Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Dev.toAI 번역헤드라인
BioMatrix: 304B 토큰으로 단백질, 분자, 언어를 읽는 단일 디코더
BioMatrix는 304B 토큰을 학습한 디코더 전용 생물학적 파운데이션 모델입니다. 단백질, 분자, 언어를 하나의 공유된 토큰 공간으로 통합하여 80개 작업 중 77개에서 SOTA를 달성했습니다.
6월 29일0
Dev.toAI 번역헤드라인
GLM 5.2는 무료가 아니다: 심지어 US$4,000짜리 Spark로도 구동이 어렵다
GLM 5.2와 같은 대규모 오픈 소스 모델이 라이선스 측면에서는 무료이지만, 실제 구동을 위한 하드웨어 인프라 비용은 막대하다는 점을 지적합니다. 모델의 크기와 압축률에 따라 요구되는 메모리와 비용이 기하급수적으로 증가함을 설명합니다.
6월 29일0
Dev.toAI 번역헤드라인
Terminal-Bench 2.0에서의 Atlarix vs opencode — 동일한 모델, 하네스(harness)만 변경됨 (k=1, 영수증
Atlarix와 opencode 하네스를 사용하여 동일한 오픈 웨이트 모델의 성능을 Terminal-Bench 2.0에서 비교 실험했습니다. 실험 결과 두 하네스 간의 성능 차이는 통계적 노이즈 범위 내에 있으며, 하네스가 모델의 병목 현상을 일으키지 않음을 시사합니다.
6월 29일0
Dev.toAI 번역헤드라인
Claude를 화학자로 만들기
Anthropic은 Claude의 화학적 역량을 강화하기 위해 전문 화학자들과 협력하고 있습니다. 특히 NMR 스펙트럼과 같은 복잡한 분석 데이터를 Claude가 정확히 이해하고 처리할 수 있도록 데이터 확보 및 모델 훈련에 집중하고 있습니다.
6월 29일0
Dev.toAI 번역헤드라인
누군가 재현할 수 있기 전까지 벤치마크는 하나의 주장일 뿐이다
벤치마크 수치는 기술적 주장을 구체화하지만, 시장의 실질적인 증거와는 다릅니다. 창업자는 주장(Claim)과 이를 뒷받침할 재현 가능한 근거(Support)를 명확히 구분하여 고객 가치를 증명해야 합니다.
6월 29일0
Dev.toAI 번역헤드라인
버그 탐지를 위한 GLM-5.2 vs Anthropic Mythos 비교: 벤치마크, 아키텍처 및 프로덕션 플레이북
버그 탐지 성능을 중심으로 Zhipu AI의 GLM-5.2와 Anthropic의 Mythos를 비교 분석합니다. 두 모델의 벤치마크, 아키텍처, 그리고 실제 프로덕션 환경(CI, IDE, RAG)에서의 배포 및 보안 고려사항을 다룹니다.
6월 29일0
Dev.toAI 번역헤드라인
Paper 39 v0.1 — 의식의 어려운 문제에 대한 D-FUMT₈ 접근 방식: 형식적 정의로서의 SELF⟲ (해결책은 아님)
의식의 어려운 문제(Hard Problem of Consciousness)를 해결하기 위해 D-FUMT₈ 8치 논리와 SELF⟲(자기 참조적 부동점)를 활용한 수학적 형식 정의를 제안합니다. 의식이 단순한 자기 동일 구조에서 출현한다는 가설을 바탕으로 의식의 출현 위치를 수학적으로 재정식화합니다.
6월 29일0
Dev.toAI 번역헤드라인
qwen2.5-coder-14b를 로컬에서 벤치마킹했습니다 — QuantaMind의 평가 결과 분석
Qwen2.5-Coder-14B 모델을 로컬 환경에서 QuantaMind의 평가 스위트로 벤치마킹한 결과입니다. 쉬운 코딩 작업에서는 100%의 성공률을 보였으나, 복잡한 다단계 에이전트 작업에서는 성능 한계를 드러냈습니다.
6월 29일0
Dev.toAI 번역헤드라인
AI가 정치적으로 논쟁적인 역사와 만날 때: Funan-Khmer 사례 연구를 통한 LLM 행동 분석
LLM이 정치적 논쟁이 있는 역사적 질문에 대해 학술적 합의와 정치적 소수 의견을 동일한 비중으로 다루는 '거짓 균형(false balance)' 현상을 분석한 연구입니다. Funan-Khmer 사례를 통해 모델들이 데이터 내 정치적 동기를 구별하지 못함을 입증했습니다.
6월 29일0
Dev.toAI 번역헤드라인
첫인상: OpenAI, 강화된 사이버 보안 및 익스플로잇(Exploit) 역량을 갖춘 GPT-5.6 Sol 프리뷰 공개
OpenAI가 취약점 연구 및 익스플로잇 개발에 특화된 GPT-5.6 Sol 프리뷰를 공개했습니다. 이 모델은 보안 강화 타겟을 대상으로 벤치마크를 수행하며 취약점 연구 파이프라인 자동화 능력을 입증했습니다.
6월 29일0
Dev.toAI 번역헤드라인
Qwen-AgentWorld-35B-A3B 테스트: 에이전트 추론 (Agentic Reasoning)을 위한 새로운 벤치마크인가?
Qwen-AgentWorld-35B-A3B 모델의 에이전트 추론 성능을 심층 분석한 결과입니다. 이 모델은 단순한 챗봇을 넘어 관찰, 추론, 행동의 루프를 효과적으로 수행하며 높은 상태 추적 능력을 보여줍니다.
6월 29일0
Dev.toAI 번역헤드라인
당신은 고집 센 것이 아닙니다. 당신의 기억이 잘못된 형식으로 저장되어 있을 뿐입니다.
AI가 부분적으로 관찰 가능한 환경에서 발생하는 '자기 강화 오류'를 해결하기 위해, 기억을 확정적 결론이 아닌 확률 분포로 저장하는 BeliefMem 방식을 제안합니다. 이는 AI의 오류를 줄일 뿐만 아니라 인간의 확증 편향 문제를 이해하는 데도 중요한 통찰을 제공합니다.
6월 29일0
Dev.toAI 번역헤드라인
실시간 정책 제약 조건 하에서의 해안 기후 회복력 계획을 위한 인간 정렬형 Decision Transformers
해안 기후 회복력 계획을 위해 인간의 가치와 실시간 정책 제약 조건을 반영한 '인간 정렬형 Decision Transformers' 연구를 소개합니다. 기존 보상 극대화 방식의 한계를 넘어, 동적인 정책 변화와 사회적 형평성을 고려한 순차적 의사결정 모델 구축 방법을 다룹니다.
6월 29일0
Dev.toAI 번역헤드라인
교차 언어 LLM 적응을 위한 지속적 사전 학습 (Continual Pre-Training): 일본어 능력 향상
교차 언어 LLM의 일본어 능력을 향상시키기 위한 지속적 사전 학습(Continual Pre-Training) 기법을 다룹니다. 모델의 언어적 적응력을 높이는 연구 방법론을 제시합니다.
6월 29일0
Dev.toAI 번역헤드라인
미-중 AI 격차 해소: Stanford의 2026 AI Index Report 필독 보고서
Stanford의 2026 AI Index Report를 통해 미국과 중국의 AI 기술 격차가 해소되었음을 분석합니다. 중국은 적은 비용과 효율적인 아키텍처로 미국과 대등한 모델 성능을 보여주고 있으며, 오픈 웨이트 생태계가 기술 평준화를 주도하고 있습니다.
6월 29일0
Dev.toAI 번역헤드라인
GPT-5.6 Sol 출시 — OpenAI의 가장 큰 모델 도약이 AI 검색 가시성의 규칙을 어떻게 재정의하는가
OpenAI가 GPT-5.6 모델 제품군을 발표하며 Sol, Terra, Luna라는 세 가지 역량 계층을 도입했습니다. 이 모델들은 서브에이전트를 활용하는 '울트라 모드'를 통해 AI 검색의 인용 방식과 브랜드 가시성 규칙을 근본적으로 변화시킬 전망입니다.
6월 29일0
Dev.toAI 번역헤드라인
REINFORCE++: Global Advantage Normalization을 통한 Critic-Free 정책 최적화 안정화
REINFORCE++는 Global Advantage Normalization 기법을 도입하여 Critic 없이도 정책 최적화 과정을 안정화하는 새로운 방법론을 제안합니다. 기존 REINFORCE 알고리즘의 불안정성을 개선하여 강화학습 성능을 높이는 데 집중합니다.
6월 29일0
Dev.toAI 번역헤드라인
SuperGPQA: 285개 대학원 전공 분야에 걸친 LLM 평가 스케일링
285개 대학원 전공 분야를 아우르는 새로운 LLM 평가 벤치마크인 SuperGPQA를 소개합니다. 모델의 전문 지식 능력을 광범위하게 측정하고 평가 스케일링을 시도합니다.
6월 29일0
Dev.toAI 번역헤드라인
ByteDance iLLaDA: 8B Diffusion LM, Qwen2.5 Base와 대등하나 Instruct 성능은 뒤처져
ByteDance가 12T 토큰으로 학습된 8B Diffusion 언어 모델인 iLLaDA를 공개했습니다. iLLaDA-Base는 Qwen2.5 7B와 대등한 성능을 보이지만, 인스트럭션 튜닝 후에는 정렬 격차로 인해 성능이 뒤처지는 한계를 보였습니다.
6월 29일0
Dev.toAI 번역헤드라인
Web-Shepherd: 웹 에이전트 강화를 위한 PRM의 발전
Web-Shepherd는 웹 에이전트의 성능 강화를 위해 프로세스 보상 모델(PRM)을 발전시킨 연구를 다룹니다. 웹 환경에서의 복잡한 작업을 수행하는 에이전트의 추론 능력을 개선하는 데 중점을 둡니다.
6월 29일0