Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
© 2026 Molayo
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.
Anthropic의 새로운 Mythos-class 모델인 Claude Fable 5 출시 소식과 그 특징을 분석합니다. 이 모델은 며칠 동안 지속되는 비동기적 작업 수행 능력과 자기 확인(Self-checking) 비전 기능을 갖춘 것이 핵심입니다.
Scheme 언어의 부분집합을 미분 가능한 계산 그래프로 변환하는 DMCI 컴파일러를 제안합니다. 한 번의 컴파일로 재귀와 클로저를 포함한 프로그램을 실행하며 역방향 모드 자동 미분을 통해 연속적인 상수를 최적화할 수 있습니다.
Max-policy iteration을 수학적 최적화 대신 가치 반복(value iteration)으로 대체하여 효율적으로 수치적 프로그램 불변량을 계산하는 방법을 제안합니다. 정수 및 부동 소수점 시스템에서의 경계 분석과 선형 계획법의 대안인 min-policy iteration을 다룹니다.
분산 애플리케이션의 동적 소프트웨어 업데이트를 위해 CRDT를 활용하는 새로운 방식을 제안합니다. 애플리케이션 업데이트를 App CRDT로 모델링하여 하위 호환성이 없는 업데이트 상황에서도 시스템이 중단 없이 작동하도록 설계되었습니다.
원샷 연합 학습(One-Shot Federated Learning) 환경에서 개인정보를 보호하며 데이터 증강을 수행하는 XOR Mixup 기법을 소개합니다. 데이터의 프라이버시를 유지하면서도 학습 효율을 높이는 새로운 접근 방식을 다룹니다.
본 논문은 기술적 진보를 넘어 문화적 맥락과 인간 중심의 가치를 반영하는 AIED(인공지능 교육) 연구를 다룹니다. 학부생들이 문화유산 보존을 위해 참여하는 커뮤니티 기반 학습 모델과 이를 위한 협업 프레임워크를 제안합니다.
전통적인 UV 언랩핑의 한계를 극복하기 위해 연속 신경 재매개변수화를 활용한 새로운 UV 복구 연구를 소개합니다. SIREN 기반의 신경망 솔버와 다양한 기하학적 최적화 기법을 결합하여, 위상학적 오류 없는 강건한 UV 차트 생성을 목표로 합니다.
확산 기반 이미지 편집 모델에서 제어 가능성과 충실도 사이의 트레이드오프를 이론적·경험적으로 분석한 연구입니다. 편집 목적 함수의 수학적 정식화와 함께 다양한 최신 방법론을 비교하고, 정체성 드리프트와 같은 주요 실패 모드를 규명합니다.
PrismAvatar는 단안 비디오를 활용해 실시간 입체 통신을 구현하는 가우시안 헤드 아바타 시스템입니다. 무안경 렌티큘러 디스플레이에 최적화된 의사 다시점 재구성 기술을 통해 몰입형 텔레프레즌스를 제공합니다.
AnisoLift는 거친 입자 액체 시뮬레이션의 계산 비용 문제를 해결하기 위해 비등방성 잠재 표현을 사용하는 새로운 프레임워크를 제안합니다. 추가적인 입자 생성 없이도 학습 가능한 타원체 구성 요소를 통해 고해상도의 방향성 국소 구조를 효과적으로 복원합니다.
다양한 하드웨어 구조를 가진 다지형 손의 데이터를 통합하기 위한 UniDexTok을 제안합니다. 리타겟팅 없이도 이질적인 로봇 손의 상태를 공유된 22-DoF 시맨틱 인터페이스로 매핑하여 높은 재구성 정확도를 달성했습니다.
네트워크 케이블 생산 공정에서 와이어 색상 순서를 검증하기 위해 YOLOv12 모델을 활용한 지능형 시스템을 제안합니다. 현미경 이미지 2,500장을 활용해 학습한 결과, 98%의 정밀도로 정확한 와이어 탐지 및 실시간 검증 성능을 입증했습니다.
단일 모델이 검색과 생성을 동시에 수행할 때 발생하는 신용 할당 및 정책 충돌 문제를 해결하기 위해 DAC 프레임워크를 제안합니다. 검색기와 생성기를 분리하여 역할별 학습 신호를 교환함으로써 다단계 추론 성능을 향상시킵니다.
LLM 학습 시 데이터, 메모리, 연산 효율성을 개별 기술이 아닌 통합된 제약 시스템 관점에서 분석한 서베이 논문입니다. 데이터 선택, 메모리 관리, 연산 예산 할당이 상호작용하며 최적의 성능을 결정함을 강조합니다.
반도체 제조 공정의 복잡한 의사결정을 최적화하기 위해 이벤트 기반 강화학습(Event-Driven RL) 프레임워크를 제안합니다. 이 모델은 이산적 이벤트를 기반으로 시스템을 정식화하여 지연된 피드백과 장기적 요구 사항 문제를 해결합니다.
LLM 검색 에이전트 훈련 시 GRPO 알고리즘에서 발생하는 제로 분산(zero-variance) 문제를 해결하기 위한 쿼리 재활용 기술을 제안합니다. 제로 분산 그룹을 폐기하는 대신 가변 풀에 저장하여 재샘플링함으로써 훈련 효율을 극대화합니다. 이를 통해 1.7B 모델로 7B 모델 수준의 멀티홉 QA 성능을 달성했습니다.
++nnU-Net은 의료 영상 분할 성능을 높이기 위해 이미지 등록(image registration) 기반의 새로운 데이터 증강 모듈을 제안합니다. 2단계 등록 프로세스를 통해 새로운 워핑 이미지를 생성하며, 기존 nnU-Net 대비 최대 22%의 성능 향상을 입증했습니다.
긴 문서의 핵심구 추출(KPE) 성능을 높이기 위해 사전 학습된 단어 임베딩을 활용한 '어텐션 확장' 메커니즘을 제안합니다. 이 방식은 계산 비용이 높은 긴 문맥 LLM 대신, 주변 문맥 외 정보를 활용해 PLM의 문맥 범위를 효율적으로 확장합니다.
EEG 신호의 시공간적 특징을 효과적으로 학습하기 위한 Transformer 기반 모델인 EEG-TransNet을 제안합니다. ResNet, 웨이블릿 기반 노이즈 제거, 로컬 셀프 어텐션 및 FAST 모듈을 통해 감정 인식 성능과 강건성을 극대화했습니다.
Nature에 게재된 멀티 에이전트 시스템 'Robin'은 가설 생성부터 데이터 분석까지 과학적 발견의 전 과정을 자동화하는 루프를 구현했습니다. 황반변성 치료 후보 물질을 특정하는 성과를 거두었으며, 전문화된 에이전트들의 협업을 통해 과학적 발견의 사이클을 완성했습니다.