Action Units 및 Action-Detection 가이드를 통한 Text-to-Motion의 획(Stroke) 단위 시간 제어

Text-to-motion 모델이 동작의 개별 획(stroke)을 정밀하게 제어할 수 있도록 Action Units(AUs) 개념을 도입한 연구입니다. 경량 게이트 어댑터와 훈련이 필요 없는 분류기 그래디언트를 통해 동작의 타이밍과 궤적을 획 단위로 정교하게 조절합니다.

AI Daily Digest — 2026년 7월 16일: Mistral Leanstral 1.5, Poolside Laguna, 자기 검증형

MacBook Pro에 적합한 5가지 로컬 모델 벤치마크 — 8GB 환경의 2-bit 27B 모델이 2위를 차지했습니다

MacBook Pro 환경에서 실행 가능한 5가지 로컬 AI 모델의 성능과 RAM 사용량을 벤치마크한 결과입니다. 특히 8GB RAM 환경에서 구동되는 2-bit Bonsai-27B 모델이 높은 효율성을 보이며 종합 2위를 기록했습니다.

FHE는 프라이빗 AI의 성배이지만, 아직 아무도 감당할 수 없다

완전 동형 암호(FHE)는 데이터를 복호화하지 않고 연산할 수 있어 프라이빗 AI의 핵심 기술로 주목받지만, 현재는 연산 속도가 매우 느린 한계가 있습니다. TEE나 MPC와 같은 대안 기술과 비교하여 FHE의 수학적 보안성과 향후 인프라 발전 가능성을 분석합니다.

Anthropic의 AI 해석 가능성 (Interpretability) 연구가 신뢰를 구축하는 방식

Anthropic의 기계론적 해석 가능성(Mechanistic Interpretability) 연구가 모델의 내부 작동 방식을 일부 드러냈으나, 이를 완전한 투명성으로 오해해서는 안 된다고 경고합니다. 연구는 상관관계를 보여줄 뿐 실제 인과 기제를 완벽히 설명하지 못하며, AI 안전을 위한 신중한 접근이 필요함을 강조합니다.

Inkling: Thinking Machines Lab의 오픈 웨이트 (Open-Weights) MoE 모델 — 벤치마크, 아키텍처, 그리고

Thinking Machines Lab이 9,750억 파라미터 규모의 오픈 웨이트 MoE 모델인 Inkling을 공개했습니다. 이 모델은 네이티브 멀티모달 지원과 100만 토큰의 컨텍스트를 특징으로 하며, 독특한 아키텍처 설계를 통해 성능을 최적화했습니다.

알 수 없는 질문에 대한 서명된 답변

검증 시스템에서 서명된 기록이 판결의 생성자는 증명할 수 있지만, 검증에 사용된 구체적인 술어(predicate)나 기준까지는 보장하지 못한다는 한계를 지적합니다. 암호학적 서명이 '누가' 했는지는 증명해도, '무엇을' 검증했는지에 대한 명세가 누락되면 검증의 신뢰성이 결여될 수 있음을 설명합니다.

지속 가능한 양식 모니터링 시스템을 위한 Embodied Agent 피드백 루프 기반의 자기지도 학습적 시계열 패턴 마이닝

양식장 환경의 복잡한 멀티모달 데이터를 처리하기 위해 Embodied Agent와 자기지도 학습을 결합한 시계열 패턴 마이닝 기술을 제안합니다. 라벨링 없이 데이터 자체의 구조를 통해 시간적 일관성을 학습하여 지속 가능한 모니터링 시스템을 구축하는 연구를 다룹니다.

Hugging Face의 오늘 가장 주목받는 10가지 AI 논문: 에이전트(Agent), RL, 멀티모달(Multimodal) 및

Hugging Face에서 가장 많은 추천을 받은 10가지 최신 AI 논문을 소개합니다. 에이전트, RL, 멀티모달, 로보틱스 분야를 중심으로 모델의 실행 능력과 추론, 장기 기억 및 실제 상호작용을 개선하는 연구 트렌드를 다룹니다.

Xiaomi-Robotics-1

Xiaomi가 10만 시간 이상의 실제 조작 데이터를 학습한 시각-언어-행동(VLA) 파운데이션 모델을 공개했습니다. 이 모델은 모바일 조작 작업에 즉시 적용 가능한 확장성을 갖추고 있습니다.

🚨 중국에서 출시된 혁신적인 오픈 소스 OCR 모델!

중국에서 출시된 30억 파라미터 규모의 오픈 소스 OCR 모델인 Unlimited-OCR을 소개합니다. 이 모델은 최대 100페이지의 PDF 문서를 한 번에 분석할 수 있는 강력한 성능을 자랑합니다.

ZeroGPU의 DeBERTa vs Gemini Flash: IAB Tier-1 기준 100% vs 92%

ZeroGPU의 DeBERTa-v3-small과 Gemini Flash 모델을 대상으로 IAB Tier-1 카테고리 분류 성능을 비교한 벤치마크 결과입니다. 동일한 50개 샘플과 레이블 세트를 사용하여 정확도와 지연 시간을 정밀하게 측정했습니다.

오늘 Hugging Face에서 가장 주목받는 10개의 AI 논문: 빠르고 쉬운 요약 및 응용 관점

Hugging Face에서 주목받는 최신 AI 논문 10개를 소개하며, Long-context LLM, 비디오 멀티모달, 에이전트 강화학습 등 주요 연구 트렌드를 분석합니다. 특히 고정된 GPU 예산 내에서 200만 토큰 이상의 긴 문맥을 처리하는 LongStraw 연구를 포함하여 AI의 발전 방향을 제시합니다.

FutureX · Physical AI Daily — Issue 60 (07/17)

RSS 2026에서 발표된 로보틱스 연구 성과를 다룹니다. 휴머노이드 보행 학습 시간을 단축하는 FlashSAC, 센서 없이 힘을 감지하는 NeuralActuator, 그리고 환경을 활용해 물체를 추출하는 DAPL 기술을 소개합니다.

Sigmoid와 ReLU를 넘어: Leaky ReLU, ELU, Swish, 그리고 Softmax

ReLU의 '죽은 뉴런(dying neurons)' 문제를 해결하기 위한 다양한 활성화 함수들을 비교 분석합니다. Leaky ReLU, ELU, Swish 등 각 함수의 수학적 특성과 장단점을 다룹니다.

초지능 (Superintelligence): Connor Leahy가 말하는 지난 18개월

Connor Leahy와의 인터뷰를 통해 초지능(Superintelligence)의 도래와 인류의 통제력 상실 가능성을 경고합니다. 재귀적 자기 개선을 통한 AI의 급격한 발전과 인간의 감독을 벗어난 시스템의 위험성을 다룹니다.

MUE-X는 개선 사항을 검증하고 인간의 개입 없이 기능을 진화시키기 위해 6가지 AST 변이 전략을 사용하여 자신의 Python 소스 코드를

MUE-X는 6가지 AST 변이 전략을 활용하여 자신의 Python 소스 코드를 스스로 읽고 실시간으로 재작성하는 기술입니다. 인간의 개입 없이도 기능을 진화시키고 개선 사항을 검증할 수 있는 자가 진화형 시스템을 지향합니다.

화제의 멀티모달 LLM 「Inkling」을 조사하고, Playground에서 사용해 보았다

KL 발산(KL Diverge)을 할 것인가 말 것인가: 양자화 전문가들을 위한 질문

양자화 모델 평가 시 KLD(KL Divergence)와 Perplexity 지표가 실제 모델 품질과 일치하지 않는 '침묵 구역(Silent zone)'의 존재를 분석합니다. 특정 임계값 이하에서는 KLD가 품질 저하를 제대로 반영하지 못함을 실험적으로 증명합니다.