주요 AI 코딩 리더보드에서 최초로 중국 모델이 1위를 차지했습니다. 11일 후, 2.8조 개의 파라미터가 전 세계 누구에게나 무료로

Moonshot AI의 Kimi K3가 코딩 리더보드 프론트엔드 부문에서 미국 모델들을 제치고 1위를 기록했습니다. 이 모델은 압도적인 가성비를 자랑하며, 2.8조 개의 파라미터를 가진 오픈 웨이트 모델로 곧 무료 공개될 예정입니다.

역전파(Backpropagation) 설명: 신경망이 실제로 학습하는 방법

신경망이 예측 오차를 바탕으로 가중치를 조정하며 학습하는 핵심 원리인 역전파(Backpropagation)를 설명합니다. 손실 함수를 통해 오차를 측정하고, 편미분을 이용해 각 가중치를 업데이트하는 과정을 다룹니다.

Google, Nano Banana 2 Lite 및 Omni Flash 출시: 4초 만의 이미지 생성 및 음성 명령 기반 비디오 생성

Google이 대량 처리에 최적화된 Gemini 3.1 Flash Lite Image(Nano Banana 2 Lite)와 음성 기반 비디오 생성 모델인 Gemini Omni Flash를 출시했습니다. 두 모델 모두 고품질보다는 저렴한 비용과 빠른 속도를 통해 대규모 파이프라인 구축에 초점을 맞추고 있습니다.

Kimi K3: 중국의 AI가 LLM 경쟁을 뒤흔들다

Moonshot AI의 Kimi K3 모델은 200만 토큰의 압도적인 긴 문맥 처리 능력을 선보이며 OpenAI, Anthropic과 경쟁하고 있습니다. 하지만 급격한 사용자 증가로 인한 GPU 부족 문제로 인해 신규 구독을 일시 중단하는 등 인프라 확보가 핵심 과제로 떠올랐습니다.

Stochastic Depth 기초부터 배우기: 더 깊은 네트워크를 더 빠르게 학습시키기 위해 잔차 레이어 전체를 무작위로 드롭하기

Stochastic Depth는 잔차 블록을 무작위로 드롭하여 깊은 네트워크의 학습 속도를 높이고 그래디언트 소실 문제를 해결하는 기술입니다. 각 레이어의 생존 확률을 깊이에 따라 선형적으로 조절하여 효율적인 학습을 유도합니다.

너의 이름은. - 2.8조 파라미터의 Open Frontier 모델 「Kimi K3」 혜성처럼 등장

Moonshot AI가 2.8조 파라미터 규모의 MoE 아키텍처를 채택한 차세대 LLM 'Kimi K3'를 발표했습니다. 이 모델은 오픈 웨이트 모델임에도 불구하고 프론트엔드 코딩 및 SWE Marathon 벤치마크에서 Claude와 GPT를 능가하는 성능을 보여주며 주목받고 있습니다.

최강을 노리지 않는 Inkling, Murati의 연구소가 975B를 공개하며 건 '정직함'에 대한 도박

중국에서 온 Kimi K3: 구현 에이전트(Implementation Agent)로서의 활용법 소개

Moonshot AI가 2.8조 파라미터 규모의 MoE 모델인 Kimi K3를 공개했습니다. K3는 방대한 컨텍스트 윈도우와 강력한 추론 능력을 바탕으로, 단순 코드 생성을 넘어 모호한 아이디어를 동작하는 프로토타입으로 구현하는 '구현 에이전트'로서의 가능성을 보여줍니다.

AI의 해부학: '뇌'를 벡터와 수학으로 해체하기

AI의 본질을 신비주의적 관점이 아닌 선형 대수학, 벡터, 행렬 등 수학적 구조로 해부합니다. 고전적 AI부터 머신러닝, 딥러닝으로 이어지는 기술적 진화 과정과 그 작동 원리를 설명합니다.

키워드를 넘어: AI에게 미묘한 학술적 전문성을 이해하도록 가르치기

AI가 학술적 전문성을 정확히 이해하도록 돕기 위해 '리뷰어 프로필 삼각 구조(Reviewer Profile Triad)' 프레임워크를 제안합니다. 단순 키워드 매칭을 넘어 방법론과 이론적 참여를 입체적으로 구조화하여 매칭 정확도를 높이는 방법을 다룹니다.

LongStraw, Branch Replay를 통해 8개의 H20 GPU에서 210만 토큰 달성

LongStraw는 짧은 응답 분기를 재생하는 아키텍처 인식형 스택을 통해 RL 사후 학습 시 연산량을 8~16배 절감하는 기술입니다. 단 8개의 H20 GPU만으로 210만 토큰의 컨텍스트 길이를 달성하여 긴 컨텍스트 모델 학습의 병목 현상을 해결하고자 합니다.

Mixup 및 CutMix: 두 장의 사진과 라벨을 소프트 타겟(soft target)으로 혼합하여 존재하지 않는 이미지로 학습하기

Mixup과 CutMix는 두 이미지를 결합할 때 라벨도 소프트 타겟으로 혼합하여 모델의 정규화를 돕는 데이터 증강 기법입니다. Mixup은 픽셀을 투명하게 겹치는 방식이며, CutMix는 이미지의 특정 패치를 잘라 붙여 선명한 질감을 유지합니다.

가우시안 프로세스(Gaussian Processes) 밑바닥부터 구현하기: 함수 위에 사전 확률(prior)을 설정하고 Cholesky 분해를

가우시안 프로세스(Gaussian Process)의 수학적 원리를 밑바닥부터 구현하는 방법을 설명합니다. 커널 선택의 중요성과 Cholesky 분해를 이용한 효율적인 사후 평균 계산 과정을 다룹니다.

AI, 효율성을 두 배로 높이고 수명을 40배 연장하는 양자점 레시피 발견

AI 모델을 활용하여 QLED의 효율을 2배 높이고 수명을 40배 연장하는 새로운 양자점 화학 레시피를 발견했습니다. 능동 학습(active learning)을 통해 효율과 안정성 사이의 트레이드오프를 극복한 이번 연구는 AI 기반 재료 과학의 중요한 진전입니다.

중국 연구소 발표: 35B 규모의 Agents-A1 모델, 에이전트 작업에서 1T 규모 모델과 대등한 성능 기록

InternScience 팀이 에이전트 작업에 특화된 35B 규모의 MoE 모델인 Agents-A1을 공개했습니다. 이 모델은 Qwen3.5-35B-A3B를 기반으로 하며, 복잡한 다단계 에이전트 작업에서 1T 규모의 대형 모델과 대등한 성능을 보여줍니다.

Midnight AI Groove 26-07-17

Moonshot의 신규 모델 Kimi K3 출시로 인해 중국 오픈 웨이트 모델의 기술력이 최전선 수준으로 격상되었습니다. Kimi K3는 코딩, 에이전트 작업, 장기 지식 노동 분야에서 뛰어난 성능을 보이며, 효율적인 인프라 설계와 데이터 큐레이션을 통해 서구권과의 격차를 줄이고 있습니다.

Secure Soul Protocol: AI가 비밀을 드러내지 않고도 안전함을 증명할 수 있을까?

Secure Soul Protocol은 AI 모델의 지적 재산을 보호하면서도 모델의 무결성과 안전성을 증명할 수 있는 암호학적 프레임워크를 제안합니다. 영지식 증명(ZKP)을 활용하여 모델의 가중치나 아키텍처를 공개하지 않고도 보안 및 안전성 평가 통과 여부를 검증할 수 있습니다.

Yandex 데이터 분석 학교, 첫 기수 대비 13배 증가한 역대 최대 390명의 AI 전문가 배출

Yandex의 데이터 분석 학교(ШАД)가 역대 최대 규모인 390명의 AI 전문가를 배출하며 첫 기수 대비 13배 성장했습니다. 이는 단순 도구 활용을 넘어 수학적 기초를 갖춘 머신러닝 전문가에 대한 시장 수요가 급증했음을 시사합니다.

월드 모델 AI 재현성 위기: 해결 방법

월드 모델 연구 분야의 고질적인 재현성 문제를 지적하며, 표준화된 벤치마크와 프로토콜의 부재가 연구 속도를 저해하고 있음을 설명합니다. 이를 해결하기 위해 데이터 수집부터 학습, 평가까지 통합된 인터페이스를 제공하는 'stable-worldmodel' 플랫폼을 소개합니다.