Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
X @huggingpapers (검증됨) 451건필터 해제
X요약
Fine-tuning increases hallucinations
새로운 연구에 따르면, SFT(Supervised Fine-Tuning)와 같은 미세 조정 과정은 모델의 사전 학습 지식을 방해하여 사실적 오류(환각)를 유발할 수 있습니다. 이 문제를 해결하기 위해 저자들은 자기 증류(self-distillation) 기법을 제안하여 출력 분포를 정규화하고, 선택적 파라미터 고정(selective parameter freezing)을 적용하여 성능 유지와 환각 감소를 동시에 달성하는 방법을 제시했습니다.
5월 4일11
X요약
UniVidX: 다양한 비디오 생성을 위한 통합 다중 모달 프레임워크
UniVidX는 RGB, 본질적 맵(intrinsic maps), 알파 채널 등 다양한 모달리티를 통합하여 모든 방향의 비디오 생성을 가능하게 하는 통일된 다중 모달 프레임워크입니다. 이 프레임워크는 확산 사전 지식과 확률적 조건 마스킹을 활용하며, SIGGRAPH 2026에 제출된 연구 결과물로, 비교적 적은 양의 데이터(1,000개 미만 비디오)만을 사용하여 높은 성능을 입증했습니다.
5월 4일13
X요약
배포 중 학습: 일반적 로봇 정책용 플릿 규모 강화학습
본 기술 기사는 로봇 배포를 연속적인 학습 루프로 전환하는 새로운 프레임워크에 대해 다룹니다. 이 프레임워크는 실제 세계 경험을 활용하여 로봇 정책을 개선하고, 차원술(dexterity)과 같은 복잡한 능력을 개발합니다. 특히 16개의 듀얼 암 로봇을 사용하여 장기 임무에서 높은 성공률(95%)을 달성하는 것이 주요 성과입니다.
5월 4일8
X요약
Web2BigTable: 인터넷 규모의 정보 추출을 위한 자기 진화 양단계 다중 에이전트 프레임워크
Web2BigTable은 인터넷 규모의 방대한 정보를 추출하기 위해 설계된 자기 진화 양단계 다중 에이전트 프레임워크입니다. 이 시스템은 오케스트레이터와 워크서라는 두 가지 역할을 가진 에이전트들이 공유 작업 공간에서 상호 협력하며 광범위하고 심층적인 검색 작업을 수행합니다. 이를 통해 기존의 정보 추출 모델 대비 WideSearch 및 XBench-DeepSearch 등 주요 벤치마크에서 현저히 높은 성능 향상을 입증했습니다.
5월 4일10
X요약
논문: GenLIP - 고해상도 이미지 생성을 위한 새로운 접근법
GenLIP은 고해상도 이미지 생성을 위한 새로운 접근 방식을 제시하는 논문입니다. 이 방법론은 기존의 한계를 극복하고 더욱 선명하고 디테일한 이미지를 생성할 수 있도록 설계되었습니다. 이를 통해 사용자들은 높은 품질의 사실적인 이미지를 효율적으로 얻을 수 있게 됩니다.
5월 4일17
X요약
UniVidX: 고해상도 비디오 생성 모델 소개
UniVidX는 고해상도 비디오 생성을 목표로 하는 최신 모델입니다. 이 모델은 높은 품질과 해상도를 유지하면서 일관성 있는 비디오 콘텐츠를 생성할 수 있도록 설계되었습니다. 관련 논문, 사용 가능한 모델 가중치, 그리고 코드가 모두 공개되어 있어 연구 및 실제 개발에 활용하기 용이합니다.
5월 4일15
X요약
ByteDance GenLIP 공개: ViT이 언어 토큰을 시각 토큰에서 직접 예측하는 미니멀리스트 생성 사전학습 프레임워크
ByteDance가 Vision Transformer(ViT)를 활용하여 시각 토큰에서 직접 언어 토큰을 예측하는 미니멀리스트 생성 사전학습 프레임워크인 GenLIP을 공개했습니다. 이 프레임워크는 단일 자기회귀적 목표만을 사용하여 훈련되며, 기존 방식 대비 적은 양의 데이터(80억 개)만으로도 뛰어난 성능 개선을 보여주었습니다.
5월 4일7
X요약
13 개 모달 평가: Claude Opus 4.6 (66.7%), GPT-5.4 (63.8%), Gemini 3.1 Pro (53.3%)
최근 벤치마크 평가에 따르면 Claude Opus 4.6이 66.7%로 가장 높은 점수를 기록하며 선두를 차지했습니다. GPT-5.4는 63.8%, Gemini 3.1 Pro는 53.3%의 순위를 보였습니다. 이 결과는 모델들이 'workspace repair'와 같은 특정 영역에서는 상당한 발전을 이루었으나, HR, 재무(finance), 그리고 다중 시스템 오케스트레이션과 같은 복잡하고 통합적인 업무 처리 능력에는 여전히 해결해야 할 과제가 남아있음을 시사합니다.
5월 4일10
X요약
NVIDIA 가 Hugging Face 에서 AETC 를 출시했습니다
NVIDIA가 Hugging Face 플랫폼에 AETC(Physical AI Traffic Anomaly Reasoning) 데이터셋을 출시했습니다. 이 데이터셋은 44,000개의 다중 작업 비디오 어노테이션과 교통 이상 탐지를 위한 체인 오브 스로프 추론 기능을 포함하고 있습니다. 이는 AI City Challenge 2026의 트랙 3 및 비디오 이상 탐지 연구에 최적화된 자료입니다.
5월 4일6
X요약
Edit-R1: 이미지 편집을 위한 추론 검증기 기반 강화학습
Edit-R1은 단순 점수 평가를 넘어, 지시사항을 검증 가능한 원칙으로 분해하는 체인 오브 스캣(Chain-of-Thought) 검증기를 활용하여 이미지 편집을 수행하는 새로운 방법론입니다. 이 모델은 GRPO(Generalized Reward Policy Optimization)를 사용하여 미세한 보상(fine-grained rewards) 기반으로 편집 모델을 훈련시키며, 기존의 Seed-1.5-VL보다 성능이 우수하고 최대 7B 규모까지 확장 가능합니다.
5월 4일4
X요약
NVIDIA 가 Hugging Face 에 AETC 를 출시했습니다
NVIDIA가 Hugging Face 플랫폼에 AETC(Automated Edge Traffic Computing)를 출시했습니다. 이 모델은 교통 이상 탐지(traffic anomaly detection)와 같은 복잡한 작업을 수행하기 위해 체인 오브 싱크 추론(chain-of-thought reasoning)을 포함하고 있습니다. 총 44,000개의 다중 작업 비디오 어노테이션 데이터셋을 기반으로 구축되어 실제 환경에서의 높은 성능을 기대할 수 있습니다.
5월 4일6
X요약
SketchVLM 을 통해 비전 모델이 이미지 위에 직접 설명을 그릴 수 있게 됨
SketchVLM은 비전 모델이 단순히 텍스트로 답변하는 것을 넘어, 이미지 위에 직접 설명을 스케치하여 시각적으로 추론 과정을 보여줄 수 있게 하는 기술입니다. 이 모델은 SVG 오버레이를 생성하여 추론 과정을 시각화하며, 이를 통해 시각적 추론 작업의 정확도를 크게 향상시킵니다. 특히 별도의 훈련 과정 없이(Training-free) 어떤 비전 모델에도 적용할 수 있는 범용적인 방식이라는 것이 큰 장점입니다.
5월 3일8
X요약
ExoActor: 상상력을 통한 로봇 교육
ExoActor는 작업 수행의 타자적(third-person) 비디오를 생성하고 이를 실제 휴머노이드 행동으로 변환할 수 있는 혁신적인 프레임워크입니다. 이 시스템은 추가적인 실세계 데이터 수집 없이도 새로운 시나리오로 확장 가능하여 로봇 교육 및 시뮬레이션 분야에 큰 잠재력을 제공합니다.
5월 3일9
X요약
ExoActor: 상상을 통한 로봇 교육
ExoActor는 3인칭 비디오를 생성하여 이를 실제 휴머노이드 행동으로 변환할 수 있는 프레임워크입니다. 이 시스템은 추가적인 실세계 데이터 수집 없이도 새로운 시나리오로 확장 가능하다는 장점을 가집니다. 따라서 상상력을 기반으로 로봇의 교육 및 훈련에 활용될 수 있습니다.
5월 3일9
X요약
Paper: https://huggingface.co/papers/2604.22875… Demo:
이 기술 기사는 'SketchVLM'이라는 새로운 Vision-Language Model(VLM)을 소개합니다. 이 모델은 사용자가 손으로 그린 스케치나 다이어그램 같은 비정형적인 시각 자료를 입력받아, 이를 이해하고 상세한 설명이나 코드로 변환하는 능력을 갖추고 있습니다. 특히 복잡하거나 추상적인 개념이 담긴 스케치를 높은 정확도로 해석하여 실제 애플리케이션 개발에 활용할 수 있도록 지원합니다.
5월 3일9
X요약
RoundPipe
RoundPipe는 단일 24GB GPU 환경에서 대규모 언어 모델(LLM)의 효율적인 파인튜닝을 가능하게 하는 기술입니다. 이 기술은 64K 이상의 긴 컨텍스트 길이를 지원하며, 32B 모델의 풀 파인튜닝 또는 235B 모델의 LoRA 파인튜닝을 수행할 수 있습니다. 특히, 동적 라운드 로빈 방식으로 단계 분배를 최적화하여 파이프라인 버블을 최소화함으로써 기존 대비 1.5~2.2배의 속도 향상을 제공합니다.
5월 3일13
X요약
RoundPipe: 강화학습 (RL) 을 위한 원형 데이터 파이프라인
RoundPipe는 강화학습(RL) 워크플로우를 위한 원형 데이터 파이프라인을 제공하는 도구입니다. 이 시스템은 RL 실험의 핵심 단계인 환경 설정, 데이터 수집, 모델 학습 및 평가 과정을 체계적으로 관리하고 자동화합니다. 이를 통해 연구자들이 복잡한 RL 실험 설계를 보다 효율적이고 재현 가능하게 수행할 수 있도록 지원하여, RL 연구의 생산성을 크게 향상시킵니다.
5월 3일12
X요약
마이크로소프트, Hugging Face 에서 DELULU FIM 벤치마크 공개
마이크로소프트가 Hugging Face에 DELULU FIM 벤치마크를 공개하며, 코드 언어 모델의 중간 삽입(fill-in-the-middle) 능력을 평가할 수 있는 새로운 데이터셋을 제공했습니다. 이 발표는 시각 생성 분야가 다음 단계로 진입하고 있음을 시사하며, 단순한 외모 재현을 넘어 구조와 인과관계에 초점을 맞춘 에이전틱 월드 모델링으로의 진화를 강조합니다.
5월 2일11
X요약
인터랙티브 웹사이트에는 논문을 탐구하는 기능과 퍼즐 재구성 같은 스트레스 테스트가 포함되어 있습니다.
이 기사는 인터랙티브 웹사이트가 단순한 시각적 결과물 제시를 넘어, 모델의 구조적 취약점을 테스트하는 심층적인 기능을 포함하고 있음을 설명합니다. '논문 탐구(paper explorers)'나 '퍼즐 재구성(jigsaw reconstruction)' 같은 스트레스 테스트는 모델이 겉보기에는 정확해 보여도 내부적으로는 오류가 발생할 수 있는 순간을 찾아내는 데 사용됩니다.
5월 2일11
X요약
Co-Evolving Policy Distillation (CoPD)
Co-Evolving Policy Distillation (CoPD)은 텍스트, 이미지, 비디오 추론 능력을 통합하면서도 기존의 능력을 상실하지 않도록 설계된 새로운 포스트-트레이닝 패러다임을 제시합니다. 이 방법은 양방향 온-폴리시 디스틸레이션(bidirectional on-policy distillation)을 지원하는 병렬 전문가 훈련을 핵심으로 합니다.
5월 2일20