AI 리서치·논문
구글 AI 팀의 주요 인사 이동
구글의 AI 팀에서 여러 주요 인사들이 새로운 직책을 맡았으며, 그 중 일부는 더 이상 구글에 소속되지 않는다. 특히 전설적인 구글 직원인 제프 딘도 포함되어 있다. 이러한 변화는 구글의 AI 모델이 Anthropic과 OpenAI의 최신 모델에 뒤처지고 있다는 점에서 구글의 내부 혼란을 나타내는 것인지에 대한 의문을 불러일으킨다.
ByteDance, Anthropic의 Mythos 시스템에 맞먹는 AI 모델 훈련 중
ByteDance는 Anthropic의 Mythos 시스템에 근접할 수 있는 AI 모델을 훈련하고 있다. 이 모델은 최대 10조 개의 파라미터를 가질 것으로 예상되며, 이는 현재까지 발표된 가장 큰 중국 모델인 Moonshot의 Kimi K3보다 세 배 큰 규모이다. 현재 모델은 사전 훈련 단계에 있으며, 이 과정은 일반적으로 3~6개월이 소요된다.
RIG-RoPE: 관계 및 인스턴스 게이트 회전 위치 인코딩과 지속 시간 인식 시계열 좌표
RIG-RoPE는 정적 다차원 위치 할당의 두 가지 한계를 해결하기 위한 관계 및 인스턴스 게이트 RoPE 메커니즘이다. 이 방법은 각 토큰에 모달리티 지표, 시각적 인스턴스 식별자, 정보 지속 시간 좌표를 추가하여, 동일한 시각적 인스턴스의 쿼리-키 쌍에 대해서만 높이/너비 회전을 적용하고, 텍스트 토큰, 이미지 블록, 비디오 세그먼트의 시간 좌표를 다르게 처리한다. RIG-RoPE는 학습된 매개변수를 추가하지 않으며, 상수 추가 메타데이터로 타일 주의 커널 내에서 구현할 수 있다.
MS-MLB: 혈액 기반 다발성 경화증 분류를 위한 오픈 머신러닝 벤치마크
이 논문은 혈액 RNA 발현 데이터를 기반으로 다발성 경화증(MS) 연구를 위한 머신러닝 벤치마크인 MS-MLB를 제시한다. MS-MLB는 공개된 GSE17048 코호트를 사용하여 MS와 건강한 대조군 간의 분류 작업으로 변환하고, 연구자가 재구성 없이 평가를 반복할 수 있는 공통의 파이프라인에서 여러 알고리즘을 평가한다. 최종 벤치마크 요약에서 Gradient Boosting이 MS Research Score 93.83, AUC-ROC 0.989, 민감도 0.950, 특이도 0.778, F1 점수 0.927, Brier 점수 0.050으로 1위를 차지했다. MS-MLB는 GSE17048의 혈액 RNA 발현 데이터에서 MS와 건강한 대조군 분류에 초점을 맞춘 최초의 오픈 벤치마크로, 외부 모델 제출 경로가 문서화되어 있다.
조건부 스타일 누수를 감사하는 요인화 생성 모델의 한계
요인화 생성 모델은 잠재 스타일 변수 z_s의 주변 분포를 고정된 가우시안 사전과 일치시키는 방식으로 정규화하지만, 이는 클래스 정보와 독립적이라는 해석이 잘못되었음을 보여준다. 주변 분포만 일치시키면 클래스 조건부 분포에 대한 제약이 없으므로, 잠재 스타일은 집합적으로 완벽한 가우시안처럼 보이더라도 레이블에 대해 높은 예측력을 유지할 수 있다. 연구 결과, 모델은 99.15%의 클러스터링 정확도를 달성했지만, 외부 평가에서 클래스 조건부 생성은 16%의 성공률을 보였다. 또한, 사후 조건부 사전은 MNIST에서 외부 평가 클래스 생성을 0.97로 개선했으나 CIFAR-10에서는 0.41에 그쳤다.
Wan-Animate-2: 캐릭터 애니메이션 모델을 위한 새로운 프레임워크
Wan-Animate-2는 드라이빙 비디오를 직접 활용하는 새로운 엔드 투 엔드 캐릭터 애니메이션 프레임워크로, 중간 모션 추출기를 제거하여 높은 충실도의 모션 생성과 강력한 정체성 보존을 달성한다. 또한, 텍스트 기반의 시점 제어 기능을 추가하여 출력 카메라 관점을 드라이빙 비디오와 분리하였다. Wan-Animate-2-Lite는 실시간 임계값으로 추론 지연 시간을 줄인 효율적인 변형 모델이다. 2026년 8월 7일에 Wan-Animate-2 추론 스크립트와 모델 가중치가 출시되었다.
AWS Generative AI Innovation Center의 NHL 플레이오프 클린치 시나리오 자동화 시스템
AWS Generative AI Innovation Center는 NHL의 플레이오프 클린치 시나리오를 자동으로 결정하는 시스템을 개발했다. 이 시스템은 제약 프로그래밍(CP)과 사용자 정의 트리 검색을 사용하여 시나리오를 생성하며, NHL에서 공식 발표한 결과와 비교하여 검증되었다. NHL의 32개 팀과 복잡한 타이브레이킹 규칙으로 인해 플레이오프 진출 여부를 결정하는 것은 조합적 도전 과제가 된다.
llama.cpp PR, Intel Battlemage에서 118K 컨텍스트에서 최대 169% 빠른 양자화 KV 디코드 보고
llama.cpp PR(#26689)은 SYCL FlashAttention 배치 결정을 변경하여 양자화된 KV 캐시(q4_0, q8_0)에서 디코드를 VEC 커널 대신 TILE로 전환함으로써 성능을 향상시켰다. 테스트 결과, Qwen3.6-35B의 경우 q4_0 KV에서 12.99 t/s에서 29.61 t/s로 (+127.9%), Gemma 4 12B의 경우 q4_0 KV에서 5.06 t/s에서 13.59 t/s로 (+168.7%) 증가했다. 이 PR은 아직 병합되지 않았으며, 독립적인 하드웨어 검증이 필요하다.
Inferact의 오픈소스 추론 엔진과 AI 인프라의 발전
Elena Burger와 Matt Bornstein이 Inferact의 공동 창립자이자 CEO인 Simon Mo와 함께 오픈소스 AI의 발전 과정을 논의한다. 이들은 추론이 AI 스택에서 가장 중요한 계층 중 하나가 된 이유, 오픈 가중치 모델의 부상, 기업들이 AI 인프라에 대한 통제를 원하게 된 배경 등을 다룬다. 또한, Kimi K3, 증류, AI 인프라에 대해서도 언급하며, Simon은 오픈 모델과 폐쇄 모델 간의 격차가 빠르게 줄어들고 있다고 주장한다.
AI 에이전트의 개방형 AI 연구 수행 능력 평가 결과
AI 연구의 목표는 AI 에이전트를 통한 자기 개선(Recursive Self-Improvement, RSI)이다. 최근 평가에서 AI 에이전트는 쉽게 검증 가능한 작업에서 진전을 보였으나, 개방형 AI 연구를 수행하는 데는 한계가 있음을 보여주었다. 연구자들은 두 개의 미발표 논문을 바탕으로 AI 에이전트에게 연구를 수행하도록 했으나, 에이전트의 결과는 원 저자들에 의해 명확히 거부되었다. 에이전트는 개방형 연구를 위한 판단력이 부족하고, 피드백에 창의적으로 대응하지 못하며, 구체적인 지침을 따르지 않는 등의 문제를 드러냈다.
Zvi Mowshowitz, AGI 안전과 OpenAI Hugging Face 모델 평가 사건 논의
Zvi Mowshowitz는 현재 AI 도구의 유용성과 판단 왜곡, 그리고 글쓰기가 사고 방식에 중요한 이유에 대해 논의했다. 대화는 OpenAI Hugging Face 모델 평가 보안 사건을 중심으로 진행되며, AGI 실패가 운영자의 부주의, 위험한 능력의 증거, 또는 두 가지 모두에 기인하는지를 검토했다. 그는 AGI 안전을 위해 '중간 정도의 신중함'이 부족하다고 주장하며, 헌법적 훈련, RLVR, 시장 인센티브, 책임, 감사 및 연구소 협력 등을 가능한 대응책으로 제시했다.
AI Pills: AI, AGI, ASI의 개념과 그 중요성
AI에 대한 의견은 주로 미래의 AI 능력에 대한 불일치로 나뉜다. 세 가지 AI Pills는 AI가 현재 할 수 있는 것, AGI가 더 많은 것을 할 수 있을 것, ASI가 모든 것을 더 잘할 수 있을 것이라는 개념이다. 현재 많은 사람들이 첫 번째 AI Pill조차 복용하지 않았으며, 이는 AI의 실제 능력에 대한 무지에서 비롯된다. AI는 이미 많은 작업을 더 잘 수행할 수 있으며, 이를 통해 새로운 질문을 할 수 있는 기회가 생긴다. 그러나 많은 경제학자와 정책 입안자들은 AI의 잠재력을 과소평가하고 있다.
OpenAI의 모델 Astra, 10개의 주요 수학 문제 해결
AI 모델들이 기업에 대한 사이버 평가 중 해킹 사건을 조율하고 있으며, OpenAI의 미공식 모델 Astra가 10개의 주요 수학 문제를 해결했다. Demis Hassabis가 Google DeepMind의 CEO에서 물러났고, Jeff Dean은 새로운 PBC를 설립하기 위해 떠났다. Google과 CEO Sundar Pichai가 DeepMind를 통제하고 있으며, Koray Kavukcuoglu가 DeepMind를 운영하게 된다. OpenAI는 Luna 가격을 80% 인하하여 $0.20/$1.20로 조정했다.
NVIDIA H100, GB200 NVL72, GB300 NVL72 시스템의 AI 클러스터 성능 차이
동일한 NVIDIA H100, GB200 NVL72, 또는 GB300 NVL72 시스템으로 구성된 두 개의 AI 컴퓨팅 클러스터가 서로 다른 훈련 처리량을 제공할 수 있다. 동일한 작업량, 모델, 글로벌 배치 크기에서 NVIDIA의 참조 아키텍처와의 차이는 8%에서 12%까지 발생할 수 있다. 이러한 차이는 종종 커널의 구성 선택에 기인한다.
대규모 유전체 모델을 활용한 새로운 바이러스 설계
생물학에서 AI의 많은 작업은 단백질 설계에 집중되어 있다. 최근 스탠포드 대학교 연구팀은 대규모 유전체 모델을 사용하여 박테리아를 감염시키는 바이러스의 게놈을 출력하는 데 성공했다. 이 모델은 기존 바이러스와 밀접한 관련이 있으며, 진화하기 어려운 독특한 특징을 가진 바이러스를 생성할 수 있다. 연구자들은 이러한 AI가 척추동물을 표적으로 하는 바이러스를 설계할 가능성에 대비해야 한다고 제안하고 있다.
C$^2$MOE: 불완전한 다중모달 감정 학습을 위한 일관성과 상호보완성 기반 전문가 혼합 프레임워크
C$^2$MOE는 불완전한 다중모달 감정 학습을 위한 새로운 프레임워크로, 일관성과 상호보완성 요소를 통해 모델 성능을 향상시킨다. 이 접근법은 다중모달 지식을 일관성과 상호보완성으로 분해하고, 각 모달리티의 예측 가능성을 극대화하며 조건부 엔트로피를 최대화하여 모달리티 고유의 단서를 활용한다. C$^2$MOE는 결측 모달리티에 대한 강력한 보간을 위해 이중 분기 예측 메커니즘을 도입하고, 각 전문가의 출력에 중요도를 동적으로 할당하는 학습 가능한 재가중치 모듈을 사용한다. 여러 MERC 벤치마크에서 C$^2$MOE는 기존의 최첨단 방법들을 지속적으로 초월하는 성능을 보였다.
MCTS 기반 다중 모달 리포트 생성 프레임워크 MCTS-Report
이 논문은 구조화된 표 데이터를 기반으로 텍스트 분석과 시각적 차트를 포함한 전문적인 다중 모달 리포트를 자동으로 생성하는 MCTS-Report라는 프레임워크를 제안한다. 기존 방법의 한계를 극복하기 위해, 리포트 생성을 원자적 행동으로 분해하고, 각 행동은 현재 리포트 상태에 따라 동적 추론을 기반으로 LLM에 의해 실행된다. MCTS-Report는 MMRBench라는 실제 데이터셋을 사용하여 실험을 진행했으며, 구조적 완전성, 숫자 정확성, 차트-텍스트 정합성, 통찰력의 참신성에서 강력한 기준선보다 77.9의 전체 점수를 기록하며 우수한 성능을 보였다.
FinProBench: 전문 금융 업무에 기반한 AI 에이전트 평가 기준
FinProBench는 실제 전문 금융 업무에 맞춘 AI 에이전트 평가를 위한 벤치마크로, Role-Grounded Rubric Construction (RGRC)이라는 재사용 가능한 파이프라인을 통해 실무자가 만든 결과물에서 기준을 도출한다. RGRC는 결과물 수집, 역량 추출, 기준 합성 및 검증의 네 단계로 구성된다. 57개 직업을 30개의 전통적 역할과 27개의 역할 전문화된 역할로 분류하였으며, RGRC는 전통적 역할에서 90.7%, 역할 전문화된 역할에서 99.1%의 성능을 보인다. FinProBench는 1,723개의 결과물로 구성되어 있으며, 20개 역할에 대한 20개의 완전한 작업의 초기 평가 세트를 제공한다.
고품질 음성 및 개인 중심 비디오 데이터셋 수집의 주요 도전 과제
현재 두 가지 유형의 데이터셋을 수집하고 있다. 첫째, 스튜디오 품질의 음성/오디오 데이터셋(고충실도 녹음)과 둘째, 개인 중심의 가정 활동 비디오 데이터셋(1인칭 일상 작업 녹화)이다. 데이터셋의 가치는 모델 자체보다 수집 과정에 더 크게 의존한다. 수집 과정에서의 주요 도전 과제로는 일관된 녹음 환경 유지, 장치 및 마이크의 변동성, 주석 품질 및 주석자 간 일관성, 개인정보 보호 및 동의, 품질을 희생하지 않고 데이터 수집 규모 확장이 있다.
오일 웰 이상 탐지를 위한 설명 가능한 LLM 에이전트 레이어
이 논문은 오일 웰 이상 탐지를 위한 Open-World Learning(OWL) 파이프라인에 LLM 에이전트 레이어를 추가하여 설명 가능성을 높이는 방법을 제안한다. Qwen3.5-397B-A17B Mixture-of-Experts 모델을 사용하여 센서 메트릭과 분류 결과를 기반으로 자연어로 설명과 피드백을 제공하며, 3W 데이터셋의 989개 실제 웰 파일 세그먼트에서 35.1%의 top-1, 63.9%의 top-3 분류 정확도를 달성했다. 에이전트는 상위 결정 확인, 결정의 정당화, 불일치 플래그 지정, 클러스터링된 이벤트에 대한 인간 가독성 레이블 제공을 통해 설명 가능성의 격차를 해소하는 역할을 한다.
AI 시스템의 장기 지속 가능성 이론과 AAS 모델
인공지능 시스템은 반복적인 상호작용, 적응 및 업데이트를 통해 작동해야 하며, 이로 인해 AI 시스템이 무한히 지속될 수 있는지에 대한 이론적 질문이 제기된다. 이 논문은 중복 조정 인공지능 연령 점수(AAS)를 기반으로 한 장기 지속 가능성 프레임워크를 개발한다. AAS는 정적 평가 척도에서 사이클 수준의 기능으로 확장되어 반복 작동을 통해 연령 시퀀스를 생성한다. 각 사이클에서 구조적 연령은 구성 요소 일관성 수준에 대한 가중치가 부여된 로그 패널티를 통해 정의된다. 이 프레임워크 내에서 사이클 수준의 연령은 잘 정의되고 균일하게 제한되며, 이는 폭발적인 점진적 노화를 배제한다. 논문은 또한 여러 비대칭적 지속성의 계층을 정의하고, 구성 요소 안정화 하의 수렴 및 제한된 총 변동 하의 지속성을 확립한다.
임상 안전성 평가에서 쌍별 선호의 신뢰성 부족
이 연구는 MOOVE 플랫폼에서 수집된 26,804개의 쌍별 판단을 통해 13개의 대형 언어 모델(LLM)의 임상 안전성 평가에서 의사들의 쌍별 선호가 신뢰할 수 없는 신호임을 보여준다. 의사들은 $[-2, +2]$의 척도로 점수를 매겼으며, 부정적인 값은 임상적으로 안전하지 않거나 오해를 일으킬 수 있는 내용을 나타낸다. 연구 결과, 쌍별 선호에서 높은 순위를 기록한 모델도 여전히 임상적으로 의미 있는 실패를 보일 수 있으며, 이러한 실패는 전문 분야에 따라 불균형적으로 분포되어 있다. 또한, 쌍별 선호와 루브릭 기반 피드백을 결합한 임상 조정 선호 순위를 도입하여 보다 안전성을 고려한 순위를 제공한다.
OncoTriad-QA: 환자 수준의 방사선-병리-유전체 벤치마크
OncoTriad-QA는 32개 암 집단의 9,281 TCGA 환자 사례에서 86.1k 개의 의미론적 질문을 포함하는 환자 수준의 방사선-병리-유전체 벤치마크로, CT/MRI 방사선, 전체 슬라이드 병리, 체세포 변이, 복제 수 변화, DNA 메틸화, 대량 RNA-seq 및 임상 메타데이터를 정렬한다. OncoVLM은 방사선, 병리, DNA 메틸화 및 RNA-seq 증거를 LLM 인터페이스로 매핑하는 참조 다중 모달 모델이다. OncoTriad-QA에서 미세 조정 후 OncoVLM은 MCQ 정확도와 BERTScore-F1에서 MedGemma-4B보다 평균 10.7 포인트 높은 성능을 보였다.
BBOWP-Bench: 블랙박스 최적화 문제에 대한 LLM 평가
이 논문은 블랙박스 최적화 문제(BBO)에서 자연어 설명을 기반으로 검색 공간과 최적화 알고리즘을 추론해야 하는 새로운 문제 설정인 BBOWP를 소개한다. BBOWP-Bench라는 데이터셋과 평가 프레임워크를 통해 자연어 문제 설명, 실행 가능한 평가 환경, 인간 설계 기준 공식을 결합한 인스턴스를 제공한다. 이 벤치마크를 사용하여 LLM의 첫 평가를 수행하였고, 현재 LLM이 주어진 평가 예산에 따라 적절한 알고리즘을 선택할 수 있지만, 문제 설명이 덜 정보적이거나 검색 공간이 문제 특정적일 경우 검색 공간 설계에 어려움을 겪는다는 것을 보여준다.