Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
XAI 번역요약
GigaChat Audio: 48.3 mIoU로 2시간 분량의 오디오에서 시간적 접지(Temporal grounding) 수행
GigaChat Audio는 GigaAM 인코더와 10B MoE 디코더를 결합한 오픈 소스 오디오 LLM입니다. 2시간 분량의 오디오에서 48.3 mIoU의 성능으로 시간적 접지(Temporal grounding)를 수행할 수 있습니다.
7월 26일1
XAI 번역요약
ByteDance 연구진, FlowMimic 제안
ByteDance 연구진이 마스크 없이 이미지 편집만으로 비디오 편집 데이터를 실시간 생성하는 FlowMimic 프레임워크를 제안했습니다. 단일 1.3B 모델을 통해 추가 모듈 없이 다양한 비디오 편집 작업을 수행할 수 있습니다.
7월 25일0
XAI 번역요약
Open-AoE
Ant Group이 스마트폰으로 수집한 2,000시간 분량의 1인칭 시점 조작 데이터를 공개했습니다. 이 데이터셋은 손 포즈, 카메라 궤적, 원자적 동작 및 모델 학습을 위한 전체 툴체인을 포함합니다.
7월 25일0
XAI 번역요약
Alibaba, Hugging Face에 RynnBrain 1.1 출시
Alibaba가 Hugging Face를 통해 RynnBrain 1.1 모델 제품군을 출시했습니다. 이 모델은 로봇 조작을 위한 인지, 공간 추론, 계획 및 접촉점 예측 등을 지원하는 체화된 파운데이션 모델(Embodied Foundation Models)입니다.
7월 25일1
XAI 번역요약
말하지 말고 보여주세요
이미지 생성 모델의 공간 인지 능력을 평가하기 위한 새로운 벤치마크를 소개합니다. 이 방식은 텍스트 대신 픽셀로 답변하게 하여 모델의 공간 이해도를 측정하며, GPT Image 2가 기존 모델보다 뛰어난 성능을 보임을 입증합니다.
7월 24일1
XAI 번역요약
Tencent의 ReferTrack
Tencent에서 발표한 ReferTrack은 Embodied Visual Tracking을 위한 '참조 후 추적(referring-then-tracking)' 패러다임을 제안합니다. 바운딩 박스로 대상을 먼저 선택한 뒤, 이미지 결정에 기반하여 트래킹 웨이포인트를 디코딩하는 방식입니다.
7월 24일1
XAI 번역요약
AREX: 재귀적으로 자기 개선하는 심층 연구 에이전트 (Deep Research Agents)
BAAI가 재귀적 자기 개선을 통해 심층 연구를 수행하는 에이전트인 AREX를 공개했습니다. 정답을 연구하고 제약 조건에 따라 검증하며, 효과적인 부분을 보존하고 미흡한 점을 개선하는 방식을 채택했습니다.
7월 24일1
XAI 번역요약
K12-KGraph
중국의 K-12 교과서를 기반으로 구축된 커리큘럼 정렬 지식 그래프인 K12-KGraph를 소개합니다. 이 데이터셋은 방대한 노드와 엣지, 질문 벤치마크를 포함하며, Gemini-3-Flash와 같은 모델도 낮은 성능을 보일 만큼 높은 난이도를 자랑합니다.
7월 24일1
XAI 번역요약
Anchor-Align
Anchor-Align은 사전 학습된 VLM의 표현을 보존하면서 언어를 행동과 정렬하는 VLA 미세 조정 방법론입니다. 이를 통해 실제 로봇의 일반화 성능을 기존 28%에서 54%로 크게 향상시켰습니다.
7월 24일0
XAI 번역요약
지식 주입을 위한 새로운 스케일링 법칙 (New scaling laws for knowledge injection)
사실적 말뭉치로부터 LoRA 어댑터를 생성하는 하이퍼네트워크(Hypernetworks)가 기존의 LoRA 및 전체 미세 조정보다 우수한 일반화 성능을 보인다는 연구 결과입니다. 모델의 규모가 커질수록 이러한 성능 격차는 더욱 확대되는 스케일링 법칙을 제시합니다.
7월 23일0
XAI 번역요약
ActiveVision
모델이 반복적인 관찰과 추론을 통해 새로운 시각적 증거를 탐색할 수 있는지 평가하는 새로운 벤치마크인 ActiveVision을 소개합니다. 현재 프론티어 모델들은 인간의 성능에 비해 매우 낮은 점수를 기록하며 시각적 탐색 능력의 한계를 보여줍니다.
7월 23일1
XAI 번역요약
관련성 중심 검색을 넘어서
Tencent Yuanbao가 문서 세트를 9가지 차원에서 종합적으로 평가하는 루브릭 기반 프레임워크인 SetwiseEvalKit과 최적의 세트 선택을 위한 Rubric4Setwise를 제안했습니다.
7월 23일0
XAI 번역요약
Self Gradient Forcing
자기회귀 비디오 모델의 컨텍스트-경사 경로 누락 문제를 해결하는 'Self Gradient Forcing' 학습 전략을 소개합니다. 5초의 짧은 윈도우 학습만으로도 일관성을 유지하며 분 단위의 긴 비디오를 생성할 수 있습니다.
7월 23일1
XAI 번역요약
Ascend에서의 DeepSeek-V4 사후 학습 (post-training)
Ascend 환경에서 진행된 DeepSeek-V4 사후 학습(post-training) 성과를 다룹니다. SLAI T-Rex를 통해 속도를 2.93배 향상시켰으며, 운영 연구 분야에서 GPT-5.4-Mini를 능가하는 성능을 기록했습니다.
7월 23일1
XAI 번역요약
AlayaWorld
AlayaWorld는 실시간 카메라 제어와 프롬프트 전환이 가능한 상호작용형 장기 비디오 세계 모델입니다. 720p 해상도와 24fps를 지원하며, 지속적인 세계 일관성을 유지하는 것이 특징입니다.
7월 23일1
XAI 번역요약
Alibaba 연구진, DiT의 텍스트 템플릿 토큰이 암시적 의미 레지스터 (implicit semantic registers) 역할을 한다는
Alibaba 연구진이 DiT(Diffusion Transformers) 내 텍스트 템플릿 토큰이 암시적 의미 레지스터 역할을 한다는 사실을 발견했습니다. 이를 통해 객체의 정체성을 유지하면서도 추가 학습 없이 어텐션 연산량을 20% 절감할 수 있는 가지치기 규칙을 제안했습니다.
7월 22일1
XAI 번역요약
Microsoft가 Hugging Face에 Fara1.5-27B를 출시했습니다
Microsoft가 Hugging Face를 통해 시각 전용(vision-only) 컴퓨터 사용 에이전트인 Fara1.5-27B를 출시했습니다. 이 모델은 Online-Mind2Web 벤치마크에서 72.3%의 점수를 기록하며 성능을 입증했습니다.
7월 22일1
XAI 번역요약
NVIDIA가 Hugging Face에 컬러 코드용 AI 프리 디코더(pre-decoder)를 출시했습니다
NVIDIA가 Hugging Face를 통해 컬러 코드용 AI 프리 디코더를 출시했습니다. 이 모델은 기존 Chromobius 대비 논리적 오류율을 최대 347배 낮추고 디코딩 속도를 7배 향상시켰습니다.
7월 22일2
XAI 번역요약
ABot-World-0
Alibaba가 개발한 실시간 상호작용 월드 모델인 ABot-World-0를 소개합니다. 단일 RTX 5090 환경에서 720p 해상도와 16fps의 속도로 1.2초의 지연 시간을 유지하며 구동됩니다.
7월 22일1
XAI 번역요약
인간-객체 중심 비디오 개인화를 위한 HOMIE
HOMIE는 MLLM을 활용하여 인간과 객체 간의 복잡한 상호작용, 로고 부착, 텍스트 충실도 및 다중 뷰 일관성을 갖춘 비디오를 생성하는 기술입니다.
7월 22일1