Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
XAI 번역요약
Project page: https://hongcanguo.github.io/Cola-DLM/ Paper:
이 프로젝트는 Cola-DLM이라는 이름의 대규모 언어 모델(LLM)에 관한 것입니다. 관련 논문과 프로젝트 페이지가 제공되었으며, 코드와 모델은 추후 Hugging Face 플랫폼을 통해 공개될 예정입니다.
5월 9일11
XAI 번역요약
MARBLE
MARBLE은 다중 보상 학습(Multi-Reward Learning)을 위한 통합 프레임워크입니다. 이 방법론은 확산 모델(Diffusion Models)에 대한 여러 개의 보상 특이 정책 기울기들을 하나의 업데이트 방향으로 조화시키는 것이 핵심입니다. 이를 통해 거의 단일한 보상 비용만으로도 동시에 다중 보상을 훈련하는 것을 가능하게 하여, 효율적이고 효과적인 학습을 지원합니다.
5월 8일12
XAI 번역요약
Paper: https://huggingface.co/papers/2605.05163
이 기술 기사는 'PhysForge'라는 프로젝트를 소개하며, 물리 기반의 지식을 활용하여 모델을 훈련하고 추론하는 새로운 접근 방식을 제시합니다. 이 방법은 단순히 데이터 패턴 학습에 의존하는 기존 AI 모델의 한계를 극복하고, 현실 세계의 근본적인 물리 법칙(예: 역학, 열역학)을 통합함으로써 더욱 정확하고 신뢰성 높은 예측을 가능하게 합니다. PhysForge는 특히 과학적 시뮬레이션이나 복잡한 물리 시스템 분석이 필요한 분야에서 강력한 성능을 발휘할 것으로 기대됩니다.
5월 8일13
XAI 번역릴리즈
ByteDance Seed releases PV-VAE
ByteDance Seed가 부분 컨텍스트를 활용하여 미래 프레임을 재구성하고 예측하는 예측 비디오 VAE(predictive Video VAE)인 PV-VAE를 출시했습니다. 이 모델은 기존 Wan2.2 대비 잠재 확산성을 개선했을 뿐만 아니라, 수렴 속도를 52% 빠르게 하고 FVD 점수를 34.42 향상시키는 성능을 보여주었습니다.
5월 7일14
XAI 번역릴리즈
ByteDance Seed releases PV-VAE
ByteDance Seed가 예측형 비디오 VAE인 PV-VAE를 출시했습니다. 이 모델은 부분 컨텍스트 학습을 통해 미래 프레임을 재구성하고 예측하는 기능을 제공합니다. 특히, 기존 모델 Wan2.2 대비 잠재 공간 확산성을 개선하고 수렴 속도를 52% 빠르게 하며, FVD 점수를 34.42 포인트 향상시키는 성능을 보여줍니다.
5월 7일14
XAI 번역요약
Project page: https:// stream-r1.github.io Paper: https://
이 프로젝트는 Stream-R1이라는 모델을 소개하며, 관련 정보와 논문, 그리고 실제 모델 파일에 대한 링크를 제공합니다. 이 구조는 사용자가 프로젝트의 전반적인 개요(Project page), 학술적 배경(Paper), 그리고 실제로 사용할 수 있는 구현체(Model) 세 가지 핵심 자원을 한 곳에서 쉽게 접근할 수 있도록 구성되어 있습니다.
5월 7일21
XAI 번역요약
Stream-R1: Reward-guided distillation for streaming video generation
Stream-R1은 보상 유도 증류(Reward-guided distillation) 기법을 사용하여 스트리밍 비디오 생성의 품질과 효율성을 높인 연구입니다. 이 모델은 각 픽셀에 균등한 가중치를 부여하는 대신, 프레임 간 상호 신뢰도와 공간-시간적 내부 퍼플렉시티를 활용하여 단일 보상 모델로 가중치를 재분배합니다. 그 결과, 기존의 Wan2.1 교사 모델을 초과하는 성능으로 23.1 FPS 이상의 고속 스트리밍 비디오 생성이 가능함을 보여줍니다.
5월 7일18
XAI 번역요약
Paper: https://huggingface.co/papers/2605.05 185 … Collection: https://huggingface.co/OpenSearch-VL Code: https://github.com/shawn0728/Open Search-VL
제공된 정보는 특정 논문(https://huggingface.co/papers/2605.05 185…)과 이를 활용한 오픈소스 코드 저장소(github.com/shawn0728/Open Search-VL)에 대한 링크 모음입니다. 이 자료들은 'OpenSearch-VL'이라는 프로젝트와 관련되어 있으며, 이는 아마도 시각 언어 모델(Vision-Language Model, VL)과 검색 기능을 결합한 시스템일 것으로 추정됩니다. 사용자는 해당 논문과 코드를 통해 최신 연구 동향을 파악하고 실제 구현에 활용할 수 있습니다.
5월 7일16
XAI 번역요약
OpenSearch-VL: An Open Recipe for Frontier Multimodal Search Agents
OpenSearch-VL은 완전 오픈소스 프레임워크로, 최첨단 멀티모달 검색 에이전트(Multimodal Search Agents)를 훈련할 수 있도록 설계되었습니다. 이 프레임워크는 Agentic RL(강화학습)을 활용하여 커리큘럼 데이터셋 제공, 통합 도구 환경 구축, 그리고 연쇄 실패 처리를 위한 Fatal-aware GRPO 등의 고급 기능을 지원합니다. 이를 통해 다양한 성능 향상을 입증하며 강력한 검색 에이전트 개발의 표준 레시피를 제시합니다.
5월 7일15
XAI 번역요약
Project: https://stream-t1.github.io Paper:
이 기술 기사는 'Stream-T1'이라는 프로젝트를 소개하며, 관련 논문과 코드를 제공합니다. Stream-T1은 특정 분야의 최신 AI 모델 또는 시스템을 다루는 것으로 보이며, 사용자는 공식 웹사이트(Project), 학술 논문(Paper), 그리고 구현 코드(Code) 세 가지 주요 리소스를 통해 이 기술에 접근할 수 있습니다.
5월 7일18
XAI 번역요약
Stream-T1: Test-Time Scaling for Streaming Video Generation
Stream-T1은 스트리밍 비디오 생성에 테스트 타임 스케일링(Test-Time Scaling)을 도입한 프레임워크입니다. 이 기술은 계산 오버헤드를 낮추면서도 5초에서 최대 30초까지의 긴 길이 영상을 생성할 수 있게 합니다. 특히, 청크 레벨 합성(chunk-level synthesis)과 노이즈 전파 및 보상 같은 세 가지 새로운 메커니즘을 활용하여 효율성과 품질을 동시에 개선했습니다.
5월 7일17
XAI 번역요약
OpenSeeker-v2: 단순 감독 학습으로 중공업 파이프라인을 압도
OpenSeeker-v2는 단지 감독 학습(supervised learning)만을 사용하여 중공업 파이프라인을 능가하는 성능을 보여주는 학술 프로젝트입니다. 이 모델은 단 10.6K개의 예제만으로 훈련되었음에도 불구하고, BrowseComp, Humanity's Last Exam, xbench와 같은 주요 벤치마크에서 알리바바의 Tongyi DeepResearch를 포함한 기존 시스템들을 압도하는 성능을 입증했습니다.
5월 6일13
XAI 번역요약
HeavySkill: 에이전트 하네스 내의 무거운 사고 (Heavy Thinking)
HeavySkill은 복잡한 추론 과정을 병렬 궤도 생성과 순차적 성찰로 분해하여, 기존의 Best-of-N 전략을 능가하는 새로운 테스트 시간 스케일링 기법입니다. 이 방법은 Pass@N 성능에 근접하면서도 효율적인 방식으로 모델의 추론 능력을 평가할 수 있게 합니다.
5월 6일5
XAI 번역요약
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
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
XAI 번역요약
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
XAI 번역요약
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
XAI 번역요약
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