Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
XAI 번역요약
새로운 의미-음향 오토인코더(semantic-acoustic autoencoder), 초고속 추론을 위한 적대적 사후
Stability AI가 새로운 의미-음향 오토인코더 기술을 도입한 Stable Audio 3 Medium Base 모델을 공개했습니다. 이 모델은 적대적 사후 학습을 통해 초고속 추론을 지원하며, 인페인팅 및 LoRA 미세 조정 기능을 포함하고 있습니다.
5월 20일1
XAI 번역요약
Stability AI가 Hugging Face에 Stable Audio 3를 출시했습니다
Stability AI가 Hugging Face를 통해 Stable Audio 3 모델군을 출시했습니다. 이 모델은 가변 길이의 오디오 생성 및 편집을 지원하는 빠른 잠재 확산 모델(latent diffusion models) 기반의 기술입니다. 사용자는 단 몇 초 만에 수 분 분량의 고품질 음악과 음향 효과를 생성할 수 있습니다.
5월 20일0
XAI 번역요약
시각이 소리를 대변할 때
비디오 지원 MLLMs가 실제 오디오를 분석하는 대신 시각적 정보에만 의존하여 소리를 잘못 추론하는 현상을 다룹니다. 이러한 현상은 모델이 시각적 단서로부터 오디오를 환각하는 '오디오-비주얼 Clever Hans 효과'로 정의됩니다.
5월 20일1
XAI 번역요약
Stability AI의 SAM-E 모델 및 관련 논문
Stability AI가 텍스트-오디오 생성, 오디오 편집 및 인페인팅을 지원하는 SAM-E 모델을 공개했습니다. 이 모델은 Stable Audio 3와 함께 사용되어 더욱 정교한 오디오 작업이 가능하도록 설계되었습니다.
5월 20일1
XAI 번역요약
CoRD: 긴 사고 사슬 (Long Chain-of-Thought) 증류를 위한 협력적 다중 교사 디코딩 프레임워크
CoRD는 긴 사고 사슬(Long Chain-of-Thought) 추론 과정을 증류하기 위한 협력적 다중 교사 디코딩 프레임워크입니다. 여러 개의 서로 다른 거대 추론 모델(LRMs)이 단계별로 고품질의 추론 궤적을 공동 구축할 수 있도록 설계되었습니다. 효율적인 작업을 위해 퍼플렉시티 가이드 빔 서치(Perplexity-guided beam search) 기술을 활용합니다.
5월 20일1
XAI 번역요약
NVIDIA Research, LongLive-2.0 공개
NVIDIA Research가 긴 비디오 생성을 위한 최초의 NVFP4 기반 병렬 인프라인 LongLive-2.0을 공개했습니다. W4A4 양자화 기술을 적용하여 Blackwell GPU 환경에서 훈련 속도를 2.15배 향상시켰으며, 45.7 FPS의 추론 성능을 제공합니다.
5월 20일1
XAI 번역요약
ByteDance Seed가 Hugging Face에 SimArt를 출시했습니다: 창의적 및 생성적 애플리케이션을 위한 새로운 모델
ByteDance Seed가 Hugging Face를 통해 새로운 모델인 SimArt를 출시했습니다. 이 모델은 창의적이고 생성적인 애플리케이션 개발을 목적으로 설계되었습니다.
5월 20일1
XAI 번역요약
ByteDance, 3B 규모의 통합 멀티모달 모델 Lance 출시
ByteDance가 이미지와 비디오의 이해, 생성, 편집을 하나의 프레임워크로 수행할 수 있는 3B 규모의 통합 멀티모달 모델 Lance를 출시했습니다. 이 모델은 MoE(Mixture-of-Experts) 구조를 활용하여 3B의 활성 파라미터만으로도 7B 이상의 모델을 능가하는 성능을 보여줍니다.
5월 20일1
XAI 번역요약
Video LLM의 프레임 스케일링(Frame Scaling) 문제로 여전히 고민 중이신가요? LiteFrame를 소개합니다.
Google DeepMind에서 연구한 LiteFrame은 Video LLM의 프레임 스케일링 문제를 해결하기 위한 매우 효율적인 비디오 인코더를 제안합니다. 이 기술은 효율적인 비전 인코더를 통해 Video LLM이 더 많은 프레임을 처리할 수 있도록 지원합니다.
5월 20일1
XAI 번역요약
자동 연구를 위한 AI: 로드맵 및 사용자 가이드 — 아이디어 생성부터 전파까지 전체 연구 생애 주기에 걸친 250개 이상의 논문을 매핑한 첫
아이디어 생성부터 논문 전파에 이르는 연구 생애 주기 전반을 다루는 'AI for Auto-Research'에 관한 첫 번째 조사 연구입니다. 250개 이상의 관련 논문을 분석하여 AI가 연구 과정에서 제공하는 신뢰할 수 있는 보조와 신뢰할 수 없는 자율성 사이의 경계를 식별합니다.
5월 20일0
XAI 번역요약
저희의 서베이(Survey)를 소개해 주신 @HuggingPapers에 감사드립니다!
본 연구는 아이디어 생성부터 문헌 검토, 작성, 검증, 전파에 이르는 전체 연구 생애 주기를 다루는 250개 이상의 AI 자동 연구(AI Auto-Research) 관련 논문을 매핑한 첫 번째 서베이입니다. 연구 과정에서 AI가 제공하는 신뢰할 수 있는 보조와 신뢰할 수 없는 자율성 사이의 경계를 식별하는 데 중점을 둡니다.
5월 20일1
XAI 번역요약
KVPO: 자기회귀 비디오 정렬을 위한 ODE 기반 GRPO
KVPO는 스트리밍 자기회귀 비디오 생성기를 정렬하기 위해 ODE 기반의 GRPO 방식을 도입한 기술입니다. 인과적-의미적 KV 캐시 탐색과 속도장 대리 정책을 활용하여 단기 및 장기 비디오 생성 시 시각적 품질과 텍스트-비디오 정렬 성능을 동시에 향상시킵니다.
5월 20일0
XAI 번역요약
코드 및 가중치, 프로젝트 페이지, 논문 정보
KVPO 프로젝트의 코드, 가중치, 프로젝트 페이지 및 관련 논문 정보를 제공합니다. Hugging Face를 통해 모델 가중치와 논문을 확인할 수 있으며, 상세한 프로젝트 내용은 공식 웹사이트에서 확인할 수 있습니다.
5월 20일1
XAI 번역요약
CogOmniControl: 창의적 의도 인지를 통한 추론 기반 비디오 생성
Tencent 연구진이 창의적 의도 인지와 제어 가능한 생성을 결합한 새로운 비디오 생성 프레임워크인 CogOmniControl을 발표했습니다. 이 프레임워크는 특화된 VLM을 활용하여 스토리보드와 같은 추상적인 조건을 처리하고 추론 기반의 비디오 생성을 가능하게 합니다.
5월 20일1
XAI 번역요약
논문: https://huggingface.co/papers/2605.04523... 7B 모델:
SemEval-2026 Task 8 우승팀인 RaguTeam이 GPT-4o-mini를 활용하여 인스턴스당 7개의 다양한 LLM으로 1위를 차지하며, 기존의 거대 모델들(120B)을 능가하는 성과를 보여주었습니다. 이들은 또한 대형 모델들과 경쟁할 수 있는 경량화된 7B 전문 모델인 Meno-Lite-0.1을 공개했습니다.
5월 12일8
XAI 번역요약
논문: https://huggingface.co/papers/2605.06376... 사전 학습 모델:
알리바바 연구진이 '연속 시간 분포 매칭(Continuous-Time Distribution Matching)' 기법을 소개하며, 기존 DMD를 이산 최적화에서 연속 최적화 방식으로 발전시켰습니다. 이 새로운 접근 방식은 온라인으로 최고 수준의 품질을 달성할 수 있게 하여, 4단계 만에 고화질 이미지를 생성하는 것을 가능하게 했습니다.
5월 12일7
XAI 번역요약
CDM: 단 4단계 만에 고화질 이미지 생성
Alibaba 연구진이 Continuous-Time Distribution Matching (CDM)이라는 새로운 기술을 발표했습니다. 이 방법은 기존의 DMD(Discrete-Time Distribution Matching)를 연속 최적화로 발전시켜, GAN이나 보상 모델 없이도 단 4단계의 노이즈 제거 단계(NFE)만으로 최고 수준의 고화질 이미지를 생성할 수 있게 했습니다. 이를 통해 더욱 선명한 질감과 세밀한 디테일을 구현하는 것이 가능해졌습니다.
5월 11일5
XAI 번역요약
Skill1
Skill1은 단일 정책을 사용하여 공유된 보상 신호로부터 스킬을 동시에 선택하고 활용하며 증류(distill)하는 통합 프레임워크를 제공합니다. 이를 통해 언어 에이전트가 지속적인 스킬 라이브러리를 구축할 수 있게 합니다. 또한, ByteDance Seed는 글로벌 의미론적 조직과 로컬 텍스트 구현을 분리한 계층적 잠재 확산 언어 모델(DLM)인 Cola DLM을 제시하며, 이는 다양한 벤치마크에서 강력한 성능을 보여줍니다.
5월 9일14
XAI 번역요약
Paper: https://huggingface.co/papers/2605.06416… Bridging cognitive insights
이 논문은 메모리 기반의 대규모 언어 모델(LLM) 추론을 위한 실용적인 시스템 설계를 제시하며, 인지적 통찰력을 다루고 있습니다. 핵심 목표는 단순히 모델 성능 향상을 넘어, 인간의 기억 메커니즘과 유사하게 정보를 저장하고 활용하여 LLM이 더 깊고 일관성 있는 추론을 수행하도록 하는 것입니다. 이를 위해 메모리 관리와 검색 증강 생성(RAG) 시스템을 통합하는 새로운 프레임워크를 제안합니다.
5월 9일12
XAI 번역요약
Direct Corpus Interaction (DCI)
Direct Corpus Interaction (DCI)는 기존의 임베딩 모델과 벡터 인덱스를 사용하는 리트리버 방식의 한계를 극복하는 새로운 검색 접근법입니다. 이 방법은 에이전트가 터미널 도구(grep, find, bash 등)를 직접 사용하여 원본 코퍼스에서 정보를 검색합니다. 실험 결과, BrowseComp-Plus에서는 11%, multi-hop QA에서는 30%의 성능 향상을 입증했습니다.
5월 9일8