AI 리서치·논문
UniSAGE: 정적 및 동적 속성을 통합하는 하이퍼 구조
UniSAGE는 정적 속성과 동적 기록을 결합한 계층적 정보를 모델링하기 위한 통합 프레임워크이다. 이 프레임워크는 전역 속성 그래프를 구성하여 계층적 및 시간적 관계를 통합된 구조로 표현하며, 정적 집계와 동적 추론을 지원하는 두 개의 직교 매개변수 서브스페이스를 도입한다. UniSAGE는 경량 하이퍼 구조 메커니즘을 통해 정적 및 동적 속성 간의 작업별 상호작용을 가능하게 하며, 자동화되어 진화하는 데이터 스키마에 강건하고 복잡한 속성 간 의존성을 포착할 수 있다. 여러 공개 벤치마크와 실제 금융 행동 데이터셋에 대한 실험에서 UniSAGE는 기존 방법보다 10% 이상의 성능 향상을 보여주었다.
Just Keep Prompting: VLM의 반복적 소크라틱 프롬프트 평가
Vision-Language Models (VLMs)의 실제 배포는 강력한 시각적 추론과 지속적인 대화 압력에 대한 안정성이 필요하다. 'Just Keep Prompting (JKP)'라는 다중 턴 평가 프레임워크가 도입되었으며, 이는 사용자가 모델의 답변을 반복적으로 도전, 질문 또는 반박할 때 VLM의 인식 안정성을 측정한다. JKP는 최대 10회의 후속 턴을 세 가지 전략으로 탐색한다: Adversarial Negation, Pure Socratic Interrogation, Context-Aware Socratic Summarization. GPT-4o, Gemini 2.5 Pro, Qwen3-VL-30B를 STAR 벤치마크의 하위 집합에서 720회의 다중 턴 실행으로 평가한 결과, 정답의 정확도는 턴 0에서 턴 10까지 약간 변화했지만, 모델의 불안정성이 드러났다. Qwen3-VL-30B는 최종 정확도가 가장 높지만 직접적인 반박 시 잘못된 확신을 가지며, Gemini 2.5 Pro는 비교적 안정적이지만 토큰 비용이 높고, GPT-4o는 가장 취약하고 진동성이 크다.
QFireNet: Sentinel-2 이미지를 통한 산불 분할을 위한 양자 강화 U-Net
이 논문에서는 산불 탐지를 위한 위성 이미지의 의미론적 이미지 분할 문제를 다룬다. U-Net 모델을 기반으로 하여 Sen2Fire 데이터셋의 고차원 스펙트럼 특성 공간을 더 효과적으로 모델링하기 위해 양자 하이브리드 솔루션을 개발하였다. U-Net의 병목 부분에 변분 양자 회로를 주입하고, QB-Net과 QuFeX 안자츠를 사용하였다. 실험 결과, QB-Net의 $F_1$ 점수는 31.18, QuFeX는 30.79로, 전통적인 U-Net의 28.71을 초과하였다. 또한, 데이터 혼합이 지리적으로 분리된 훈련 및 테스트 세트 간의 도메인 이동을 제거하여 전통적인 FPN의 $F_1$ 점수를 39.76으로 향상시켰다. 이 아키텍처는 캘리포니아 화재 지역 데이터셋을 통해 검증되었다.
CARPRT: 클래스 인식 제로샷 프롬프트 재가중 기법
CARPRT는 클래스 레이블에 따라 프롬프트의 가중치를 조정하여 제로샷 이미지 분류의 정확성을 높이는 방법이다. 기존의 방법은 모든 클래스에 대해 동일한 가중치 벡터를 사용하지만, CARPRT는 각 클래스에 대해 프롬프트의 클래스 특정 관련성을 반영하여 가중치를 조정한다. 이 방법은 이미지-텍스트 관련성 점수를 평균내어 클래스별 가중치를 도출하며, 표준 이미지 분류 벤치마크에서 기존 방법보다 우수한 성능을 보인다.
언어 모델 에이전트 간 잠재적 커뮤니케이션: 채널, 정렬 및 텍스트의 한계
다중 에이전트 시스템(MAS)은 명확한 텍스트 메시지 전송을 통해 상호 통신을 수행한다. 연구에 따르면, 대형 언어 모델(LLM) 에이전트가 텍스트를 통해 소통할 때 정보 손실이 발생하며, 이는 희소 오토인코더(SAE) 기능 분석을 통해 정량화되었다. SAE-희소 채널은 밀집 잠재 채널에 비해 28배 압축 시 99.4%의 탐지 정확도를 유지하는 반면, 텍스트 채널은 80.4%에 그쳤다. 또한, Procrustes 정렬을 사용한 경우 Llama와 Mistral 간의 92%의 상위 1회 검색률을 보였다. 텍스트 직렬화는 88%의 SAE 기능을 파괴하며, 이는 정체성 교체로 인한 손실로 분석되었다. 잠재 채널은 교차 언어 개념 작업에서 텍스트 채널과 일치하지만 초과하지는 않았다.
LiDAR 기반 지형 정보를 활용한 위성 지상국 위치 선정 위한 해석 가능한 지리공간 AI
대표적인 혼잡 높이(Representative Clutter Height, RCH)는 무선 전파 및 간섭 분석에서 중요한 매개변수로, 지역 장애물의 주요 높이를 포착한다. 기존의 방법은 고정된 혼잡 높이를 사용하지만, 이는 클래스 내 변동성을 놓치고 저지구 궤도 지상국 위치 선정에 부정적인 영향을 미칠 수 있다. 본 연구에서는 개방형 지리공간 데이터를 활용한 RCH 예측을 위한 해석 가능한 머신러닝 프레임워크를 제시하며, 모델은 미국 지질조사국의 LiDAR 기반 레이블을 사용하여 훈련되었다. 최종 모델은 평균 절대 오차 1.79m와 R^2=0.765를 달성하며, ITU 기준에 비해 60% 이상 절대 오차를 줄였다. 주요 예측 변수로는 나무 캐노피 커버, 토지 피복 의미론, 스펙트럼 반사율이 확인되었다.
Lila Sciences의 AI 기반 자동화 실험실 개념
Lila Sciences는 AI 기반 로봇과 실험 장비로 구성된 자동화 실험실을 구상하고 있으며, 이를 통해 과학적 초지능을 구축하는 것을 목표로 하고 있다. 이들은 10조 개의 실험적으로 검증된 과학적 추론 토큰을 보유하고 있으며, 생물학, 화학, 약물 발견 및 재료 과학을 동시에 진행하고 있다. Lila는 실험실을 데이터 센터로 보고, 유연성과 일반화 가능성을 최우선으로 하여 자동화를 최적화하고 있다.
ELIZA의 소스 코드 발견과 다중 인격 기능
ELIZA는 세계 최초의 AI 챗봇으로, MIT 아카이브에서 실제 소스 코드가 발견되었다. 이 코드는 ELIZA가 단순한 패턴 매칭 챗봇이 아니라 여러 인격을 가질 수 있는 복잡한 프로그램임을 보여준다. ELIZA는 1960년대 중반에 등장하여 인간-컴퓨터 상호작용의 방식을 변화시켰으며, 'Doctor'라는 스크립트를 통해 심리치료사 역할을 수행했다. 이 발견은 초기 AI 개발에 대한 이해를 변화시키고, 현대 AI 개발에 여전히 영향을 미치는 언어와 상호작용에 대한 기본 가정을 드러낸다.
Phantom Twist: 인간에게 거의 보이지 않는 드론
노스웨스턴 대학교의 로봇공학자들이 RSS 2026에서 발표한 드론 Phantom Twist는 비행 중 인간에게 거의 보이지 않도록 설계되었다. 이 드론은 15~25Hz의 속도로 회전하여 인간의 시각 시스템을 이용해 회전하는 물체를 불투명한 흐림으로 변환한다. 드론은 단일 모터로 제어되며, 구성 요소의 배치가 최적화되어 시각적 겹침을 최소화한다.
중국 AI 스타트업 Moonshot AI, Kimi K3 모델 공개
중국 AI 스타트업 Moonshot AI가 Kimi K3 모델을 발표했다. 이 모델은 2.8조 개의 파라미터를 포함하고 있으며, 1백만 토큰의 컨텍스트 윈도우를 제공하여 대량의 텍스트를 동시에 처리할 수 있다. Kimi K3는 AI 평가 기관 Arena의 블라인드 테스트에서 Anthropic의 Fable 5와 OpenAI의 GPT-5.6 Sol을 포함한 모든 미국 모델보다 우수한 성능을 보였다. Kimi는 가격이 저렴하여 미국의 프리미엄 모델과의 경쟁을 촉발하고 있다.
AI 데이터 센터와 OpenAI의 도전
AI 데이터 센터는 지역 저항, 투자자 감시, 오라클의 신용 위험 압박에 직면했다. OpenAI는 안전 리드의 이탈과 출시 복잡성 문제에 직면했다. Anthropic은 Claude Code의 브라우저 에이전트 범위를 확장했다. AI 관련 내용은 LinkedIn에서 계속 확산되고 있다.
2015년 증류 논문의 가정과 언어 모델의 변화
2015년의 증류 논문은 고정된 입력 분포와 닫힌 클래스 집합에 대한 확률 벡터를 생성하는 교사 모델을 가정했다. 그러나 언어 모델의 등장은 이러한 가정을 깨뜨렸다. 이 글은 증류 과정에서 압축 개념에서 능력 전이 개념으로의 전환을 다루며, 이 전환은 약 5년 동안 세 가지 단계로 진행되었다.
비트코인이 고전 컴퓨터 과학 문제를 재구성한 방법
a16z Crypto Show의 첫 번째 에피소드에서는 Tim Roughgarden과 Ittai Abraham이 현대 블록체인의 기초가 된 컴퓨터 과학 연구의 역사를 살펴본다. 비트코인은 분산 컴퓨팅의 어려운 문제인 독립적인 기계들이 신뢰할 수 있는 상태에 합의하는 방법을 해결하는 혁신적인 솔루션을 도입했다. 이 대화에서는 비잔틴 합의, 상태 기계 복제, 작업 증명, 지분 증명, Tendermint, Casper, DAG 기반 프로토콜 등을 다룬다.
NVIDIA Nemotron 모델 추론 챌린지와 5,000명 이상의 Kaggle 참가자
NVIDIA Nemotron 모델 추론 챌린지는 Kaggle 커뮤니티에 동일한 공개 모델, 벤치마크, 인프라 및 평가 제약 조건에서 추론 정확도를 개선할 수 있는 기술을 탐구하도록 초대했다. 이 대회에는 4,000개 팀의 5,000명 이상의 참가자가 참여하여 수천 개의 결과를 생성했다.
OpenAI의 GPT-Red, 사이버 공격 방어를 위한 LLM 슈퍼 해커
OpenAI는 GPT-Red라는 LLM 슈퍼 해커를 개발하여 다른 모델의 사이버 공격 방어 능력을 강화하고 있다. 최근 출시된 GPT-5.6은 GPT-Red와의 훈련을 통해 가장 강력한 모델로 발전했다. GPT-Red는 소프트웨어 시스템의 안전성을 평가하는 레드팀 테스트를 자동화하며, 새로운 공격 유형인 가짜 사고 체인을 발견하는 등 기존의 인간 테스터보다 효과적으로 공격을 찾아내는 능력을 보여주었다. OpenAI는 GPT-Red를 통해 모델의 방어력을 지속적으로 개선하고 있다.
G-SHARE: 인적 요인 사건 진단을 위한 가이드라인 기반 구조적 추론 프레임워크
G-SHARE는 원자력 발전소의 인적 요인 사건 진단을 위한 가이드라인 기반 구조적 추론 프레임워크로, CNNP의 아홉 단계 진단 가이드를 다단계 진단 파이프라인으로 구현한다. 이 프레임워크는 증거 추출, 단계별 진단 추론, 사후 일관성 수정을 포함하여 보고서 증거의 명시적 사용과 논리적 검증을 가능하게 한다. 중국 원자력 산업 소스에서 실제 인적 요인 사건 보고서 데이터셋이 구축되었으며, 도메인 전문가에 의해 주석이 달린 금표준 하위 집합이 평가에 사용되었다. G-SHARE는 기존의 일회성 프롬프트 및 전통적인 머신러닝 기준을 크게 능가하며, 가장 강력한 버전이 최고의 정확도와 매크로-F1 점수를 기록하였다. 구조적 추론과 일관성 강제는 약한 프롬프트 조건에서 강력한 진단을 위해 중요하다는 결과도 나타났다.
Mirror Theory와 유효 경로 엔트로피(VPE) 개념 소개
Mirror Theory는 지능형 시스템을 반복적인 반사를 통해 지속할 수 있는 일관된 연속성으로 연구해야 한다고 주장한다. 유효 경로 엔트로피(VPE)는 검증된 연속성 용량을 측정하는 유한 예산 지표로, 미러 상태, 롤아웃 프로토콜, 검증자, 모드 맵을 기반으로 한다. VPE는 성공적인 롤아웃에서 도달 가능한 연속성의 확률과 검증된 연속성 모드의 다양성을 두 부분으로 분해한다. Qwen2.5-1.5B 모델은 160 토큰에서 가장 강력한 미러 호라이즌을 실현했으며, 이는 미러 호라이즌이 단순한 매개변수 수가 아니라 제한된 반사 프로토콜 하에서 접근 가능한 검증된 연속성 용량임을 보여준다.
PhiCalNet을 통한 단일 샷 프린지 프로젝션 프로파일로메트리의 깊이 회복 개선
단일 샷 프린지 프로젝션 프로파일로메트리(FPP) 네트워크는 객체 경계에서 깊이를 회복하는 형태 우선 단축을 활용할 수 있다. PhiCalNet은 감싸진 위상 표현 $( ext{sin} heta, ext{cos} heta)$을 출력하고 이를 고정된 미분 가능 보정 레이어를 통해 깊이로 매핑하여 형태 우선 솔루션을 제거한다. PhiCalNet은 객체 평균 절대 오차(MAE)를 3.3배 줄여 4.46mm로 개선하며, 잔여 오차는 $ ext{0.103 ext{%}}$의 픽셀에 국한된다. 세 프레임 확장을 통해 1.16mm까지 도달할 수 있다.
InceptionV1 모델의 1x1 컨볼루션 뉴런 분석
저자는 mechanistic interpretability 분야에서 작업을 시작하였으며, InceptionV1 모델의 1x1 컨볼루션 뉴런을 분석하였다. 이 연구에서는 뉴런이 '보는' 것, 즉 수용 필드와 뉴런의 가중치의 하다마르 곱을 클러스터링하여 뉴런이 감지하는 모든 패턴을 도출하였다. 이 과정에서 자동차, 고양이, 개와 같은 명확한 단일 의미 클러스터와 함께 글자, 인간 얼굴 등 저활성화 클러스터도 발견하였다. 또한, 저활성화 클러스터의 종속 뉴런들이 같은 개념에 반응하며, 긍정적 및 부정적 가중치가 균등하게 분포되어 패턴을 잡아내는 증거를 발견하였다.
GameCraft-Bench에서의 엄격한 실행 기준을 통한 게임 생성 최적화
이 연구에서는 학습된 판별자 없이도 생성된 프로젝트가 헤드리스 엔진에서 깔끔하게 실행되는지를 확인하는 엄격한 실행 기준을 적용하여 게임 생성의 일반화를 최적화하는 방법을 다룬다. GameCraft-Bench에서 14B 모델(Qwen3-14B+LoRA)을 사용하여, 네 가지 보지 못한 게임 가족에서의 깔끔한 생성 비율이 8.8%에서 42.2%로 증가하고, 최상의 K 커버리지가 18/25에서 25/25로 향상되었다. 이러한 성과는 단순히 데이터 추가에서 오는 것이 아니며, 판별자의 정밀도가 모델 학습에 미치는 영향을 강조한다.
AI 연구자로서의 경로와 경험 공유 요청
작성자는 2019년부터 AI와 머신러닝에 관심을 가지게 되었으며, 2022년부터 오디오 및 음악 기술 분야의 AI 연구자가 되기 위해 노력하고 있다. 현재 AI 및 머신러닝 석사 과정을 진행 중이며, 박사 과정을 계획하고 있다. 연구 논문을 ISMIR에 제출했으나 거절당했지만, 피드백을 통해 발전할 기회를 얻었다. AI 연구자들에게 첫 연구 역할을 얻기 위한 자격, 교육, 프로젝트, 출판물 등에 대한 경험을 공유해 줄 것을 요청하고 있다.
2026년 6월, 미국 정부의 Anthropic Mythos 모델 제한
2026년 6월 12일, 미국 정부는 Anthropic의 Mythos 모델에 대한 제한을 발표했다. 이로 인해 폐쇄형 모델에 대한 신뢰가 크게 저하되었으며, 많은 기업들이 비용 문제로 인해 오픈 소스 모델로 전환하고 있다. Palantir는 Anthropic의 가치를 의문시하며, 미국의 AI 리더십에 부정적인 영향을 미치고 있다. 또한, SpaceX, Meta, Softbank가 Neo Cloud 시장에 진입하면서 AI 인프라 구축이 가속화되고 있다.
Isomorphic Labs의 Isomorphic Drug Design Engine과 약물 발견
Isomorphic Labs는 Google DeepMind의 단백질 구조 예측 기술을 기반으로 약물 발견을 위한 Isomorphic Drug Design Engine (IsoDDE)을 개발했다. IsoDDE는 단백질의 결합 부위와 결합 친화도를 예측하는 기능을 포함하며, 최근 21억 달러의 자금을 조달하고 노바티스 및 일리 리리와 파트너십을 체결했다. IsoDDE는 단백질 서열을 입력으로 하여 새로운 '암호화된 주머니'를 발견할 수 있는 능력을 보여주었으며, 이는 약물 개발에 중요한 역할을 할 수 있다.
LLM 훈련 시 GPU 클럭 주파수 조정으로 에너지 14% 절감
OpenAI의 GPT-4는 훈련에 약 50 기가와트시의 전력을 소모하였다. 네덜란드 트벤테 대학교 연구팀은 GPU의 클럭 주파수를 조정하여 LLM 훈련 시 에너지를 최대 14% 절감할 수 있음을 보여주었다. 이들은 Nvidia RTX 3080 Ti GPU에서 GPT-3-XL 모델을 훈련하며, 클럭 주파수 조정으로 훈련 시간을 0.6%만 증가시키면서 에너지를 절감하는 성과를 거두었다.