C에서 관용적인 Rust로: 테세우스의 배와 같은 에이전트 기반 번역

C 언어 코드베이스를 안전한 Rust로 전환하기 위해 에이전트 기반 AI를 활용하는 새로운 마이그레이션 방법론을 제안합니다. 비관용적 Rust를 먼저 생성한 후, AI 에이전트가 이를 점진적으로 관용적인 Rust 코드로 재작성하며 검증하는 워크플로우를 다룹니다.

CodeShrink: 효율적인 멀티모달 코드 이해를 위한 적응형 시각적 압축

CodeShrink은 멀티모달 거대 언어 모델(MLLMs)의 코드 이해 효율을 높이기 위한 적응형 시각적 압축 프레임워크입니다. 공백 제거 렌더링, 강화학습 기반의 적응형 설정, 지시 사항 인식 토큰 선택을 통해 시각적 토큰 사용량을 최대 71.2%까지 절감합니다.

오픈 소스 LLM 기반 형식 검증: RTL 수정을 위한 멀티 에이전트 파이프라인

LLM과 오픈 소스 형식 검증 도구를 결합하여 RTL 설계를 자동으로 수정하는 멀티 에이전트 파이프라인을 제안합니다. 반례 유도 반복 방식을 통해 수학적 증명과 함께 하드웨어 버그를 탐지하고 수정하는 연구 결과를 담고 있습니다.

WitCert: KV-Cache 양자화(Quantization)를 위한 건전한 런타임 리스크 관측성 및 게이팅(Gating)

KV-Cache 양자화 과정에서 발생하는 런타임 리스크를 실시간으로 관측하고 관리할 수 있는 WitCert 프레임워크를 제안합니다. 이 시스템은 수학적으로 증명 가능한 상한선을 통해 양자화로 인한 정보 손실을 측정하고, 필요 시 품질을 복구하는 게이팅 메커니즘을 제공합니다.

멀티 파티션 NUMA GPU에서의 LLM 커널 액세스 및 메모리 상호작용 특성 분석

멀티 파티션 NUMA GPU 환경에서 LLM 커널의 메모리 액세스 및 데이터 상호작용 특성을 분석한 연구입니다. 메모리 트레이스 분석과 시뮬레이션을 통해 워크그룹 간 데이터 공유 패턴을 분류하고, 지연 시간 최적화를 위한 다양한 스케줄링 전략을 제안합니다.

RTLCurator: RTL 생성을 위한 레이블 효율적 데이터 큐레이션

RTL 코드 생성을 위한 LLM 학습 데이터의 품질을 높이는 RTLCurator를 제안합니다. 단순히 정확성만으로 데이터를 필터링하는 대신, 동작 인식 호환성을 학습하여 데이터의 구조적 풍부함과 정렬을 유지하며 효율적인 데이터 큐레이션을 수행합니다.

MiniMax M3.1 — 벤치마크와 출시일 없는 새로운 모델 예고 — 마이그레이션 전 확인해야 할 사항

MiniMax의 차세대 모델 M3.1에 대한 프리뷰 정보가 공개되었으나, 구체적인 벤치마크나 출시일 등 검증 가능한 데이터가 부족합니다. 따라서 기술적 의사결정 시 검증된 M3를 기준으로 삼고, M3.1은 실제 결과물이 나올 때까지 관찰 대상으로 유지할 것을 권고합니다.

AI는 샌드박스를 돌파했다. 하지만 목적을 돌파한 것은 아니다

프론티어 모델(Frontier models)의 규모는 어느 정도인가?

지능 지수, 추론 벤치마크, API 가격, 컴퓨팅 트렌드 및 전문가 설문 조사를 통해 프론티어 모델의 규모를 분석합니다.

하이브리드 양자-고전 파이프라인을 활용한 순환 제조 공급망의 자기지도 학습 기반 시계열 패턴 마이닝

순환 제조 공급망의 복잡한 시계열 패턴을 분석하기 위해 자기지도 학습과 양자 컴퓨팅을 결합한 하이브리드 파이프라인을 제안합니다. 기존 지도 학습의 한계를 극복하고 고차원 상태 공간을 효율적으로 탐색하는 연구 과정을 다룹니다.

DeepSeek V4 Flash를 위해 KV Cache를 양자화해서는 안 되는 이유

DeepSeek V4 Flash 모델 사용 시 KV Cache를 Q8로 양자화할 경우 발생하는 품질 저하를 분석했습니다. PPL, KLD, 토큰 확률 변화를 통해 Qwen 397B 모델과 비교했을 때 DS4F의 양자화 민감도가 매우 높음을 입증했습니다.

Kimi K3 심층 분석 — 2.78조 파라미터 오픈 웨이트 (Open-Weight) 모델의 아키텍처, 학습 및 벤치마크

Moonshot AI의 Kimi K3 모델에 대한 심층 기술 분석입니다. 2.78조 파라미터 규모의 오픈 웨이트 모델로서 아키텍처 혁신, 학습 안정성 기법, 벤치마크 성능을 다룹니다.

Karpathy의 펠리컨

AI 모델의 성능 평가 방식과 물리적 세계 이해 능력에 대한 비판적 시각을 다룹니다. 단순 이미지 생성을 넘어 공간 추론과 물리 법칙을 이해하는 새로운 평가 과제의 필요성을 강조하며, LLM의 코드 생성 능력이 실제 물리적 직관을 증명하는지 분석합니다.

중국 편향성을 평가한 29개의 오픈 소스 LLM

중국 LLM의 정치적 편향성을 정량적으로 평가하기 위한 CCPBench를 소개합니다. 29개의 오픈 소스 모델을 대상으로 정치, 지리, 과학 분야의 질문을 던져 Gemini 1.5 Flash를 통해 편향성을 측정했습니다.

MIT, 35피트 거리에서 아이의 얼굴을 읽는 500대의 AI 카메라 설치

MIT가 500대의 AI 카메라를 배치하여 실시간 얼굴 인식 및 행동 분석 시스템을 구축했습니다. 이는 단순한 영상 저장을 넘어 대규모 실시간 추론과 생체 인식 기술의 기술적·윤리적 도전 과제를 제시합니다.

EdgeRazor: 혼합 정밀도 양자화 인식 증류 (Mixed-Precision Quantization-Aware Distillation)를

EdgeRazor는 엔트로피 가이드 증류를 활용하여 저비트 및 혼합 정밀도 환경에서 모델 성능을 극대화하는 새로운 양자화 기술입니다. 기존 QAT보다 효율적이면서도 매우 낮은 비트(최저 1.88비트)에서도 교사 모델의 역량을 효과적으로 보존합니다.

CLIP은 레이블이 아닌 캡션으로부터 학습한다 — 두 개의 인코더, 하나의 공유 공간, 그리고 대각선이 승리해야 하는 N×N 행렬

CLIP은 고정된 레이블 대신 웹상의 이미지-캡션 쌍을 활용하여 대조 학습(Contrastive Learning)을 수행하는 모델입니다. 두 개의 인코더를 하나의 공유 임베딩 공간으로 정렬하여 이미지와 텍스트 간의 유사도를 극대화하는 원리를 설명합니다.