Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
XAI 번역요약
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 5일10
XAI 번역요약
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 5일12
XAI 번역요약
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 5일8
XAI 번역요약
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 5일9
XAI 번역요약
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 5일10
XAI 번역요약
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 5일11
XAI 번역요약
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 5일12
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
XAI 번역요약
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 4일8
XAI 번역요약
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
XAI 번역요약
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
XAI 번역요약
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 4일9
XAI 번역요약
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
XAI 번역요약
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
XAI 번역요약
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
XAI 번역요약
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
XAI 번역요약
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
XAI 번역요약
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 4일7
XAI 번역요약
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