Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
X @huggingpapers (검증됨) 451건필터 해제
X요약
Paper: https://huggingface.co/papers/2605.04036, Open-source model:
이 기술 기사는 'OpenSeeker'라는 이름의 대규모 언어 모델(LLM)을 소개하며, 해당 모델은 오픈 소스로 공개되었습니다. OpenSeeker는 30B 매개변수 규모를 가지며, SFT(Supervised Fine-Tuning) 과정을 거쳐 성능이 최적화된 버전입니다. 사용자는 Hugging Face 플랫폼을 통해 이 모델에 접근하고 활용할 수 있습니다.
5월 6일24
X요약
OceanPile: 해양 기반 모델용 대규모 다중 모달 코퍼스
OceanPile은 소나(sonar), 수중 이미지, 과학적 텍스트 등 다양한 해양 데이터를 통합하여 구축된 대규모 다중 모달 코퍼스입니다. 이 데이터셋은 지식 그래프 기반의 파이프라인을 통해 OceanCorpus, OceanInstruction, OceanBench와 같은 세 가지 핵심 구성 요소를 생성합니다. 이를 통해 해양 환경에 특화된 AI 모델 학습 및 평가를 위한 강력한 자원을 제공합니다.
5월 6일13
X요약
OceanPile: 해양 기반 모델용 대규모 다중 모달 코퍼스
OceanPile은 해양 환경에 특화된 대규모 다중 모달 코퍼스를 구축한 프로젝트입니다. 소나(Sonar) 데이터, 수중 이미지, 그리고 과학적 텍스트를 통합하여 OceanCorpus, OceanInstruction, OceanBench라는 세 가지 핵심 자원을 생성합니다. 이 과정은 지식 그래프 안내 파이프라인을 활용하여 해양 기반 AI 모델의 학습 및 평가에 필요한 풍부하고 구조화된 데이터를 제공하는 것을 목표로 합니다.
5월 6일11
X요약
ICML 2026 위치 논문을 통한 답변 또는 회피를 넘어선 제 3 의 길을 제안합니다: 신뢰할 수 있는 AI 의 기초로 충실한 불확실성
이 논문은 ICML 2026에서 발표된 포지션 페이퍼로, 기존의 '답변(answer)' 또는 '회피/불확실성 표명(abstain)'이라는 이분법적 접근 방식을 넘어선 세 번째 길을 제시합니다. 핵심 제안은 AI 시스템에 '충실한 불확실성(faithful uncertainty)' 개념을 통합하여, 이를 신뢰할 수 있는 인공지능(Trustworthy AI)의 근본적인 기반으로 삼는 것입니다.
5월 6일8
X요약
PRISM 은 다중 모달 RL 의 분포적 드리프트를 수정합니다
본 기술 기사는 다중 모달 강화 학습(Multi-modal RL)에서 발생하는 분포적 드리프트 문제를 해결하는 새로운 3단계 파이프라인을 제안합니다. 이 방법은 SFT와 RLVR 사이에 MoE 디스크리미네이터를 삽입하여 정렬 단계를 추가하며, 이를 통해 기존의 표준 SFT-to-RL 방식 대비 Qwen3-VL 모델의 정확도를 크게 향상시키는 결과를 보여줍니다.
5월 6일8
X요약
PRISM (Paper, Code, Models & Data)
PRISM은 논문, 코드, 모델 및 데이터를 통합적으로 제공하는 플랫폼 또는 프로젝트를 의미합니다. 이 프로젝트는 특정 연구 결과(논문)와 이를 구현한 실제 코드, 그리고 사용 가능한 모델과 데이터셋을 한 곳에 모아 사용자들에게 접근성을 높이는 것을 목표로 합니다.
5월 6일20
X요약
논문: 코드, 모델 가중치 및 완전한 훈련 데이터 공개 (OpenFAST 토크나이저 포함)
이 논문은 코드, 모델 가중치, 그리고 완전한 훈련 데이터를 공개합니다. 특히 OpenFAST 토크나이저를 포함하여 저비용에서 중급 비용 플랫폼에 걸친 세 가지 새로운 데이터셋을 제공함으로써 연구의 투명성과 재현성을 크게 높였습니다.
5월 5일8
X요약
AllenAI MolmoAct2: 실제 로봇 배포용 완전 오픈 액션 추론 모델
AllenAI의 MolmoAct2는 실제 로봇 배포 환경에 최적화된 완전 오픈 액션 추론 모델입니다. 이 모델은 720시간이라는 방대한 규모의 오픈 바이만수를 자랑하며, 전문 공간 추론 백본을 통해 지연 시간을 줄이면서도 GPT-5나 Gemini와 같은 대규모 언어 모델(LLM)에 필적하는 적응적 깊이의 추론 능력을 제공합니다.
5월 5일8
X요약
독일어 LLM: 반복이 다양성보다 우수함
독일어 LLM 개발에서, 다양한 소음이 많은 웹 코퍼스보다 반복적이고 고품질의 학습 데이터가 더 효과적인 것으로 나타났습니다. 특히 Boldt 모델은 적은 양의 토큰만으로도 경쟁 모델 대비 최상위 성능을 달성하며 효율성을 입증했습니다.
5월 5일10
X요약
Boltd: 새로운 AI 모델 벤치마크 및 데이터셋 소개
Boltd는 새로운 AI 모델 벤치마크와 데이터셋을 소개하는 프로젝트입니다. 이 플랫폼은 다양한 AI 모델의 성능을 객관적으로 측정할 수 있는 표준화된 환경을 제공하며, 연구자들이 모델 비교 및 개선에 필요한 신뢰성 높은 자원을 제공합니다. 이를 통해 AI 커뮤니티 전체의 모델 평가 기준을 한 단계 끌어올리는 것을 목표로 합니다.
5월 5일9
X요약
LVLMs 의 지속적 시각 기억: 텍스트 히스토리 성장으로부터 시각 검색을 보호하는 병렬 분지
본 기술 기사는 대규모 시각 언어 모델(LVLMs)이 텍스트 히스토리가 길어짐에 따라 발생하는 '시각 신호 희석' 문제를 해결하는 방법을 제시합니다. 이를 위해, 시각 검색 정보를 텍스트 입력의 성장으로부터 독립적으로 보호하는 병렬 분지 구조를 도입했습니다. 이 방법은 Qwen3-VL 모델에 적은 파라미터(28M)만 추가하여도 복잡한 추론을 위한 지속적인 시각 인식 능력을 향상시킬 수 있습니다.
5월 5일9
X요약
PVM: Qwen3-VL-8B 성능 향상 (66.7% → 71.5%)
PVM이라는 새로운 기법을 적용하여 Qwen3-VL-8B 모델의 평균 정확도를 66.7%에서 71.5%로 크게 향상시켰습니다. 이 방법은 최소한의 오버헤드로 복잡한 추론 작업에 필요한 지속적인 시각적 인지 능력을 제공하는 것이 특징입니다.
5월 5일11
X요약
사용자 정의 세그먼트 맵을 통한 3D 세계 레이아웃 및 규모에 대한 정밀한 제어
이 기술은 '사용자 정의 세그먼트 맵(user-defined segment maps)'을 활용하여 3D 환경의 레이아웃과 크기를 매우 정밀하게 제어할 수 있는 방법을 제시합니다. 이를 통해 기존 방식보다 훨씬 높은 수준의 공간적 정확도와 사용자 맞춤형 설정을 구현하는 것이 가능해집니다.
5월 5일7
X요약
Map2World: 임의의 세그먼트 맵과 텍스트에서 3D 월드 생성
Map2World는 임의의 세그먼트 맵과 텍스트 설명을 입력받아 3D 월드를 생성하는 프레임워크입니다. 이 시스템은 광범위한 환경에서도 전역 규모의 일관성을 유지하며, 특히 디테일 엔핸서 네트워크를 통해 장면의 전체적인 일관성을 해치지 않으면서 세밀한 디테일까지 보존할 수 있습니다.
5월 5일8
X요약
올린 AI 가 훅핑 페이스에 새로운 올몰풀 긴 컨텍스트 모델을 출시했습니다
올린 AI가 새로운 올몰풀(OlmPool) 기반의 장문맥 모델을 출시했습니다. 이 모델은 8k에서 14k에 이르는 확장된 컨텍스트 길이에 대한 완전한 학습 체크포인트를 제공하며, 긴 컨텍스트 처리에 중요한 구조적 선택과 그 영향을 심층적으로 다룹니다.
5월 5일8
X요약
Paper page: https:// huggingface.co/papers/2604.23774 ... Demo video: https://
제공된 정보는 특정 연구 논문(arXiv:2604.23774)과 이를 시연하는 데모 비디오 링크만을 포함하고 있습니다. 따라서 이 자료만으로는 구체적인 기술 내용이나 핵심 기능을 파악할 수 없습니다. 일반적으로 이러한 형식의 게시물은 최신 AI 모델, 새로운 알고리즘 또는 연구 결과를 소개하며, 사용자가 해당 논문 페이지와 영상을 통해 상세한 정보를 얻도록 유도합니다.
5월 5일9
X요약
Prox-E: 훈련 없이 세밀한 3D 형상 편집 가능
Prox-E는 별도의 훈련 과정 없이 세밀한 3D 형상 편집을 가능하게 하는 새로운 방법론입니다. 이 기술은 3D 형상을 기하학적 원소로 추상화하고, Vision-Language Models(VLMs)의 도움을 받아 이를 편집합니다. 특히 구조적인 변화를 거치면서도 원래 객체의 정체성을 유지하도록 3D 생성을 안내하는 것이 핵심 특징입니다.
5월 5일11
X요약
Ctx2Skill 이 CL-bench 에서 GPT-4.1 의 해결률을 11.1% 에서 16.5% 로 향상시킴
Ctx2Skill이라는 새로운 기술을 사용하여 GPT-4.1 모델의 CL-bench에서의 문제 해결률을 획기적으로 향상시켰습니다. 기존에는 11.1%에 불과했던 해결률이 Ctx2Skill 적용 후 16.5%로 증가했습니다. 이 연구는 특정 도메인 지식이나 컨텍스트를 효과적으로 모델에 주입하는 방법을 제시하며, LLM의 성능 개선 가능성을 보여줍니다.
5월 5일6
X요약
Ctx2Skill: 자기 진화하는 컨텍스트 스킬
Ctx2Skill은 복잡한 환경에서 다중 에이전트 자기 플레이(self-play)를 활용하여 스스로 스킬을 발견하는 프레임워크입니다. 이 시스템은 인간의 라벨링이나 외부 피드백 없이도 작동하며, 생성된 자연어 스킬들은 임의의 LLM에 플러그인 형태로 연결되어 컨텍스트 학습 능력을 향상시킵니다.
5월 5일5
X요약
Paper: https://huggingface.co/papers/2605.00416 … Project page:
이 논문은 LWD(Learning from World Dynamics)라는 접근 방식을 사용하여 로봇 정책을 학습합니다. LWD는 DIVL과 QAM이라는 기술을 활용하여 성공 사례, 실패 사례, 그리고 인간의 개입 등 다양한 경험으로부터 학습하며, 이를 통해 단일한 범용 정책을 지속적으로 개선할 수 있습니다. 특히 단순히 시연된 데이터(demonstrations)를 모방하는 것을 넘어선 것이 강점입니다.
5월 4일7