Category
AI 리서치·논문
arXiv 논문과 대형 연구소의 기술 리포트를 추적하는 카테고리다. 모델 아키텍처, 학습 기법, 벤치마크 결과처럼 6개월 뒤 제품에 들어올 흐름을 미리 읽는다. 한국 개발자가 논문 전문을 다 읽지 않고도 핵심과 재현 가능성을 가늠하도록 정리한다.
ICML 2026에서의 NVIDIA 연구 성과와 오픈 모델의 중요성
2026년 국제 머신러닝 컨퍼런스(ICML)에서 NVIDIA는 74편의 논문이 채택되었으며, 약 2,000편의 논문이 NVIDIA GPU를 인용하고 145편이 NVIDIA Nemotron을 기반으로 한 연구를 다루었다. DreamDojo는 물리적 환경에서 AI 시스템이 어떻게 학습하고 행동하는지를 연구하며, NVIDIA Cosmos 오픈 모델을 활용해 로봇의 물체 처리 예측을 가능하게 한다. KERMT는 약물 발견에 중요한 분자 속성을 예측하는 BioNeMo 오픈 모델로, AI의 단백질 돌연변이 예측 성능을 평가하는 공공 벤치마크를 도입했다. 또한, Nemotron은 연구 스택으로 활용되며, NeMo Curator는 데이터 커리레이션을 위한 재현 가능한 기반을 제공한다.
국가들이 AI 역량 강화를 위한 전략적 투자 진행
국가들은 경제 성장, 데이터 보호 및 기술 기회 활용을 위해 AI 역량에 투자하고 있다. AI는 다양한 산업에서 혁신을 가속화하고 있으며, 각국은 자국의 인프라와 데이터셋을 활용하여 AI 모델과 애플리케이션을 설계하고 배포하고 있다. AI 공장은 데이터가 들어오고 지능이 나오는 차세대 데이터 센터로, 각국은 이를 통해 AI 생산 능력을 강화하고 있다. NVIDIA의 AI Nations 이니셔티브는 2019년 이후 각국의 AI 생태계와 인력 개발을 지원하고 있다. 예를 들어, 프랑스의 ThinkDeep AI 에이전트는 공공 서비스 워크플로우를 자동화하여 문서 검색 시간을 단축하고 비용을 절감하고 있다.
Anthropic, Claude의 J-Space 개념 소개
Anthropic은 Claude가 아이디어를 언어로 표현하지 않고 조작할 수 있는 내부 작업 공간인 'J-Space'를 사용한다고 발표했다. 이 공간은 인간이 생각을 접근하는 방식과 유사하다고 설명되며, Claude는 즉각적인 작업과는 별개로 전략을 계획할 수 있다. Anthropic은 J-Space에서 Claude가 코드의 버그를 발견하고 이미지를 식별하는 등의 사고 단계를 수행한다고 밝혔다. 연구 논문에서 '의식'이라는 단어가 200회 이상 사용되었지만, 모델이 의식을 가지고 있다고 주장하지는 않았다.
Anthropic, Claude Fable 5 및 Claude Mythos 5 출시
Anthropic은 Claude Fable 5와 Claude Mythos 5를 출시했다. 두 모델은 동일한 기본 모델을 공유하지만, Fable 5는 보수적인 안전 분류기를 사용하여 고위험 분야에서 쿼리를 차단하고 Opus 4.8로 되돌아가며, Mythos 5는 Project Glasswing 하에 검증된 사이버 방어자를 위해 제한 없이 운영된다. Fable 5는 SWE-Bench Pro에서 80.3%의 성능을 기록하여 Opus 4.8보다 10포인트 이상, GPT-5.5보다 20포인트 이상 앞선다. 또한, 애플은 WWDC에서 개인 맥락과 화면 인식을 갖춘 Siri AI를 발표했으며, 이는 1.2조 매개변수의 Gemini 모델에 의해 구동된다. 마지막으로, 엘론 머스크는 SpaceX의 IPO를 통해 1.77조 달러의 가치를 인정받고 750억 달러를 모금했다.
Marc Andreessen, AI와 미국의 기술적 미래에 대한 논의
Marc Andreessen은 CSIS의 Navin Girishankar와 인공지능(AI), 생산성 성장, 산업 정책, 미국의 기술적 미래에 대해 논의했다. 그는 AI가 이미 경제를 재편하고 있지만, 가장 큰 영향은 앞으로 올 것이라고 주장했다. AI는 전문 지식에 대한 접근을 확대하고 생산성을 향상시키며, 의료, 교육, 법률, 소프트웨어 개발 등 다양한 산업을 변혁할 수 있다고 설명했다. 그러나 그는 기술적 장벽보다 규제, 정책 선택, 인프라 제약 등 제도적 장벽이 더 크다고 경고했다.
Transformer 대안에 대한 연구 요약
TheSequence는 Transformer 대안에 대한 시리즈를 요약했다. Transformer는 self-attention 덕분에 성공했지만, 시퀀스 길이에 따라 계산 비용이 O(n²)로 증가하고 메모리 사용량이 O(n)으로 늘어난다. RNN, SSM, 텍스트 확산, 액체 및 연속 시간 모델 등 네 가지 대안이 제시되었으며, 이들은 각각 고유한 장점과 도전 과제를 가지고 있다. 특히, RNN은 고정 크기 상태로 O(n) 계산을 제공하고, SSM은 선형 스케일링과 긴 컨텍스트 처리를 가능하게 한다. 그러나 현재까지 attention을 대체할 만한 모델은 없다.
Claude Fable 5 복귀 및 ZCode 출시 소식
Claude Fable 5는 7월 1일에 복귀했으며, 19일간의 수출 통제 방화벽 뒤에 있었고, Amazon 연구자들이 발견한 탈옥 기술로 인해 출시 3일 후에 중단되었다. 이 문제는 99% 이상의 시도를 감지하는 분류기를 통해 해결되었고, 요청을 Opus 4.8로 우아하게 축소하는 방식으로 수정되었다. Z.ai는 GLM-5.2를 기반으로 한 무료 'Agentic Development Environment'인 ZCode를 출시했으며, 744B 파라미터와 1백만 토큰의 컨텍스트 윈도우를 제공한다. Anthropic은 Claude Science를 출시하여 60개 이상의 curated skills와 연결 기능을 제공하는 작업대 역할을 한다.
Liquid AI의 Ramin Hasani, 디바이스 네이티브 기초 모델의 필요성 강조
Liquid AI의 공동 창립자이자 CEO인 Ramin Hasani는 AI의 미래를 정의하는 데 있어 단순한 규모가 아닌 효율적이고 하드웨어를 인식하는 아키텍처의 중요성을 강조했다. Liquid AI는 MIT CSAIL의 액체 시간 상수 네트워크에서 시작하여 자동화된 기초 모델 설계로 발전하였으며, 스마트폰, 노트북, 자동차, 웨어러블 기기를 위한 디바이스 네이티브 기초 모델을 개발하고 있다. Liquid의 오픈 웨이트 LFM 패밀리와 Shopify 및 Mercedes-Benz에서의 생산 배포 사례가 논의되었다.
Fable의 복귀와 AI 모델의 수출 통제
Fable이 복귀했으며, 이전의 혼란은 몇 주간 지속되었다. 현재 시스템은 여전히 임시방편적이며, 모델에 대한 수출 통제를 사용할 수 있다는 선례가 설정되었다. GPT-5.6은 현재 결정을 기다리고 있으며, OpenAI는 회사의 5%를 기부할 것에 대해 논의하고 있다. Google은 Pixel폰을 위한 'Audio Memory' 기능을 개발 중이며, 주변의 음악과 대화를 지속적으로 기록할 예정이다.
Adversarial Validation을 통한 AI 모델 드리프트 감지 방법
Adversarial Validation은 모델 입력이나 훈련 데이터의 갑작스러운 변화를 감지하는 간단하고 효과적인 방법이다. 이 방법은 두 개의 데이터셋을 비교하여 드리프트를 감지하며, 이진 분류기를 사용해 두 데이터셋의 차이를 식별한다. 예를 들어, OpenAI API를 사용하는 모델의 경우, ft_drift라는 CLI 도구를 통해 다중 턴 채팅 형식의 JSONL 파일 간 드리프트를 감지할 수 있다. 이 도구는 프롬프트 템플릿과 같은 토큰 기반 드리프트를 감지하며, 이를 통해 모델의 예기치 않은 동작의 원인을 빠르게 찾아낼 수 있다.
구글, 뉴욕 교육 및 산업 리더들과 AI 교육 미래 논의
구글과 뉴욕 Jobs CEO Council, Urban Assembly가 150명의 교육 및 산업 리더들과 함께 AI 정상 회담을 개최했다.
Memora: 추상화와 구체성을 균형 있게 조화하는 메모리 시스템
Memora는 AI 에이전트의 생산성을 높이기 위한 메모리 시스템으로, 저장되는 내용과 검색 방법을 분리하여 장기적인 작업에서 효율성을 극대화한다. Memora는 LoCoMo와 LongMemEval에서 새로운 최첨단 성능을 기록하며, Mem0, RAG, 전체 컨텍스트 추론보다 우수하고 최대 98% 적은 컨텍스트 토큰을 사용한다. Memora는 프로젝트 타임라인과 같은 풍부한 메모리 내용을 유지하면서도 경량 구조 레이어를 통해 인덱싱과 검색을 처리한다.
AI 2027 관련 링크 및 댓글 정보
AI 2027에 대한 정보는 [이 링크](https://ai-2027.com/?agi=true)에서 확인할 수 있으며, 관련 댓글은 [여기](https://news.ycombinator.com/item?id=48798738)에서 볼 수 있다.
AI 신뢰성 전문가 부족, 규제와 발전은 동일 선상에서 논의해야
국내 AI 산업은 데이터, 파운데이션 모델, GPU 등 인프라 확보에 속도를 내고 있지만, AI 신뢰성 논의와 전문 인력 양성은 뒤처져 있다는 지적이 있다. 박지환 씽크포비엘 대표는 'Trustworthy AI'의 중요성을 강조하며, AI 신뢰성은 기술 고도화와 대립하는 규제가 아닌 같은 선상에서 다뤄야 한다고 밝혔다.
BioHub의 ESMFold 2 발표 및 단백질 예측 모델 개발
BioHub의 Alex Rives가 ESMFold 2를 발표했다. ESM-1은 수백만 개의 단백질 서열을 기반으로 훈련된 언어 모델로, 단백질의 생물학적 구조와 기능을 학습했다. ESMFold 2는 Cryo-EM 데이터를 기반으로 단백질 상호작용에 대한 최첨단 성능을 보고하며, 6.8억 개의 단백질과 11억 개의 예측 구조를 포함한 아틀라스를 웹사이트에서 제공한다. ESM 팀은 BERT 유사 모델이 AlphaFold3보다 일부 단백질 문제에서 더 나은 성능을 보일 수 있음을 입증했다.
Genesis Molecular AI의 PEARL 모델과 3D 구조 예측 연구
Evan Feinberg와 Sergey Edunov이 Genesis Molecular AI의 공동 창립자이며, PEARL(Place Every Atom at the Right Location) 모델을 통해 단백질 유연성을 이해하고 리간드와 단백질의 적합성을 개선하는 연구를 진행하고 있다. 이들은 10^60개의 약물 유사 분자를 탐색하는 것이 어렵고, 최근 생성 AI의 발전으로 약물 발견 에이전트 시스템(SAPPHIRE)이 화학자처럼 반복적으로 후보 물질을 생성할 수 있게 되었다고 설명한다. 또한, 3D 구조 예측 분야에서 혁신적인 연구가 진행되고 있으며, 기존 LLM 연구와는 다른 새로운 접근 방식이 필요하다고 강조하고 있다.
OpenAI Codex gpt-5.5의 reasoning_output_tokens 고정값 문제
OpenAI Codex 이슈 #30364에 따르면, gpt-5.5의 reasoning_output_tokens가 516, 1034, 1552와 같은 고정값에 몰리는 현상이 복잡한 Codex 작업의 품질 저하와 관련이 있을 수 있다고 보고되었다. 분석 대상은 2026년 2월 1일부터 6월 27일 UTC까지의 Codex token_count이다.
Michael Nielsen과 과학적 진보의 검증 루프에 대한 대화
Michael Nielsen은 과학적 진보를 인식하는 방법에 대해 논의하며, RL 검증 루프가 과학적 발견에 어떻게 적용되는지를 설명했다. 그는 아인슈타인, 다윈, 프라우트와 같은 역사적 사례를 통해 과학적 아이디어의 검증 루프가 종종 매우 길고 복잡하다는 점을 강조했다. 예를 들어, 고대 아테네인들은 아리스타르코스의 태양중심설을 기각했으며, 별의 시차를 처음으로 성공적으로 측정한 것은 1838년으로, 2,000년의 검증 루프가 있었다. 또한, 외계인이 우리의 과학 및 기술 스택과 매우 다를 것이라는 가설을 제시했다.
Grant Sanderson이 말하는 AI와 수학의 미래
Grant Sanderson은 AI가 수학 분야에서 다른 분야보다 빠르게 발전하고 있으며, 이는 AI의 다른 분야에서의 발전 양상을 구체적으로 보여준다고 언급했다. 수학 내에서도 개념적 돌파구의 본질과 AI가 현재 수행할 수 있는 것과의 차이를 논의하며, AI가 인간의 이해를 증가시키는지 감소시키는지에 대한 질문을 제기했다. 또한, AI가 문헌에 이미 존재하는 아이디어를 체계적으로 연결하려는 시도에서 발생하는 과제가 얼마나 큰지에 대한 논의도 포함되었다.
Kepler의 행성 운동 법칙 발견과 AI의 과학적 발견 속도
Kepler가 행성 운동 법칙을 발견한 방식은 매우 독창적이며 놀라웠다. AI가 과학적 발견에서 빠른 진행을 이룰 것이라는 주장과 달리, 올바른 아이디어의 검증 루프는 수십 년 또는 수천 년이 걸릴 수 있다. 현재의 더 나은 이론이 오히려 잘못된 예측을 할 수 있으며, 이러한 현상은 판단과 휴리스틱의 혼합으로 설명될 수 있지만, 이를 명확히 설명하거나 RL 루프로 체계화하기는 어렵다.
산업에서의 ML 연구 경쟁과 개인 연구의 가치에 대한 고민
많은 연구자들이 대기업에서 진행하는 ML 연구가 자신의 연구보다 우수하다고 느끼고 있으며, 이미 해결된 문제를 다루고 있다는 생각에 회의감을 느끼고 있다. 이들은 산업이 이론적 아이디어에 관심이 없고, 대기업의 모델이 이미 시장에서 성공적으로 작동하고 있다는 점을 강조한다. 또한, 자신의 연구가 산업에서 필요로 하는 기술과 차별화되지 않을까 걱정하고 있다.
Google Research의 TabFM: 제로샷 테이블 모델
TabFM은 Google Research에서 개발한 제로샷 테이블 기초 모델로, 혼합된 수치 및 범주형 열을 가진 구조적/테이블 데이터에 대한 분류 및 회귀를 지원한다. 이 모델은 미세 조정이나 하이퍼파라미터 검색이 필요 없으며, 훈련 예제를 컨텍스트로 전달하고 단일 포워드 패스를 통해 예측을 수행한다.
Qwen3.6-27B, 8개 로컬 모델 벤치마크에서 성능 우수
8개의 로컬 모델에 대해 퀘스트 완료, 장면 종료, 아이템/시간 추적, 캐릭터 탐지, 스토리텔링, 초안 작성 등의 벤치마크를 수행한 결과, gemma-4-31B가 87%로 가장 높은 통과율을 기록했으며, Qwen3.6-27B가 82%로 뒤를 이었다. 그 외 모델들은 55-70%의 통과율을 보였다. 특정 모델들이 '퀘스트 완료'에서는 좋은 성능을 보였으나 'NPC 생각'이나 '퀘스트 요약'에서는 저조한 성과를 보이는 경향이 있었다.
Anthropic의 문자 프롬프트 주입 가능성 증거
이 게시물은 Anthropic의 AI 모델에서 문자 프롬프트 주입의 가능성을 보여주는 증거에 대해 논의하고 있다. 사용자는 Claude 모델에서 받은 응답을 공유하며, 이와 관련된 링크와 댓글을 제공하고 있다.