AI 에이전트 요청 한 번의 전기 소모가 챗봇 질의응답의 최대 136배라는 실측이 나왔다 — KAIST 유민수 교수팀이 실제 서비스 환경을

KAIST 유민수 교수팀의 실측 결과, AI 에이전트의 요청당 전력 소모가 일반 챗봇보다 최대 136배 높다는 사실이 밝혀졌습니다. 에이전트의 반복적인 루프 구조와 낮은 GPU 활용률이 주요 원인으로 지목되었습니다.

모든 주요 AI(Claude, ChatGPT, Gemini)가 기본적으로 크림반도를 러시아 영토로 표시합니다.

Claude, ChatGPT, Gemini 등 주요 AI 모델들이 크림반도를 러시아 영토로 표시하는 현상이 발견되었습니다. 조사 결과, AI 학습에 널리 사용되는 데이터베이스인 Natural Earth의 설정이 원인인 것으로 밝혀졌습니다.

Nous Research의 Hermes MoA 2.0 출시: 거대 개별 모델 학습의 한계와 오케스트레이션 계층의 중요성

Nous Research가 출시한 Hermes MoA 2.0은 여러 모델의 출력을 합성하는 오케스트레이션 계층을 통해 개별 모델의 한계를 극복합니다. GPT, Claude, DeepSeek를 병렬로 실행하여 복잡한 추론 성능을 극대화하는 오픈 소스 프레임워크입니다.

튀니지 다리자(Arabizi)를 위한 오픈 소스 바닥부터 구축한 MT 파이프라인 및 병렬 코퍼스 초기 베이스라인 구축 및 큐레이션 커뮤니티

튀니지 다리자(Arabizi)를 위한 오픈 소스 기계 번역(MT) 파이프라인과 병렬 코퍼스 베이스라인을 구축한 프로젝트입니다. 데이터 부족 문제를 해결하기 위해 SentencePiece 토크나이저와 Transformer 모델을 바닥부터 구축하여 초기 성능을 확보했습니다.

학술 검색의 미래: 키워드에서 의미론적 이해로

전통적인 키워드 기반 학술 검색의 한계를 지적하며, 임베딩 벡터와 코사인 유사도를 활용한 의미론적 검색(Semantic Search)의 필요성을 설명합니다. 논문을 고차원 벡터로 인코딩하여 개념적 유사성을 바탕으로 정확한 연구 자료를 찾아내는 기술적 메커니즘을 다룹니다.

다지선다형 질의응답을 위한 대규모 언어 모델(LLM) 기반의 컨포멀 예측 (Conformal Prediction)

다지선다형 질의응답 상황에서 LLM의 신뢰성을 높이기 위한 컨포멀 예측(Conformal Prediction) 기법을 다룹니다. 모델의 예측 결과에 대해 통계적 신뢰 구간을 제공하는 방법을 연구합니다.

NotebookLM × AI 논문: 관심 있는 AI 기술을 체계적으로 이해하는 방법

FP8 및 FP8 KV를 적용한 GLM 5.2 - Terminal-Bench 2.1 결과: 79.8 (재실행하지 않은 타임아웃 1회 포함)

H200 환경에서 FP8 및 FP8 KV를 적용한 GLM 5.2 모델의 Terminal-Bench 2.1 성능을 테스트한 결과입니다. 총 89개 작업 중 79.8%의 통과율을 기록하며 모델의 효율성을 검증했습니다.

Midnight AI Groove 26-06-30 Claude Sonnet 5, 에이전트 시대, 로컬 LLM, 그리고 중국 세력과 추론 기반의

주제별 매핑 (Thematic Mapping): AI를 활용한 트렌드, 클러스터 및 연결성 시각화

AI의 의미론적 유사성을 활용하여 방대한 학술 논문의 트렌드와 클러스터를 시각화하는 주제별 매핑(Thematic Mapping) 기술을 소개합니다. 연구자는 이를 통해 연구 공백을 찾고 복잡한 연구 지형을 직관적으로 파악할 수 있습니다.

2G부터 5G까지의 보안 연구를 집대성한 놀라운 셀룰러 해킹 (Cellular Hacking)

2G부터 5G에 이르는 셀룰러 네트워크의 보안 취약점과 해킹 기술을 집대성한 연구 내용을 다룹니다. 세대별 통신 기술의 보안 특성과 잠재적 위협을 심도 있게 분석합니다.

AI-Researcher: 문헌 검토부터 논문 작성까지 과학적 연구를 자동화합니다

AI-Researcher는 문헌 검토부터 논문 작성까지 과학적 연구의 전 과정을 자동화하는 도구입니다. 연구 프로세스의 효율성을 극대화하여 연구자가 핵심 연구에 집중할 수 있도록 돕습니다.

LongCat-2.0 완전 오픈소스 공개, GPT 및 Claude에 도전장

Meituan이 1.6조 파라미터 규모의 MoE 모델인 LongCat-2.0을 MIT 라이선스로 완전 오픈소스 공개했습니다. 100만 토큰의 컨텍스트 윈도우와 에이전트 네이티브 설계를 통해 코딩 및 복잡한 추론 작업에서 뛰어난 성능을 보여줍니다.

하이브리드 양자-고전 파이프라인에서의 생체 모방 소프트 로보틱스 유지보수를 위한 개인정보 보호 능동 학습 (Privacy-Preserving

하이브리드 양자-고전 파이프라인을 활용하여 생체 모방 소프트 로보틱스의 유지보수를 위한 개인정보 보호 능동 학습 방식을 제안합니다. 차분 프라이버시와 양자 특징 맵을 결합하여 민감한 데이터를 보호하면서도 효율적인 예측 유지보수를 수행하는 연구를 다룹니다.

고급 코딩 기술 LLM 벤치마크 🔥 모델 및 노력 임계값:

고급 코딩 능력을 측정하기 위해 수치 물리와 UI 구현이 결합된 벤치마크를 실시한 결과, GLM 5.2 Max가 가장 높은 성능을 기록했습니다. 이 테스트는 단순 코딩을 넘어 수치 해석 방법론과 정밀한 물리 엔진 설계 능력을 평가합니다.

Qwen-RobotNav, 로봇 내비게이션 통합

Alibaba Qwen 팀이 VLN, ObjectNav, 트래킹, 자율 주행을 통합 처리하는 2B-8B 규모의 Qwen-RobotNav 모델을 공개했습니다. 에이전트 기반 플래너를 통해 제로샷 방식으로 실제 사족 보행 로봇에 배포가 가능합니다.

PhotoQuilt: 어떤 해상도에서도 학습이 필요 없는 포토모자이크 제작

PhotoQuilt는 추가 학습 없이 다양한 해상도에서 포토모자이크를 제작하는 기술입니다. 저해상도 레이아웃을 기반으로 FLUX 모델을 사용하여 타일을 업스케일 및 재노이즈하며, 14K 이상의 고해상도에서도 효율적인 확장이 가능합니다.

NVIDIA가 Hugging Face에 미세 조정된 GR00T N1.7 로봇 정책을 출시했습니다

NVIDIA가 Hugging Face를 통해 미세 조정된 GR00T N1.7 로봇 정책을 출시했습니다. 이 모델은 Panda 팔 조작을 위한 LIBERO 벤치마크를 기반으로 학습되었으며, LeRobot을 통해 배포가 가능합니다.

Video-MME-Logical, 비디오 MLLM의 거대한 추론 격차를 드러내다

비디오 MLLM의 시간적-논리적 추론 능력을 평가하기 위한 새로운 벤치마크인 Video-MME-Logical을 소개합니다. 테스트 결과 인간과 AI 모델 간의 극심한 성능 격차가 확인되었습니다.

이번 주 Hugging Face Daily Papers: 월드 모델(world models), 에이전트적 절제(agentic

Hugging Face의 이번 주 주요 논문들을 소개합니다. 월드 모델, 에이전트의 절제 능력, 컨테이너 없는 코드 검증 등 최신 AI 연구 트렌드를 다룹니다.