 활용한 증거-기반 재활용으로 메모리의 재사용 시점을 안정적으로 결정한다. 이로써 sparse feedback 하에서도 가드레일의 적응성과 안전성을 동시에 달성한다.
MoE에서 고정 Top-K 라우팅은 토큰 복잡도에 따라 불필요한 전문가를 활성화시키며 계산 비효율을 초래한다. BEAM은 Lightweight한 mask router를 도입해 Top-K 후보에서 불필요한 전문가를 비활성화하고, STE로 학습하는 엔드-투-엔드 구조를 통해 토큰별로 활성화된 전문가 수를 동적으로 조절한다. vLLM에 CUDA 커널로 플러그인 가능하며, 중간 수준의 Sparsity에서 정확도 손실을 2% 내외로 유지하고 MoE 레이어 FLOPs를 최대 85%까지 감소시킨다. 이는 대규모 MoE 모델의 실무 배포에서 추론 속도와 처리량을 크게 향상시킨다.
RLVR은 검증 가능한 보상을 활용해 추론 능력을 향상시키는 프레임워크이며, 샘플 효율성이 낮아 복잡한 문제에서 학습 신호를 얻기 어렵다. FEST는 128개의 Demonstration으로 RLVR을 크게 개선하며, supervised learning, on-policy learning, decaying weights를 결합해 과적합를 방지한다. 이로써 대규모 SFT 데이터 의존 없이도 강건한 성능 향상이 가능하다는 점이 주목된다.
독일 맥락에서 이념 분류를 단순한 다중 클래스가 아닌 연속 스펙트럼으로 표현하는 방법을 제시한다. 13개의 Foundation Model을 비교하고 Bundestag 발언, Wahl-O-Mat, 신문 기사, 트윗 등 다양한 도메인에서의 일반화 성능을 평가한다. 데이터 다양성과 도메인 적합성의 영향이 모델 크기만큼 중요하다고 제시한다.
FutureSim은 모델의 지식 컷오프 이후 세계가 어떻게 전개되는지에 대한 예측 능력을 평가한다. 실제 뉴스 데이터를 시간 순으로 재생하고 ground-truth 피드백을 제공받아 예측을 업데이트하도록 요구하므로, 장기간의 테스트-타임 적응과 불확실성 추론을 체계적으로 비교할 수 있다. 기존 벤치마크가 제한된 시나리오를 다루는 반면, FutureSim은 현실 세계의 연속 이벤트를 기반으로 한 평가를 가능하게 한다.
소셜 미디어에서 전략적 서사는 정치 행위자에 의해 공유 의미를 형성하는 데 사용된다. 본 연구는 사전에 정의된 카테고리에 의존하지 않고도 새로운 서사 클러스터를 발견해 FIMI의 의도와 수법을 파악하는 자동화 도구를 제시한다.
본 논문은 time-varying rewards를 가지는 dynamic MDP에서 서브-정책의 시간적 연결을 통해 최적 goal-reaching 정책을 얻는 General Dijkstra Search(GDS)를 제시한다. 이를 LLM 파인튜딩에 적용한 Dynamic Latent Routing(DLR)은 discrete latent codes와 routing policy를 residual stream에 주입하는 단일-stage 학습으로, low-data 상황에서도 SFT를 상회하는 성능을 보이고 코드가 실제로 서브태스크에 대응하는 구조적 라우팅을 형성함을 보여준다.
위성 영상은 넓은 커버리지와 저비용으로 다량의 공간 정보를 제공하지만, 거리 수준의 정밀한 3D 구조를 얻기엔 한계가 있다. Sat3DGen은 geometry-first 접근으로 기하 제약과 다양한 시점 보강을 통해 3D 매핑의 정확도와 시각적 현실감을 크게 끌어올려, semantic-map-to-3D, 다중 카메라 비디오 생성, 대규모 메싱, 그리고 DSM 추정 같은 응용을 실현한다.
고차원에서 Gaussian 노이즈와 VAE latents는 얇은 구면(shell)에 집중한다. 이 잠재 공간에서 선형 경로는 두 엔드포인트를 지나 interior를 통과하며, 디코더는 토큰의 방향에 더 강하게 의존한다는 관찰에서 출발한다. 구면 위의 slerp 경로를 활용하고 잠재를 고정 반지름으로 프로젝션하면 경로가 항상 구면 위에 남아 방향성만 학습하도록 만들어 학습 효율과 생성 품질을 모두 개선한다. 이 접근은 Diffusion 아키텍처를 바꾸지 않고도 여러 토크나이저에서 일관된 FID 개선을 달성한다.
현실적인 인간 모션 생성을 위한 보상 신호가 2D 픽셀 공간에 국한되어 있어 해부학적 타당성, 접촉 역학, 동적 가능성 등 물리적 제약을 반영하지 못한다. PhyMotion은 generated video에서 3D SMPL-X를 회복하고 MuJoCo 물리 시뮬레이션에 재현해 세 가지 축(kine matic plausibility, contact/balance, dynamic feasibility)으로 모션 품질을 정량화한다. 이로써 기존 2D 기반 보상보다 모션의 물리적 타당성에 더 직접적으로 연결된 신호를 제공하고, RL 포스트 트레이닝에서 모션 현실감을 크게 개선한다.
LLM이 문제를 풀고 데이터를 생성하는 대신 실행 가능한 환경을 만들어 학습 신호를 제공하는 방향을 제시한다. 환경 단위의 재사용과 stable reward를 확보하면 정적 데이터 풀의 한계를 넘어 frontier를 지속적으로 확장할 수 있다. 핵심 아이디어는 solve–verify 비대칭성과 환경의 재사용이다.
그래픽 디자인에서 레이어 분해는 편집의 유연성에 직접적으로 기여한다. 기존 데이터는 규모가 작고(real/partially synthetic)로 제한되며, 합성 데이터의 활용도는 아직 충분히 탐구되지 않았다. 본 연구는 fully synthetic SynLayers 데이터를 통해 레이어 분해의 재구성 품질 및 분포 특성의 개선 가능성을 제시한다. 또한 중간 규모의 데이터에서 최대 이득을 보이고, 대규모 합성 데이터가 실제 디자인 편집시 안정성과 일반화에 기여할 수 있음을 보여준다.
실시간 스트리밍 비디오 생성은 추론 시점의 히스토리 관리가 품질에 결정적이다. 기존 방법은 학습 시 히스토리 분포와 추론 시 분포 간 차이가 누적되어 긴 시퀀스에서 품질 저하를 유발한다. RAVEN은 self rollout을 clean endpoints와 noisy denoising states의 interleaved 시퀀스로 재구성해 히스토리 표현에 대한 감독을 강화하고, CM-GRPO를 도입해 추론 시의 샘플링 방식과 학습 시의 정책 업데이트를 일치시킴으로써 이러한 간극을 축소한다.
에이전트 학습 파이프라인의 핵심 병목은 실행 환경의 경계에 있다. Orchard Env는 환경 레이어를 얇은 독립 서비스로 분리해 트레이너, 어댑터, task 도메인에 구애받지 않는 재사용성과 확장성을 확보한다. 이로써 데이터 수집, SFT, RL 롤아웃, 평가 파이프라인을 서로 다른 도메인과 하니스 간에 재활용할 수 있어 연구 비용과 시간의 효율이 크게 향상된다.
비디오 콘텐츠는 시각적 요소뿐 아니라 문화적 맥락과 사회적 신호를 통해 은유적 의미를 전달한다. ViMU는 앞선 영상 이해 벤치마크가 포착하지 못하는 은유적 서브텍스트를 체계적으로 평가하기 위한 다중 태스크 벤치마크를 제시하며, 588개 비디오와 2,352개 문항으로 구성된다. 이를 통해 프런티어 모델이 표면적 인식을 넘어 내부적 의도와 문화적 맥락을 해석하는 능력을 진단한다.
기존의 2D-lifting 편집 방식은 각 뷰를 독립적으로 수정한 뒤 3D로 합성하는 과정에서 다중 뷰 기하학적 일관성과 텍스처 선명도가 저하된다. VGGT-Edit은 텍스트 지시를 3D 기하 공간에 직접 주입하고 잔차 필드 예측으로 국소 변형만 수행하므로, 배경 구조를 보존하면서 명시적 지시를 공간적으로 안정적으로 반영한다. 또한 체계적 뼈대(framework)로 삼는 느린 최적화 기반 방법 대비 빠른 순전파 추론을 제공하며, DeltaScene 데이터셋으로 대규모 학습 근거를 확보한다.
Vision-Language-Action(VLA) 모델은 현재 프레임의 관측과 언어 지시로 바로 실행을 예측하는 경향이 있다. 이러한 프레임 단위 conditioning은 부분 관찰 상황에서 동일한 관측이 서로 다른 다음 Chunk를 필요로 하는 의도 전이를 야기해 실행의 불안정성을 초래한다. AliasBench는 이 짧은-horizon 의도 aliasing을 체계적으로 시험하도록 설계되었으며, IntentVLA는 최근 시각 기록을 이용해 짧은 horizon의 의도를 압축 표현으로 포착하고 이를 바탕으로 Chunk 생성을 조건화함으로써 rollout의 안정성과 성공률을 높인다.
다중 목표를 동시에 만족해야 하는 실제 사용에서, 단일 보상 최적화 RL은 태스크 간 간섭으로 해결이 어렵다. DiffusionOPD는 단일 태스크 탐색과 다중 태스크 능력 통합을 분리하고, 각 태스크별 교사를 통해 학생으로의 지식을 온폴리시 롤아웃에 맞춰 증류한다. 이를 통해 교사 훈련의 간섭을 피하고, 샘플링 다이어그램의 차원에서 KL 기반 지도 학습의 분산을 줄여 다중 도메인에서의 최종 성능과 학습 효율을 동시에 향상시킨다.
오픈-엔드 코딩 문제는 최적해의 존재를 보장하기 어렵고 구성 비용이 크다. FrontierSmith은 닫힌-ended 문제를 기초로 삼아 목표·출력·입력의 변형(mutations)을 통해 오픈-엔드 문제를 자동으로 확장하며, 다양한 해결 전략을 이끌어내는 문제를 선별한다. 아이디어 발산(d(div)) 지표를 활용해 다중 해결 전략의 가능성을 정량화하고, 테스트 케이스와_verifier를 자동으로 생성해 지속적으로 평가한다. 이를 통해 합성 데이터로도 인간 큐레이션 데이터에 근접한 학습 효과를 얻을 수 있음을 보인다.
시각-언어 모델의 시각 추론에서 외부 도구 실행과 잠재 공간 추론 사이의 한계를 동시에 극복하고자 한다. ATLAS는 시각 연산을 단일 discrete functional token으로 표현해 원래의 autoregressive 파이프라인과의 호환성을 유지하면서도 픽셀 단위의 중간 생성 없이 효율적으로 추론한다. Two-stage 학습과 LA-GRPO 도입으로 학습 신호를 강화하고, BLINK/WeMath를 포함한 벤치마크에서 성능이 향상되며 추론 지연과 메모리 사용이 감소한다.
카메라 움직임은 인터랙티브 비디오 생성을 좌우하는 주된 제어 신호이다. 기존 방법은 카메라 전용 엔코더나 추가 모듈에 의존하거나, 테스트-타임 최적화가 필요하다. Warp-as-History는 프리트레이닝된 history-conditioned 비디오 생성 모델의 기존 히스토리 인터페이스를 활용해 타깃 카메라 궤적을 camera-warped pseudo-history로 변환하고, 타깃 프레임 위치에 맞춰 정렬하며 가시 토큰 선정을 통해 불완전한 워프를 보완한다. 이 방식은 훈련 없이도 제로샷으로 카메라 팔로우를 유발하며, 단 하나의 카메라 주석 비디오를 이용한 LoRA 파인튜닝으로 unseen 비디오에 일반화하고 품질을 향상시킨다.
대형 언어모델의 추론능력은 종종 추가 학습에 의존한다. 본 연구는 pretrained 체크포인트에 이미 내재된 latent capabilities를 재구성해 gradient-based training 없이도 추론 성능을 개선할 수 있음을 보인다. MRI-Trust Fusion과 14차원 Genome, Architecture Mapper를 통해 진화적 병합의 탐색 효율성 및 재현성을 높인다.
분 단위의 월드 모델링은 고해상도 시각 일관성과 연속적 카메라 추적을 필요로 한다. SANA-WM은 2.6B 파라미터의 오픈 소스 백본으로 1분 간의 고충실도 영상 생성을 가능하게 하며, 64×H100 학습과 단일 GPU 추론 같은 비용 효율성을 대폭 개선한다. 이로써 단위 시간 길이의 시뮬레이션과 카메라 제어 평가를 보다 접근성 있게 수행할 수 있다.
다중 모달 다세션 대화에서 기억 능력이 시스템 성능의 핵심에 가깝다. MEMLENS는 다섯 가지 기억 능력과 네 가지 컨텍스트 길이를 포함하는 벤치마크로, 이미지 증거의 활용 필요성과 대화 길이에 따른 성능 변화를 비교 가능하게 한다. 이로써 긴 대화에서의 기억 유지와 시각 정보 활용의 균형을 평가하는 기준이 마련된다.
다중 턴 LLM 에이전트에서 On-Policy Self-Distillation(OPSD)의 토큰 수준 지도가 유용하더라도, 시퀀스 길이가 늘수록 교정 신호의 불안정성, 그리고 privileged context에 대한 비대칭 신뢰 문제가 심화된다. SDAR은 OPSD를 보조적(auxiliary) 목적으로 한정하고, 토큰 수준에서 게이트를 통해 긍정 신호는 강화하고 부정 신호는 완만하게 억제한다. 이로써 RL의 정책 학습을 해치지 않으면서 privileged 지식을 정책 파라미터에 흡수하고, 모델 규모에 관계없이 안정적 성능 향상을 달성한다. ALFWorld, WebShop, Search-QA에서 GRPO 대비 일관된 개선을 보이며, 민감한 조회/정책 업데이트 시나리오에서도 강건성을 보인다.
실시간 인터랙티브 비디오 생성을 달성하려면 저지연, 스트리밍 롤아웃, 제어 가능한 흐름이 필요하다. 4-step chunk-wise 증류에 기반한 기존 AR 확산 모델은 해상도와 응답 지연 측면에서 한계를 보였으며, 프레임-단위 1-2 step에서의 효율적 초기화가 결정적 문제로 남아 있었다. 이를 해결하기 위해 causal CD를 도입한 Causal Forcing++은 offline PF-ODE 궤적 저장 없이도 AR 초기화를 가능하게 하여 학습 비용을 크게 줄이고 대기 시간을 절감한다.
에이전트 AI 시스템에서 발생하는 무한 루프, 환각적 계획, 안전하지 않은 도구 사용의 원인과 설계적 해결 방안.
Hugging Face 모델 URL의 도메인을 hfviewer.com으로 변경하여 복잡한 모델 아키텍처를 인터랙티브 그래프로 즉시 시각화하는 도구입니다.
Ruby는 TypeScript나 Python보다 토큰 효율성이 뛰어나 LLM 컨텍스트 윈도우를 더 효과적으로 활용할 수 있으며, RSpec을 통한 검증과 일관된 생태계 덕분에 AI 개발에 최적화된 언어이다.
OpenAI의 Codex 엔터프라이즈 프로모션과 Anthropic의 Claude API 사용량 정책 변경이 개발자 도구 시장의 경쟁을 심화시키고 있다.
LLM 응답에 광고를 삽입할 때 발생하는 품질 저하 문제를 해결하기 위해, RAG 기반의 품질 보존형 경매 프레임워크를 제안한다.
LLM의 희귀한 실패 사례를 예측할 때, 롤아웃 횟수를 30% 줄이면서도 동일한 예측 성능을 유지하는 방법론을 제시한다.