SkillCloak, 90% 이상의 성공률로 AI 에이전트 스킬 스캐너 우회

홍콩 과학기술대학교 연구진이 AI 에이전트용 악성 스킬을 탐지하는 정적 스캐너를 90% 이상의 확률로 우회하는 'SkillCloak' 기술을 발표했습니다. 난독화와 자기 추출 패킹을 활용하며, 정적 분석의 한계를 보완하는 런타임 샌드박스 'SkillDetonate'도 함께 제안되었습니다.

ICML Position Track: 더 나은 ML 리뷰를 원하시나요? 정중하게 요청하는 대신 크레딧 시스템을 통한 인센티브를 제공하세요

ICML 포지션 트랙을 통해 머신러닝 컨퍼런스의 리뷰 프로세스 개선을 위한 크레딧 시스템 도입을 제안합니다. 리뷰어와 저자에게 인센티브를 제공하여 책임감을 높이고 연구 생태계의 질을 향상시키고자 합니다.

강력한 그래프 신경망 (Graph Neural Nets)이 반드시 필요한가? 그래프 분류 (Graph Classification)에 대한 해부

그래프 분류(Graph Classification) 작업에서 강력한 그래프 신경망(GNN)이 반드시 필요한지에 대해 심층적으로 분석합니다. 기존 방법론과 GNN의 성능을 비교하며 그래프 데이터 처리의 핵심 원리를 해부합니다.

네트워크가 불안정한 지역에서 주목받는 소형 AI 모델

네트워크 인프라가 부족한 지역에서 생명을 구하기 위해 대규모 모델 대신 소형 AI(Small AI)의 중요성이 부각되고 있습니다. 의료, 농업 등 현장에서 즉각적인 처리가 필요한 분야를 중심으로 온디바이스 AI 기술이 활용되고 있습니다.

LLM의 마음속 들여다보기: Anthropic의 Jacobian Lens와 숨겨진 전역 작업 공간 (Global Workspace)

Anthropic의 Jacobian Lens 기술을 통해 LLM 내부의 숨겨진 추론 과정인 'J-space'를 분석합니다. 이는 모델이 출력하지 않는 내부 사고 과정을 전역 작업 공간(Global Workspace) 형태로 유지함을 수학적으로 증명합니다.

속지 않고 2026년 AI 벤치마크 차트를 읽는 방법

AI 모델의 성능을 평가하는 벤치마크 차트의 함정과 올바른 해석 방법을 다룹니다. SWE-bench Pro, Terminal-Bench 2.1 등 최신 벤치마크의 특성과 데이터 오염, 하위 집합 선택에 따른 수치 왜곡 가능성을 경고합니다.

Belle II를 위한 배포된 그래프 신경망 트리거의 RTL 결함 주입 (RTL Fault Injection)

Belle II 실험의 FPGA 기반 GNN 트리거 시스템을 대상으로 RTL 결함 주입 연구를 수행했습니다. 방사선 노출로 인한 데드락, 타임아웃, 패킷 무결성 위반 등의 고장 모드를 분석하여 하드웨어 신뢰성을 평가했습니다.

Qwen의 J-Space - Anthropic의 내부 모델 Global Workspace 발견

Anthropic이 모델의 내부 사고 과정을 분석하는 연구를 발표하며 J-Space 렌즈 코드를 공개했습니다. Qwen 3.6 27B 모델을 활용한 J-Space 데모가 함께 소개되었습니다.

ArchEval: 컴퓨터 아키텍트로서의 AI 에이전트 측정

컴퓨터 아키텍처 설계 및 최적화 분야에서 LLM 에이전트의 능력을 평가하기 위한 새로운 벤치마크인 ArchEval을 소개합니다. 8개의 시뮬레이터를 활용해 CPU, 메모리, 가속기 등 다양한 설계 챌린지를 제공하며 에이전트의 자율성을 측정합니다.

ELiTeFormer: FPGA를 위한 효율적인 Transformer

ELiTeFormer는 FPGA 배포를 위해 하이브리드 선형 어텐션과 초저정밀도(ternary) 선형 투영을 결합한 새로운 Transformer 아키텍처입니다. 알고리즘과 하드웨어 아키텍처를 공동 설계하여 모델 가중치와 KV 캐시를 획기적으로 압축하고 연산 효율을 극대화했습니다.

SABLE: 산업용 EDA 워크플로우 내 아날로그 회로 최적화를 위한 NDA 안전 폐쇄 루프 LLM 프레임워크

SABLE은 산업용 EDA 워크플로우에서 보안을 유지하며 아날로그 회로를 최적화하는 LLM 프레임워크입니다. 민감한 PDK 및 회로 정보를 정제하여 클라우드에 노출하지 않으면서도, 폐쇄 루프 방식으로 회로 설계를 자동화합니다.

Weave: 계층적 그래프 레이아웃을 통한 검증된 Netlist-to-Schematic 변환

SPICE netlist를 사람이 읽을 수 있는 회로도(Schematic)로 변환하는 결정론적 컨버터 Weave를 소개합니다. 계층적 그래프 레이아웃과 round-trip 검증 방식을 통해 기존 LLM 기반 방식보다 높은 연결성 보존력과 정확도를 제공합니다.

TileLens: 투명한 2차원 메모리 레이아웃을 통한 대규모 입도 메모리 시스템의 효율적 활용

대규모 입도 메모리 시스템(LGMS)에서 발생하는 읽기 증폭 문제를 해결하기 위해 타일 중심 레이아웃을 제안하는 TileLens 연구를 소개합니다. 2차원 메모리 레이아웃을 통해 LLM 추론 성능 저하를 방지하며, 소프트웨어와 하드웨어 확장을 통해 효율적인 데이터 액세스를 지원합니다.

HiFA4: Ascend HIF4 NPU에서 LLM 추론을 위한 학습이 필요 없는 4-bit FlashAttention

Ascend NPU에서 LLM 추론을 최적화하기 위해 학습 없이 4-bit FlashAttention을 구현하는 HiFA4 기술을 제안합니다. Smooth-QK와 P-Reordering 메커니즘을 통해 양자화로 인한 정확도 손실을 최소화하고 연산 효율을 높입니다.

SMART: 디지털 회로의 확률적 트랜지스터 노화 및 공정 변동의 신속한 분석을 위한 머신러닝 및 몬테카를로 프레임워크

디지털 회로의 신뢰성 분석을 위해 머신러닝과 몬테카를로 시뮬레이션을 결합한 SMART 프레임워크를 제안합니다. 랜덤 포레스트와 베이지안 최적화를 활용하여 공정 변동 및 트랜지스터 노화 문제를 신속하고 정확하게 분석합니다.

세상에! 정말 Claude는 "성능이 좋아질수록, 우리는 더 힘들어질 것이다"!

Anthropic은 Claude 모델 내부의 신경 활성화 공간인 'J-space'를 발견했습니다. 이 공간은 명시적인 텍스트 출력 없이도 모델이 다단계 추론과 개념 인식을 수행하는 핵심 메커니즘으로 작동합니다.

AI에게 몇 번이나 수정을 요구했는지 측정하는 대화형 벤치마크 SWE-Together

NVIDIA, Hugging Face에 전 지구적 폭풍 해결 기후 시뮬레이션 데이터셋 공개

NVIDIA가 Hugging Face를 통해 고해상도 기후 시뮬레이션 데이터셋을 공개했습니다. SCREAM 모델 기반의 이 데이터셋은 차세대 기상 에뮬레이터 학습을 목적으로 설계되었습니다.

von Mises-Fisher 혼합 모델 기반 딥러닝: 얼굴 검증(Face Verification)에 대한 적용

von Mises-Fisher 혼합 모델을 활용하여 얼굴 검증(Face Verification) 성능을 향상시키는 딥러닝 방법론을 다룹니다. 데이터의 방향성 분포를 모델링하여 얼굴 인식의 정확도를 높이는 연구 내용을 포함합니다.

3위안과 2시간이면 대규모 언어 모델(LLM)을 직접 학습시킬 수 있다니, 믿어지시나요?

단 25.8M 파라미터 규모의 미니 언어 모델을 저렴한 비용과 짧은 시간 안에 학습할 수 있는 오픈 소스 프로젝트가 화제입니다. 토크나이저 학습부터 사전 학습, SFT, 멀티모달 버전까지 LLM의 전 과정을 PyTorch로 구현하여 학습용으로 최적화되었습니다.