AI 리서치·논문
Kimi K3와 오픈 웨이트 모델의 비용 구조
Kimi K3는 중국에서 개발된 오픈 웨이트 모델로, 최신 기술 수준에 근접하고 있으며, 운영 비용이 발생한다. Kimi K3는 입력 토큰당 3달러, 출력 토큰당 15달러의 비용이 드는 반면, Sol은 입력 토큰당 5달러, 출력 토큰당 30달러로 더 비쌉니다. AI 모델의 운영 비용(COGS)은 수익과 직접적으로 연관되어 있으며, 이는 오픈 웨이트 모델이 단순히 무료로 제공되지 않음을 의미한다.
다중 에이전트 수학 추론에서 검토자의 정확도가 비판 수용을 보장하지 않음
많은 수학 및 과학 지향 에이전트 시스템은 전담 검토 단계가 잘못된 후보를 올바른 후보로 전환하는 데 도움이 될 것이라고 가정하고 계층적 설계를 사용한다. 4,181개의 검증자 기반 Omni-MATH 문제를 사용하여 이 가정을 테스트한 결과, 협업은 가장 쉬운 수준에서는 큰 효과를 보이지 않지만, 4단계 이후에는 방송 스타일의 동료 토론이 계획-실행-검토(PER) 파이프라인보다 더 높은 최종 정확도를 달성하는 것으로 나타났다. PER의 검토자는 방송의 검토자보다 더 높은 정확도(0.861 vs. 0.644)를 보였지만, 유용한 비판이 다음 후보를 변경할 가능성은 낮았고, 검토자 주도의 수정을 생성하는 데도 낮은 결과를 보였다. 이러한 결과는 검토자 탐지 품질과 비판 수용이 경험적으로 분리 가능함을 보여준다.
Causal-Audit: 명시적이고 감사 가능한 그래프 기반 추론을 위한 목표 인식 인과 체인 구축
Causal-Audit는 맥락 없는 개입 기반 질문 응답을 위한 명시적이고 감사 가능한 인과 추론 프레임워크를 제안한다. 이 방법은 네 가지 모듈 단계에서 명시적 인과 그래프를 통한 구조적 추론으로 인과 추론을 공식화하며, 목표 변수를 그래프 확장 시 핵심 제약으로 다루는 전략을 도입하여 관련 없는 변수와 잘못된 인과 관계를 억제한다. 또한, 여러 인과 경로를 결합하는 경로 수준의 인과 증거 집계 메커니즘을 통해 단일 체인 추론을 넘어서는 강력한 의사 결정을 가능하게 한다. 세 가지 벤치마크에서의 실험 결과, 이 프레임워크는 기존 LLM 기반 방법보다 일관되게 우수한 성능을 보이며 해석 가능하고 감사 가능한 인과 추론 경로를 제공한다.
정규성을 고려한 확률적 다목적 경량화 알고리즘 제안
다목적 학습(MOL)은 여러 목표를 동시에 최적화하는 것을 목표로 한다. 기존의 확률적 다목적 경량화 알고리즘(SMG)은 미니 배치 샘플링으로 인해 경량화 방향에 편향이 생겨 빠른 수렴 속도가 부족하다. 본 논문에서는 CA 방향이 야코비안 행렬에 대해 $1/2$-홀더 연속임을 보이고, 추가적인 정규성 조건 하에 Lipschitz 연속으로 개선할 수 있음을 제안한다. 이를 바탕으로, 정규성이 있는 경우 CA 방향 업데이트를 활용하고 그렇지 않은 경우 고정된 스칼라화 가중치로 전환하는 확률적 다목적 정규성 인식 방법(MoRe)을 제안한다. 이 방법은 비볼록 설정에서 SMG의 수렴 속도를 $ ilde{ ext{O}}(T^{-1/4})$에서 $ ilde{ ext{O}}(T^{-1/2})$로 개선한다.
Bernoulli Naive Bayes 모델을 이용한 해석 가능한 의료 데이터 분류 프레임워크
블랙박스 모델의 한계를 극복하기 위해, Bernoulli Na"ive Bayes(BNB) 모델을 기반으로 한 해석 가능한 규칙 기반 임상 분류 프레임워크가 소개되었다. 이 방법은 연속 변수를 $ ext{χ}^2$-유도 통계 이진화하여 임상 결과와의 연관성을 극대화하는 임계값을 식별한다. Pima Indians Diabetes, Wisconsin Breast Cancer, Heart Failure Prediction의 세 가지 벤치마크 데이터셋에서 각각 0.800, 0.984, 0.919의 AUC 점수를 기록하며, 확률적 신뢰성을 평가하기 위한 교차 검증 보정 분석이 수행되었다. 이 프레임워크는 복잡한 모델과 유사한 성능을 유지하면서도 명확하고 임상적으로 의미 있는 의사결정 규칙을 제공한다.
qZACH-ViT: 양자화 인식 내재적 설명을 위한 재귀적 기여 안정화 최적화
qZACH-ViT는 효율성과 해석 가능한 증거를 동시에 제공하는 의료 이미지 분류기를 위한 양자화 인식 확장 모델이다. Recursive Attribution-Stabilized Optimization (RASO)을 통해 분류 및 기여 그래디언트를 정규화하고, 분류와 충돌하는 기여 요소를 제거한다. 50개의 훈련 이미지를 사용하여 7개의 MedMNIST 데이터셋에서 280회의 실험을 수행한 결과, qZACH-ViT는 모든 데이터셋에서 평균 0.0313의 성능 향상을 보였으며, RASO를 적용한 경우 평균 0.0368의 향상을 기록했다. ONNX 아티팩트는 원본 체크포인트보다 70.0% 작고, CPU 속도는 1.41배에서 2.39배 향상되었다.
언어 모델에서의 언어화 가능한 표현과 글로벌 작업 공간
이 논문은 대형 언어 모델에서 인간 뇌의 기능적 구분과 유사한 기능적 구분이 나타났음을 보여준다. 새로운 해석 기법인 Jacobian lens를 사용하여 모델이 처리하는 각 시점에서 언어화할 수 있는 표현을 식별한다. 이 표현들은 J-space로 불리며, 글로벌 작업 공간의 특성을 지닌다. J-space는 중간 단계의 레이어에서 일관된 내용을 가지고, 동시에 수십 개의 개념을 보유하며, 모델의 가중치에 의해 다른 표현보다 더 널리 방송된다. 이러한 특성은 모델의 비언어적 사고를 이해하는 데 유용하다.
xHC: Expanded Hyper-Connections을 통한 잔여 스트림 확장
Hyper-Connections (HC)은 Transformers의 잔여 스트림을 N개의 병렬 스트림으로 확장하여 모델의 폭과 깊이를 넘어서는 메모리 확장을 제공합니다. xHC(Expanded Hyper-Connections)는 N=4를 넘어서는 의미 있는 확장을 달성한 최초의 HC-family 방법으로, 18B MoE 모델에서 평균 4.0점의 하향 성능 향상을 보여주며, 훈련 FLOPs는 기존 방법에 비해 적은 비용으로 유지됩니다. xHC-Flash는 확장된 잔여 상태에서 메모리 트래픽을 줄여 효율성을 높입니다.
VICIS: 이미지 세트에서 시각 개념 추론하기
Vision-language models (VLMs)는 복잡한 텍스트 지시를 따를 수 있지만, 순수한 시각적 맥락에서 추론하는 데 어려움을 겪는다. 현재 모델은 예시 이미지 세트에서 공유 개념을 추론하고 이를 새로운 입력에 적용하는 데 실패한다. 이에 따라 Visual Concept Inference from Sets (VICIS)라는 작업이 도입되었으며, 이는 모델이 개념을 정의한 맥락을 유지하면서 쿼리 이미지와 일치하는 새로운 이미지를 생성해야 하는 능력을 평가한다. 최신 VLM들이 이 작업에서 성능이 저조하다는 결과를 보여준다.
이중 서브선형 상호작용 근접 증명 연구
이 연구에서는 이중 서브선형 상호작용 근접 증명(doubly sub-linear interactive proofs of proximity, dsIPPs)에 대해 다룬다. dsIPPs는 대규모 입력에 대한 근사적 주장을 증명하는 데 사용되며, 증명 생성은 입력의 작은 부분만 읽으면 되므로 매우 빠르다. 증명의 근사적 검증은 입력의 더 작은 부분을 읽어야 하며, 정직한 증명자는 속일 수 없는 검증자를 만들 수 있다.
일반 분포 속성에 대한 상호작용 증명 시스템
앨리스가 알려지지 않은 분포에서 소수의 샘플을 수집하고, 신뢰할 수 없는 데이터 분석가인 밥이 분포에 대한 분석을 수행했다고 주장할 때, 앨리스는 자원을 덜 소모하면서 밥의 주장을 효율적으로 검증할 수 있는 방법을 제시한다. 이를 위해 제한된 깊이의 회로로 결정할 수 있는 일반 분포 속성에 대한 상호작용 증명 시스템을 구축한다.
애플과 OpenAI 간 영업비밀 침해 소송 및 AI에 대한 대중의 부정적 인식
2026년 7월, 애플이 OpenAI를 상대로 영업비밀 침해 소송을 제기했다. 애플은 OpenAI가 자사 인력을 빼가고 하드웨어 기밀을 탈취했다고 주장하고 있다. 미국 여론조사에 따르면 성인의 70%가 AI로 인한 일자리 감소를 걱정하고 있으며, 55%는 AI가 일상에 해악을 끼칠 것이라고 응답했다. OpenAI의 닉 파쉬는 대중이 AI를 부정적으로 바라보고 있다고 언급했다. 또한, SpaceXAI의 코딩 도구 '그록 빌드'에서 대규모 저장소 무단 업로드 사건이 발생했으며, 이는 사용자 데이터 처리에 대한 신뢰를 크게 훼손했다.
Samo Burja가 말하는 AI와 산업 확장
Samo Burja는 AI가 컴퓨팅, 에너지, 인프라에 대한 수요를 촉발하여 산업 확장을 이끌 수 있다고 주장한다. 그는 AI가 단순한 소프트웨어 이야기가 아니라 에너지, 제조, 건설, 글로벌 공급망에 영향을 미치는 수요 충격이라고 설명한다. 또한, 그는 효과적으로 사람과 자원을 조직할 수 있는 사회가 AI 시대에 지속적인 이점을 가질 것이라고 언급한다.
GPT-5-6 Sol 및 Muse Spark 1.1 출시
이번 주에는 GPT-5-6 Sol 모델과 AI 2027의 후속 계획인 Plan A가 출시되었다. Muse Spark 1.1은 메타의 새로운 모델로, 진보는 있지만 최전선 모델은 아니다. Thinking Machines의 첫 모델 Inkling도 출시되었으며, AI 규제에 대한 Demis Hassabis의 규제 조치 촉구가 있었다.
OpenAI의 GPT-5.6 모델과 DeepSeek-R1의 추론 모델
OpenAI는 최근 GPT-5.6 모델 패밀리를 출시했으며, 이 모델은 세 가지 크기로 제공되고 각기 다섯 또는 여섯 가지 추론 노력 설정을 포함한다. DeepSeek-R1은 강화 학습을 통한 검증 가능한 보상(RLVR) 기법을 사용하여 LLM을 추론 모델로 전환하는 방법을 제안했다. RLVR은 수학과 코드와 같은 검증 가능한 데이터 도메인에서 보상 신호를 제공한다. 이 과정에서 중간 추론 흔적은 모델 훈련에 사용되지 않았다.
Generative SNUPI를 활용한 DNA 오리가미 설계
한국의 과학자들이 DNA 오리가미를 설계하기 위해 Generative SNUPI라는 AI 모델을 개발했다. 이 모델은 사용자가 요청한 형태로 DNA 구조를 설계할 수 있으며, 화학 규칙을 고려하여 DNA 가닥이 특정 형태로 접히도록 지시한다. 연구팀은 서울대학교와 한양대학교 소속이며, 이 연구 결과는 Nature Communications에 게재될 예정이다. Generative SNUPI는 복잡한 형태를 입력받아 이를 DNA 형태로 변환하는 확산 모델을 적용하여 DNA 서열을 생성한다. 이 기술은 약물 전달 및 면역 요법과 같은 생명 구호적 응용 가능성을 지니고 있다.
AI와 나노기술이 변화시키는 생물학 연구의 미래
AI 전문가들은 지난 10년간 자신의 지식이 발전을 방해한다는 쓴 교훈을 배웠다. 생물학 분야에서도 유사한 교훈이 적용되고 있으며, 새로운 약물은 정교한 가설이 아닌 방대한 데이터셋의 분석에서 출발하고 있다. AI와 나노기술을 활용한 새로운 과학적 방법들이 인체 생물학의 다양한 측면을 측정할 수 있게 하며, AI 모델은 자동화된 실험실에서 실험을 수행하고 결과를 분석하여 새로운 실험을 제안할 것이다. 또한, Mark Zuckerberg가 지원하는 Biohub는 AI 기반의 단백질 생물학 모델을 공개하였고, Nvidia는 과학적 발견을 가속화하기 위한 BioNeMo 툴킷을 발표했다.
AI 노동력의 협력적 또는 비협력적 모델
AI 노동력이 미래의 AI를 구축하는 과정에서 협력적이거나 비협력적으로 발전할 가능성을 다룬 동적 모델에 대한 내용이다. 이 모델은 협력적 경로와 비협력적 경로의 경계가 어디에 있는지, 현재의 증거가 우리가 어느 쪽에 있는지를 보여주며, 우리가 올바른 경로에 있다는 것을 알려줄 수 있는 요소에 대해 설명한다.
Meta의 Autodata: 데이터 생성의 새로운 접근 방식
Meta가 발표한 Autodata 연구는 AI 훈련에서 데이터 생성 과정을 에이전트 프로세스로 전환하는 접근 방식을 제안한다. 기존의 데이터 처리 방식은 데이터를 수집하고 필터링한 후 훈련을 시작하는 것이었으나, Autodata는 AI 에이전트가 예제를 생성하고, 이를 테스트하며, 실패를 분석하고, 레시피를 업데이트하는 방식으로 데이터 생성을 반복하는 연구 루프를 형성한다.
Xi Jinping의 AI 관련 연설 요약
Xi Jinping은 AI의 발전과 그로 인한 기회 및 도전에 대해 언급하며, AI가 인간과 기계의 협력, 산업 통합 등을 통해 큰 변화를 가져올 것이라고 강조했다. 그는 AI 기술이 전 세계적으로 긍정적인 방향으로 발전해야 하며, 이에 대한 국제 사회의 진지한 논의가 필요하다고 말했다. 또한, AI의 윤리적 문제와 알고리즘의 결정 과정에서의 안전성 확보에 대한 질문을 제기했다.
AI 인프라 투자 증가와 경제적 가시성 부족
107개 기업을 대상으로 한 조사에서 AI 인프라 지출이 증가하고 있지만, 기업들은 그 경제성을 제대로 파악하지 못하고 있다. 현재 21%의 기업만이 AI를 대규모로 운영하고 있으며, 76%는 실험 중이거나 일부 작업만 운영하고 있다. GPU 활용률은 50% 이하인 경우가 83%에 달하며, 44%의 기업만이 AI 컴퓨팅 비용을 철저히 추적하고 있다. 64%의 기업이 12개월 이내에 인프라 공급자를 변경하거나 추가할 계획이다.
IBM 메인프레임 판매 감소와 AI의 영향
IBM의 주가는 역사상 최악의 하루를 기록했으며, 메인프레임 컴퓨터의 판매와 이를 운영하는 소프트웨어가 감소하고 있다. IBM 경영진은 AI 지출을 원인으로 지목했지만, AI가 구식 기술에서 운영되는 필수 백엔드 프로그램을 포팅할 수 있는 능력이 진정한 문제라고 분석되었다.
SPINE: 에이전틱 AI를 통한 사이버-물리적 통합
SPINE(Scalable Physical Integration with ageNtic Expertise)는 최소한의 로봇 공학 전문 지식으로 이인용 로봇을 체계적으로 디버깅하고 배포하기 위한 에이전틱 프레임워크이다. SPINE의 하네스는 로봇 특화 컨텍스트를 생성하는 프로파일 빌더와 진단, 수리, 검증을 반복하는 디버거로 구성된 두 개의 다중 에이전트 워크플로우로 이루어져 있다. SPINE을 사용한 로봇 공학 초보자는 동일한 자료를 사용한 인간 운영자보다 75%에서 100%로 운영화 성공률을 개선하고, 원격 조작까지의 평균 시간을 16분 45초에서 13분 47초로 단축했다. AgileX PiPER에서 SPINE은 10개의 버그를 모두 해결했으며, 전문가 기준은 10개 중 9개를 해결했다.
대형 언어 모델의 전제 의존성 테스트를 위한 개입적 기초 감사
대형 언어 모델은 논리적으로 타당해 보이는 사고 과정을 생성하지만, 실제로는 명시된 전제에 의존하지 않을 수 있다. 본 연구에서는 개입적 기초 감사를 도입하여, 단일 전제를 새 기호로 대체하고 모델을 재실행하여 각 추론 단계의 정규화된 결론이 변화하는지를 확인하는 블랙박스 테스트를 수행한다. GPT-4o를 사용하여 50개의 ProntoQA 문제를 평가한 결과, 증명 트리 의존성을 감지하는 데 F1 = 0.806을 달성하였고, 이는 자가 일관성 기준선(F1 = 0.343)을 크게 초과하는 성과이다. 또한, 66%의 올바르게 해결된 문제는 직접적인 증명 트리 의존성에 민감하지 않은 정렬된 단계를 포함하고 있음을 확인하였다.