Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
표 형식 파운데이션 모델(Tabular Foundation Models)의 어텐션 레이어(Attention Layers)에 존재하는 프라이버시
표 형식 파운데이션 모델의 어텐션 메커니즘이 민감한 데이터를 유출하여 멤버십 추론 공격(MIA)을 가능하게 함을 입증했습니다. 이를 방어하기 위해 모델 재학습 없이도 유출을 줄이는 추론 시점 방어 기법을 제안합니다.
Web4 에이전트 경제: 지형, 과제 및 기회에 관한 대규모 실증 연구
자율 에이전트가 경제 주체로 활동하는 Web4 생태계의 현황과 인프라 과제를 분석한 대규모 실증 연구입니다. 수억 건의 트랜잭션과 MCP 프로젝트 등을 분석하여 기계 간 결제 경제의 성장과 인프라의 미성숙함을 규명했습니다.
TriViewBench: MLLM의 다중 뷰 구조적 추론을 위한 제어된 복잡도 확장
MLLM의 다중 뷰 구조적 추론 능력을 평가하기 위한 새로운 벤치마크인 TriViewBench를 소개합니다. 18개 모델을 평가한 결과, 복잡도가 높아질수록 성능이 급격히 저하되며 특히 전역적 복구 작업에서 심각한 성능 붕괴가 나타남을 확인했습니다.
해고 불가능한 안전 커널 (The Unfireable Safety Kernel): AI 에이전트 및 기타 탈출 가능한 AI 시스템을 위한 실행
AI 에이전트가 시스템 제어권을 탈취하는 '탈출 가능성' 문제를 해결하기 위해, 런타임 내부가 아닌 외부 아키텍처 수준에서 제어하는 'Unfireable Safety Kernel'을 제안합니다. Rust 기반의 이 커널은 프로세스 분리와 페일 클로즈 속성을 통해 에이전트의 권한 남용을 원천 차단합니다.
자연스러운 언그로킹 (Natural Ungrokking): 사전 학습 중 어떤 규칙이 살아남는지에 대한 비대칭적 제어
사전 학습 과정에서 특정 규칙이 학습되었다가 다시 사라지는 '자연스러운 언그로킹(Natural Ungrokking)' 현상을 분석한 연구입니다. 모델의 손실 곡선 변화 없이도 코퍼스의 통계적 빈도에 따라 규칙의 생존 여부가 결정됨을 밝혀냈습니다.
모델 포렌식(Model Forensics): 우려스러운 행동이 정렬 불량(Misalignment)을 반영하는지에 대한 조사
모델의 우려스러운 행동이 단순한 오류인지 아니면 악의적인 정렬 불량인지 조사하는 '모델 포렌식' 프로토콜을 제안합니다. CoT 분석과 환경 수정을 통해 행동의 원인을 가설화하고 검증하는 2단계 베이스라인을 제시합니다.
물리 정보 신경망 (PINN) 기반 자기지도 학습을 이용한 레이저 용접 공정의 용입 예측 모델
물리 정보 신경망(PINN)과 자기지도 학습을 결합한 SimPhysNet 알고리즘을 통해 레이저 용접의 용입을 예측하는 연구입니다. 적은 양의 라벨링 데이터만으로도 높은 정확도를 달성하여 산업 현장의 데이터 제약 문제를 해결합니다.
레이저 및 TIG 용접에서 비지도 도메인 적응 (UDA) 기반의 공정 간 용입 상태 예측 알고리즘
레이저 및 TIG 용접 공정 간의 도메인 변화 문제를 해결하기 위해 비지도 도메인 적응(UDA) 프레임워크를 제안합니다. GSDE 전략을 통해 재라벨링 비용 없이도 높은 예측 정확도를 달성하며 공정 간 전이 성능을 크게 향상시켰습니다.
사후 학습(Post-training)에서 간과된 프리 러치(Free Lunch): LLM 에이전트를 위한 진전 우위(Progress
LLM 에이전트를 위한 별도의 보상 모델 학습 없이, RL 사후 학습 과정에서 발생하는 '진전 우위(progress advantage)'를 활용하는 새로운 연구를 소개합니다. 이 방식은 주석이 필요 없고 도메인에 구애받지 않으며, 기존 보상 모델보다 뛰어난 성능을 보여줍니다.
샘플링된 데몬스트레이션을 이용한 온폴리시 자기 증류(On-Policy Self-Distillation)가 출력 다양성을 감소시키는 현상에 대하여
온폴리시 자기 증류(On-policy self-distillation)가 모델의 출력 다양성을 감소시키고 pass@k 성능 향상을 저해하는 현상을 분석합니다. 샘플링된 데몬스트레이션 사용 시 발생하는 복합적인 편향이 모델의 분포를 특정 모드에 집중시켜 다양성을 해친다는 점을 이론적으로 규명했습니다.
교차 임바디먼트(Cross-embodiment) 로봇 조작을 위한 행동 사전 학습 (Action Priors) 학습
VLA 모델의 행동 모듈이 물리적 움직임을 처음부터 학습해야 하는 한계를 극복하기 위해, 움직임 사전 지식(motion priors)을 활용한 2단계 학습 프레임워크를 제안합니다. 1단계에서 행동 궤적을 통해 시간적 움직임 구조를 먼저 학습한 후, 이를 VLA 학습으로 전이하여 수렴 속도와 성공률을 높였습니다.
희소하고 불완전한 2D 앵커에서 일관된 3D Gaussian 거리 장면으로: 지원 인식 외관 (Support-Aware Appearance)
희소하고 불완전한 2D 앵커로부터 일관된 3D Gaussian 거리 장면을 생성하는 새로운 연구를 소개합니다. 교사 상대 외관 잔차 증류 기술을 통해 노이즈를 억제하고 뷰 간 일관성을 확보하며, 편집된 뷰에서도 높은 콘텐츠 보존력을 보여줍니다.
그녀는 자신의 1억 달러 규모 AI 스타트업이 Claude Code 내의 운영 체제(Operating System)를 통해 어떻게 완전히
1억 달러 규모의 AI 스타트업이 Claude Code를 활용하여 기업 운영 체제(Company OS)를 구축하고 운영하는 방법론을 다룹니다. 에이전트 파이프라인 구축, Slack 자동화, AI 성숙도 단계 등 실질적인 AI 에이전트 활용 전략을 설명합니다.
Anthropic의 주장: Alibaba가 Qwen을 학습시키기 위해 Claude를 대규모로 증류(distill)하고 있음 (Bloomberg
Anthropic은 Alibaba 측 운영자들이 약 25,000개의 계정을 이용해 Claude의 데이터를 불법적으로 수집하고 있다고 주장했습니다. 이들은 소프트웨어 엔지니어링 및 에이전트 추론 역량을 학습시키기 위한 '적대적 증류' 캠페인을 벌이고 있다는 입장입니다.
신입 3개월 차, AI와 함께 만든 '실시간 대전 타이핑 게임' ── 자체 제작 로마자 판정 엔진과 서버 권위 설계
신입 엔지니어가 AI를 페어 프로그래밍 파트너로 활용하여 실시간 일본어 타이핑 대전 게임을 개발한 사례입니다. WebSocket을 이용한 실시간 동기화와 치트 방지를 위한 서버 권위(Server Authority) 설계, 그리고 라이브러리 없이 직접 구현한 로마자 판정 엔진의 핵심 로직을 다룹니다.
【일본산 AI】 Sakana Fugu가 놀라운 이유 ―― 「멀티 에이전트를 ‘하나의 모델 API’로 판매한다’는 발상
Sakana AI가 출시한 Sakana Fugu는 여러 LLM을 하나의 API로 묶어 멀티 에이전트 오케스트레이션을 제공하는 서비스입니다. 시스템이 태스크에 맞춰 모델의 역할과 조합을 스스로 학습하여 최적의 성능을 구현합니다.
🚨 Fable 5 주의 깊게 살펴보기
AWS Bedrock 문서에 Claude Fable 5 모델 정보가 다시 등장하며 새로운 모델 출시 가능성이 제기되었습니다. 현재 모델 라이프사이클이 'Active'로 표시되는 등 긍정적인 신호가 포착되고 있습니다.
GLM-5.2 (Max)는 어떻게 Code Arena: Frontend의 정점에 올랐는가?
GLM-5.2 (Max) 모델이 Code Arena: Frontend 벤치마크에서 압도적인 성능을 기록하며 최상위권에 올랐습니다. Claude Opus 변체들을 포함한 주요 모델들과의 대결에서 높은 승률을 보이며 프론트엔드 개발 역량을 입증했습니다.
Croc: 도메인 특화 엔드투엔드 오픈 소스 실리콘을 통한 차세대 칩 설계자 교육
Croc는 RISC-V 플랫폼을 기반으로 한 엔드투엔드 오픈 소스 SoC 설계 및 제작 흐름을 제공합니다. 폐쇄형 EDA 도구 대신 오픈 소스 IP와 PDK를 활용하여 도메인 특화 칩 설계 교육을 가능하게 합니다.
Claude Code 2.1.191 출시
Claude Code 2.1.191 버전이 출시되었습니다. 이번 업데이트에서는 대화 맥락을 복구하는 /rewind 기능과 백그라운드 에이전트 상태 유지 기능이 추가되었습니다.
이 피드 구독하기
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.