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.
구글, 양자 프로세서 '윌로우'에서 오류 정정 기술로 오류 감소
구글이 양자컴퓨터의 특수 양자 상태를 기존보다 정확하게 만드는 데 성공했다. 새로운 오류 정정 기술을 통해 오류를 약 40분의 1로 줄였으며, 이 기술이 실제 양자칩인 '윌로우(Willow)'에서 작동함을 입증했다. 이는 대규모 양자컴퓨터 구현에 필요한 하드웨어 부담을 줄이는 데 기여할 것으로 평가된다.
NVIDIA 로봇 플랫폼 마케팅 리더의 로봇 공학 현황 분석
Amulya Vishwanath는 NVIDIA의 로봇 플랫폼에서 7년간 제품 마케팅을 이끌며 현재 로봇 공학이 '레고 시대'에 있다고 언급했다. 그는 액추에이터, 로봇 손, 소프트웨어, 안전 기준과 같은 기본 구성 요소들이 여전히 재구성되고 있다고 설명했다.
ICLR 리뷰에서의 AI 글쓰기 문제
ICLR 리뷰를 진행하는 중 AI 글쓰기가 난해하다는 의견이 제기되었다. 특정 논문에서 '최고의 기준선을 초과하며, 세 가지 경우에서의 변형된 위약 효과와 관련하여 비용이 들지 않는다'는 문구가 예로 언급되었다. AI 글쓰기의 문제점을 비판하기 위해서는 단순히 'AI 글쓰기'라고 지적하는 것이 아니라, 왜 이러한 글쓰기가 좋지 않은지를 명확히 설명해야 한다는 의견이 있다.
PyTorch로 구현한 GPT-2 소형 모델과 KV 캐시 성능 비교
저자는 PyTorch로 GPT-2 소형 모델(124M)과 KV 캐시를 구현하고, 수학적 절감 효과를 측정한 지연 시간과 메모리 사용량을 비교했다. 실험은 NVIDIA A40에서 진행되었으며, 캐싱을 사용했을 때 1,000개의 컨텍스트 길이에서 FLOP 추정치는 약 1,000배 작아졌고, 토큰당 시간은 29.69ms에서 4.95ms로 줄어들었다. 1,016개의 토큰을 생성하는 데 uncached는 14.66초, cached는 5.03초가 소요되었다. 메모리 사용량은 72 KiB/token으로 측정되었다.
Python 3.15의 새로운 프로파일러를 활용한 웹 편집 앱 분석
Simon Willison은 Python 3.15의 새로운 프로파일러를 사용하여 자신의 웹 편집 앱에 대한 플레임 그래프와 히트맵을 생성했다. GPT-6 Astra Extra High in Codex를 통해 'web-edit' 앱의 프로파일링을 요청하였고, 그 결과로 생성된 플레임 그래프와 히트맵의 예시를 제공한다.
Meta의 Muse Spark Open, 미국산 오픈 모델의 새로운 강자
Meta는 Muse Spark Open을 발표하며 미국산 오픈 모델의 경쟁력을 강화했다. Muse Spark Open은 816B 총 파라미터와 42B 활성 파라미터를 가진 모델로, 1M 토큰의 컨텍스트 윈도우를 제공하며, 코딩 및 에이전트 작업에 최적화되어 있다. 이 모델은 GLM 5.2보다 높은 성능을 가지며, GLM 5.3이나 Kimi K3보다는 낮은 성능을 보인다. Muse Spark Open은 안전성 강화를 위한 추가 훈련을 거쳤으며, 사용자는 'Built with Muse'라는 표시를 해야 하고, 월 매출이 2천만 달러를 초과하는 기업은 별도의 라이센스를 요구받는다.
Nordic 국가들의 AI 기술 생태계 발전과 NVIDIA의 투자
Nordic 국가들은 유럽에서 인구 대비 유니콘 스타트업 밀도가 가장 높은 지역으로, NVIDIA는 스웨덴의 스타트업 Lovable과 Legora에 투자했다. Lovable은 평범한 언어로 소프트웨어를 구축할 수 있는 플랫폼을 제공하며, NVIDIA의 Dynamo 소프트웨어와 Nemotron 도구를 활용해 모델 최적화를 진행하고 있다. Legora는 법률 업무를 지원하는 운영 체제를 제공한다. 또한, Nordic 지역은 2027년까지 1GW의 AI 클라우드 용량을 배포할 예정이다. 스웨덴의 컨소시엄은 16개의 NVIDIA DGX GB300 시스템과 1,152개의 GPU가 장착된 슈퍼컴퓨터 Sferical One을 운영하고 있다. Spotify는 NVIDIA TensorRT-LLM을 사용해 AI 기반 팟캐스트 추천을 효율적으로 제공하고 있으며, ABB Robotics는 NVIDIA Omniverse를 활용해 로봇 시뮬레이션과 실제 성능 간의 격차를 줄이고 있다.
NVIDIA, 유럽 과학 커뮤니티를 위한 AI 지원 확대
NVIDIA는 AI in Science Summit에서 유럽연합의 AI in Science Enablers Initiative에 참여하여 연구자들에게 가속화된 도구, 모델, 플랫폼, 클라우드 자원, 데이터 및 과학 자원에 대한 접근을 제공한다고 발표했다. 또한, 250개 이상의 오픈 모델과 250개 오픈 데이터셋을 Hugging Face와 GitHub에 공개했으며, NVIDIA Deep Learning Institute는 가속화된 컴퓨팅과 딥러닝에 대한 오픈 소스 교육 자료를 제공한다. 이 외에도, NVIDIA는 유럽의 스타트업과 중소기업을 위한 컴퓨팅 자원 접근을 지원하고, EuroHPC 슈퍼컴퓨팅 센터를 통해 무료 GPU 인프라를 제공한다.
Resolvent의 시뮬레이션 앱으로 전기 트럭 배터리 설계 가속화
Resolvent가 개발한 시뮬레이션 앱은 Volvo의 R&D 부서가 배터리 수명 성능을 쉽게 테스트할 수 있도록 지원한다. 이 앱은 배터리 셀의 전기화학 모델을 기반으로 하여 배터리 팩의 구성에서 버스바 탭을 최적화하는 데 사용된다. 또한, 사용자는 패키지 기하학, 셀 수, 작동 조건 등을 입력하여 배터리 성능을 분석할 수 있다. LaserBATMAN 프로젝트는 2022년 5월에 시작되어 2025년 5월에 완료될 예정이다.
Elon Musk, AI와 로봇이 국가 부채 해결의 열쇠라고 언급
Elon Musk는 Walter Isaacson과의 팟캐스트 인터뷰에서 국가 부채를 해결하기 위해서는 AI와 로봇이 필요하다고 말했다. 그는 정부 내에서 부채 문제를 해결할 방법이 없으며, AI를 통해 새로운 접근이 필요하다고 강조했다. Musk는 또한 자신의 정치적 경험에 대해 반성하며, AI에 더 집중했어야 했다고 언급했다.
Skild AI, 로봇 하드웨어 간 지능 전이 연구
Skild AI는 로봇 지능이 하드웨어 간에 전이되어야 하며, 매 기계마다 재구성될 필요가 없다는 연구를 진행하고 있다. 이 연구는 모터 적응, 비디오 기반 작업 학습, 자기 플레이를 연결하며, 이러한 기능이 배치의 속도, 신뢰성 및 안전 요구 사항을 충족하는지 여부가 결정적인 시험이 된다. Skild AI는 지능을 기계와 분리하려고 하며, 모델이 몸에 대한 이해를 학습해야 한다고 주장한다.
KNOU-Flood: 글로벌 유량 예측을 위한 리드 인식 확률적 머신러닝 발전
KNOU-Flood는 424일의 긴 입력 창과 리드 인식 예측 입력을 사용하여 LSTM을 기반으로 한 두 단계 훈련을 통해 유량 예측 성능을 개선한다. 2021-2023년 동안 2,099개의 테스트 유역에서 LT1에서 KGE' 0.65, LT10에서 0.48의 중간값을 기록하며, AIFL의 동일한 데이터와 조건에서 더 나은 성능을 보였다. 또한, 앙상블 모델이 확률적 버전보다 낮은 CRPS를 달성하고, 드롭아웃을 통한 추론 시간 보정이 이루어졌다.
Magnetar: 제로 지식 증명을 활용한 일반 목적 컴퓨팅
Magnetar는 제로 지식 증명을 통해 Rust, Go, C로 작성된 프로그램의 실행을 증명하며, 이전 시스템보다 평균 10배에서 39배 빠른 성능을 보인다. 이 시스템은 표준 해시 함수에 기반하여 보안을 유지하고, 제로 지식 증명의 효율성, 일반성 및 보안성 문제를 해결하는 데 기여하고 있다. Microsoft Research는 10년 이상 제로 지식 증명의 실용화를 위해 연구해왔다.
AI 버블 우려와 자금 조달 문제
2026년 10월, 최근 거시경제 변화로 인해 AI 버블과 수익성 결핍, 증가하는 채무에 대한 우려가 커지고 있다. Panmure Liberum의 수석 시장 전략가는 AI 버블이 2027년 또는 2028년에 붕괴할 가능성이 높다고 전망하며, 자원 집약적인 모델에 대한 자본 유입이 활발하다고 언급했다. 또한, 전 세계적으로 채권 수익률이 상승하면서 AI 인프라 회계가 더 위험해 보이고 있다.
Anthropic, IPO 앞두고 분기 매출 50% 증가해 168억 달러 달성
Anthropic은 Q3(7월~9월) 매출이 168억 달러로, 전년 동기 대비 약 50% 증가했다고 밝혔다. Q1(1월~3월) 매출은 약 48억 달러, Q2(4월~6월)는 115억 달러였다. Q3에는 '컴퓨팅 파워'에 대해 지출한 1달러당 1.70달러의 수익을 기록했으며, 조정된 운영 마진은 11%였다. 또한, 경쟁사들이 Anthropic의 모델을 '디스틸'하는 데서 발생하는 수익이 Q3에 5%에서 7%로 줄어들었다.
Meta, Muse Spark Open 모델 출시 및 해석 가능성 향상
Meta는 Muse Spark Open을 출시하였으며, 이 모델은 816B의 총 파라미터와 42B의 활성 MoE를 갖추고 있다. 이 모델은 텍스트, 이미지, 비디오, 오디오 입력을 지원하며, 코딩, 장기 에이전트 및 다단계 추론을 목표로 하고 있다. Muse Spark Open은 62개의 디코더 레이어와 256명의 전문가를 포함하고 있으며, 하이브리드 주의 메커니즘을 사용한다. 라이센스는 Muse Model License를 따르며, 연간 수익이 2천만 달러를 초과하는 경우 별도의 계약이 필요하다.
Cloudflare와 OpenAI, AI 콘텐츠 발견 개선을 위한 연구 파일럿 시작
Cloudflare와 OpenAI는 2026년 7월에 AI 시스템이 웹사이트를 더 잘 발견하도록 돕기 위한 연구 파일럿을 시작했다. 이 파일럿을 통해 OpenAI는 수억 개의 새로운 웹 페이지를 발견하고 색인화했으며, ChatGPT 사용자에게 유용한 정보를 제공하는 데 기여하고 있다. Cloudflare의 네트워크 신호는 OpenAI의 검색 크롤러가 더 많은 유용한 페이지를 발견하도록 돕고, AI 시스템이 웹에서 정보를 찾는 방식을 개선하고 있다.
AI의 유용성을 높이는 세 가지 모델
지난주 발표된 세 가지 모델은 AI의 유용성에 대한 서로 다른 제약을 다룬다. Reflection의 Beam은 효율적인 에이전트 추론을 강조하고, Google의 EmbeddingGemma 2는 다양한 미디어를 함께 검색할 수 있게 하며, Mistral Large 4는 희소한 스케일과 시각적 이해를 결합한다. 이들은 단순한 성능 비교가 아니라 AI 시스템의 유용성을 높이기 위한 계산 자원 배분에 대한 세 가지 다른 접근 방식을 제시한다.
OpenAI와 Anthropic의 구조적 이점과 오픈 모델의 발전
a16z의 Lisha Li는 AI 연구자 Nathan Lambert와 인터뷰를 통해 OpenAI와 Anthropic이 컴퓨팅, 자본, 새로운 훈련 패러다임을 선도하는 능력에서 구조적 이점을 가지고 있다고 주장했다. 그러나 중국의 오픈 모델 연구소들이 놀라운 능력으로 뒤따르고 있다고 언급했다. 이들은 데이터, 강화 학습 환경, 후속 훈련이 모델 발전에 미치는 영향을 논의하며, Lambert의 비영리 연구소 Trillium이 AI 연구의 일부를 개방할 계획에 대해서도 설명했다.
구글과 메타, AI 경쟁에 재참여
지난주 Anthropic과 OpenAI가 강력한 모델로 AI 경쟁에서 앞서 나가고 있는 가운데, 구글과 메타가 새로운 모델을 발표하며 경쟁에 재참여했다. 구글과 메타는 각각 자사의 최신 모델이 OpenAI와 Anthropic의 모델과 경쟁할 수 있다고 주장하고 있다.
AI를 활용한 단백질 설계로 특정 단백질 절단 효소 개발
연구자들은 AI 기반 단백질 설계 도구를 사용하여 두 가지 유형의 프로테아제의 촉매 핵심을 결합하고 나머지 단백질을 대체하여 새로운 효소를 개발했다. 이 효소는 특정 단백질을 절단하도록 조정할 수 있으며, 연구자들은 이를 신경 질환과 관련된 단백질을 절단하는 데 성공적으로 사용했다.
확산 모델을 위한 수정 훈련
확산 모델에서 반복 샘플링은 노출 편향으로 인해 오류가 누적될 수 있다. 이 연구에서는 훈련과 추론 간의 격차를 줄이기 위한 수정 단계를 도입한다. 수정자는 기본 모델의 예측을 입력으로 받아 같은 실제 타겟에 대해 훈련된다. 샘플링 과정에서 각 디노이징 단계에서 예측을 반복적으로 수정하여 초기 아티팩트가 최종 샘플에 남지 않도록 한다. 이 방법은 DiT, SiT, JiT에서 평가되었으며, 무가이드 생성 및 무조건 생성에서 FID 점수를 크게 개선하였다. 수정과 CFG를 결합하면 다양성을 더욱 향상시키고 CFG의 과포화 문제를 줄일 수 있다.
중국의 오픈 웨이트 모델이 미국의 클로즈드 모델에 비해 7개월 뒤처짐
중국의 오픈 웨이트 모델은 미국의 클로즈드 모델에 비해 7개월 뒤처진 것으로 나타났다. 이 데이터는 1,011개의 출처에서 수집된 22,113개의 벤치마크 결과를 기반으로 하며, 텍스트 모델에 대한 18,755개의 결과가 포함되어 있다. 이 데이터셋은 오픈 소스로 제공되며, 모든 수치는 출처와 라이센스가 기록되어 있다.
Leash Bio의 DNA Encoded Libraries와 AI 기반 과학적 추론
Leash Bio는 DNA Encoded Libraries(DELs)를 통해 단백질과 소분자 간의 상호작용 데이터를 수집하는 방법을 개발했다. Ian Quigley는 DEL 사용의 어려움을 극복하고 깨끗하고 재현 가능한 데이터를 추출하는 방법을 공유했다. 그들은 수년간 수집한 데이터를 활용하여 과학적 강화 학습을 위한 수만 개의 'lab-in-the-loop' 시뮬레이션을 제공할 수 있는 AI 플레이그라운드를 개발했다. 두 달 후, 이 프로젝트는 Minos로 발전하였고, 오늘날 전체 프리프린트와 블로그, 공개 데이터셋이 출시되었다.