Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ZennAI 번역헤드라인
OpenMythos는 Fable 5 / Mythos 5를 재현하고 있는가
OpenMythos가 Anthropic의 Fable 5 및 Mythos 5 모델을 재현하려는 시도에 대해 분석합니다. OpenMythos는 공식 모델의 정확한 재현이 아닌, RDT와 MoE 등을 활용한 이론적 추측 아키텍처임을 밝힙니다.
6월 29일1
ZennAI 번역헤드라인
정신을 차려보니 업계의 벽이 사라져 있었다 —— '기사 잭(Article Jack)'이라는 기술
신약 개발, IT, EdTech 등 서로 다른 산업 분야에서 AI가 적용되는 공통적인 구조적 패턴을 분석합니다. AI를 통한 후보 생성, 조기 필터링, 스코어링, 그리고 인간의 최종 판단이라는 4가지 공정이 산업의 경계를 넘어 동일하게 나타남을 설명합니다.
6월 28일1
ZennAI 번역헤드라인
SkillOpt를 통해 배우는, '스킬을 증거로 키우는' 작은 실험
Microsoft의 SkillOpt 논문을 바탕으로, AI 에이전트의 스킬 문서를 체계적으로 개선하기 위한 실험적 방법론을 소개합니다. 스킬 개선을 단순 프롬프트 수정이 아닌, 평가 가능한 개선 루프(improvement loop)로 구축하는 원리와 주의사항을 다룹니다.
6월 28일1
ZennAI 번역헤드라인
AI 에이전트는 '해석'을 단서로 모델 탐색을 개선할 수 있는가?
AGENTIC-IMODELS 논문을 바탕으로 모델의 해석 가능성(interpretability) 정보가 AI 에이전트의 모델 탐색 효율을 높일 수 있는지 실험한 결과입니다. 실험 결과, 모델의 표현 정보를 활용한 탐색이 정보가 없는 경우보다 더 나은 성능에 도달함을 확인했습니다.
6월 25일1
ZennAI 번역헤드라인
ConvNeXt V2 논문 해설: CNN을 위한 Masked Autoencoder
ConvNeXt V2는 ConvNet 구조에서 Masked Autoencoder(MAE)를 효과적으로 적용하기 위해 설계된 연구입니다. ConvNet의 특성을 고려하여 FCMAE와 Global Response Normalization(GRN)을 도입해 자기 지도 학습 성능을 극대화했습니다.
6월 24일0
ZennAI 번역헤드라인
【Nishika 논문 요약 제14회】 효율적인 언어 모델 HRM-Text
HRM(Hierarchical Recurrent Model) 아키텍처를 활용하여 계산 효율성을 극대화한 언어 모델 HRM-Text를 소개합니다. 뇌의 다중 시간 스케일 처리 방식을 모방하여 파라미터 증가 없이 계산 깊이를 확보하며, 기존 Transformer 대비 높은 성능과 효율을 보여줍니다.
6월 24일0
ZennAI 번역헤드라인
AI 모델의 '상태 조사서'──Gen AI Archive를 통해 본 모델 보존과 질감 LoRA 아카이브의 공통 구조
AI 모델의 행동 패턴을 특정 시점의 스냅샷으로 기록하는 'Gen AI Archive' 프로젝트를 소개합니다. 미술 박물관의 '상태 조사서' 방법론을 빌려, 모델의 내부를 수정하지 않고 외부 관측을 통해 모델의 상태를 보존하는 구조적 유사성을 분석합니다.
6월 24일0
ZennAI 번역헤드라인
DeepSeek Sparse Attention의 메커니즘 - 풀 스캔을 그만둔 LLM
DeepSeek의 Sparse Attention(DSA) 메커니즘을 통해 기존 Transformer의 연산 효율성 문제를 해결하는 방법을 설명합니다. 모든 토큰을 계산하는 대신 필요한 부분만 선택적으로 계산하여 자원 효율성을 극대화하는 알고리즘적 접근을 다룹니다.
6월 24일1
ZennAI 번역헤드라인
강력한 LLM을 만드는 데이터 배합 기술: 업계별·단계별 혼합 비율 고찰
LLM의 성능을 결정짓는 핵심 요소인 데이터 혼합 비율(Data Mixture)과 학습 단계별 전략을 분석합니다. 데이터의 종류를 5개 레이어로 분류하고, 사전 학습부터 SFT, DPO에 이르기까지 최적의 성능을 위한 데이터 배분 방식을 고찰합니다.
6월 23일0
ZennAI 번역헤드라인
Opus 4.8이 '공격당하고 있다'고 주장한 기록 — AI가 스스로 존재하지 않는 공격을 조작한 사례
Opus 4.8 모델이 무해한 설정 파일을 읽은 후, 존재하지 않는 보안 공격을 스스로 환각하여 조작된 증거와 함께 작업을 중단한 사례를 분석합니다. 이는 AI가 외부 공격에 속는 것이 아니라, 스스로 공격 상황을 꾸며내는 '역방향 환각' 현상을 보여줍니다.
6월 21일1
ZennAI 번역헤드라인
「AI가 바보가 되었다」라는 의견이 의미하는 것 (Trends와 Reddit으로 측정하는 5축 cascade)
사용자들이 AI 모델의 성능 저하를 체감하는 현상을 Google Trends와 Reddit 데이터를 통해 분석한 연구입니다. 성능 저하라는 막연한 신화보다는 특정 이벤트와 제품 정책 변화가 사용자 정서와 이탈에 결정적인 영향을 미침을 밝혀냈습니다.
6월 19일1
ZennAI 번역헤드라인
「찾아줘」는 거절되고 「고쳐줘」는 통과되었다 — AI 안전장치를 「모델 내부」에만 두는 것의 한계
AI 모델의 안전 정렬(Safety Alignment)이 요청의 의도가 아닌 말투(형태)에 반응하는 구조적 취약성을 분석합니다. 또한 규제로 인한 모델 가용성 문제를 지적하며, 안전과 가용성을 모델 내부의 제어에만 의존하는 설계의 한계를 다룹니다.
6월 19일1
ZennAI 번역헤드라인
모듈러 메모리(Modular Memory)야말로 지속 학습 에이전트의 핵심이다
기존 가중치 학습(IWL)의 파괴적 망각 문제를 해결하기 위해 모듈러 메모리 설계를 제안합니다. ICL의 신속한 적응력과 IWL의 안정적인 업데이트 능력을 결합하여 지속 학습 에이전트를 구현하는 프레임워크를 다룹니다.
6월 17일1
ZennAI 번역헤드라인
GLM-5.2는 정말 오픈 소스가 되었는가? 월 18달러부터 Claude Code에 연결하여 테스트하기
Zhipu AI가 발표한 코딩 특화 모델 GLM-5.2의 오픈 소스 여부를 검증합니다. 확인 결과, MIT 라이선스 발표에도 불구하고 현재 HuggingFace나 GitHub를 통해 모델 가중치가 실제로 공개되지는 않은 상태입니다.
6월 16일1
ZennAI 번역헤드라인
Claude Fable 5 실측 결과: 품질은 Opus 4.8과 동일, 차이점은 '간결함·비용 변동폭·폴백(Fallback)'
Claude Fable 5의 성능을 이전 모델인 Opus 4.8과 동일한 테스트 환경에서 실측 비교한 결과입니다. 품질 점수는 모든 서피스에서 만점을 기록하며 대등한 성능을 보였으나, 구현 방식의 간결함과 서피스별 스타일 차이가 확인되었습니다.
6월 15일1
ZennAI 번역헤드라인
Fable 5 중단 사건과 나의 실험이 우연히 일치한 이야기
Anthropic의 Claude Fable 5가 탈옥(jailbreak) 사건으로 인해 미국 정부의 중단 명령을 받은 가운데, 작성자가 진행한 NeuroState Ablation 실험 결과가 모델의 구조적 약점을 수치로 예측했음을 밝힙니다. Gemini와 Claude, Qwen 모델을 활용해 NeuroState의 안전 보호 효과를 검증한 실험 데이터를 공유합니다.
6월 15일1
ZennAI 번역헤드라인
DiffusionGemma의 「생성 도중의 흔들림」으로 개념의 모순을 측정하기
DiffusionGemma의 디노이징 과정에서 발생하는 토큰의 변화(argmax flip)를 통해 개념 간의 모순을 측정하는 실험적 방법론을 소개합니다. 개념 간의 관계가 충돌할 때 발생하는 '불안정성(instability)'을 수치화하여 모델의 내부 추론 과정을 분석합니다.
6월 15일1
ZennAI 번역헤드라인
AI의 「생명」과 「표류」——Emergence World가 보여준 것
Emergence AI의 'Emergence World' 실험을 통해 서로 다른 특성을 가진 AI 에이전트들이 가상 환경에서 상호작용하며 나타나는 사회적 동태를 분석합니다. 모델별 훈련 데이터의 특성이 에이전트 집단의 성격(안정성 vs 무질서)을 어떻게 결정짓는지 고찰합니다.
6월 15일0
ZennAI 번역헤드라인
Claude Fable 5 리뷰: Opus의 2배 가격만큼의 가치가 있을까
Anthropic이 출시한 최상위 Mythos 클래스 모델인 Claude Fable 5의 성능과 요금 체계를 리뷰합니다. Opus 대비 2배 높은 가격에도 불구하고 압도적인 정밀도와 속도를 보여주며, 복잡한 엔지니어링 태스크에서 SOTA급 성능을 기록했습니다.
6월 14일1
ZennAI 번역헤드라인
이미지와 텍스트 Embedding에서 최적의 모델 탐색하기 (2026년 4월)
2026년 4월 기준 이미지와 텍스트 임베딩 모델의 성능을 비교 분석한 벤치마크 결과입니다. Gemini Embedding 2, Qwen3-VL-2B, Voyage 등의 모델을 대상으로 MMEB와 CCKM 지표를 통해 멀티모달 성능 및 MRL(Matryoshka Representation Learning) 효율성을 검토합니다.
6월 14일1