한창 코엑스에서 진행되는 ICML 2026 어워즈 결과도 한번 살펴보시길..

엄청나게 영향력있는 탑티어 머신러닝 학회에서 다양한 정보들이 공유되고 있음.

Announcing the ICML 2026 Awards
https://t.co/XBOEctE1nX

그중에서 최우수 논문상 2편..

↓

📑 The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models
https://t.co/puqyHKliJh

요즘 GPT처럼 한 글자씩 순서대로 쓰는 대신, diffusion 방식으로 아무 순서로나 문장을 채워나가는 언어모델이 주목받고 있는데, 이게 오히려 독이 될 수 있다는걸 얘기함.

모델이 자유롭게 순서를 고를 수 있으면, 정답을 좌우하는 정말 어려운 부분을 슬쩍 피해가면서 쉬운 부분부터 채워버리는 습관이 생기고,,

그 결과 다양한 풀이를 시도하지 못하게 된다는 것.

그래서 저자들은 "학습할 때는 그냥 순서대로 시키고, 실제 사용할 때만 빠른 병렬 방식을 쓰자"는 절충안 JustGRPO 제안함.

↓

📑 High-Accuracy Sampling for Diffusion Models and Log-Concave Distributions
https://t.co/wvQeIwk8HP

확산 모델이 결과물 하나를 만들어내려면 노이즈를 조금씩 제거하는 단계를 여러번 거쳐야 함.

그런데 정말 정밀한 결과를 얻으려면 이 단계 수가 기하급수적으로 늘어난다는게 오래된 문제..

이 연구에서는 더 똑똑한 샘플링 방법(FORS)을 고안해서,

정밀도를 높이기 위해 필요한 단계 수를 훨씬 적게(로그 수준으로) 줄일 수 있다는 걸 수학적으로 증명함.

이론상으로는 이미지 생성 모델이 지금보다 훨씬 적은 계산으로도 매우 정확한 결과를 낼 수 있다는 걸 보여준 것.

꼭 어워즈 말고도 그밖에도 좋은 연구에
대한 내용들이 많아요..