Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Dev.toAI 번역헤드라인
GLM-5.2: 1/6 비용으로 코딩 성능에서 GPT-5.5를 능가하는 오픈 웨이트 (open-weight) 모델
Z.ai가 공개한 GLM-5.2는 코딩 성능에서 GPT-5.5를 능가하는 오픈 웨이트 모델입니다. MIT 라이선스를 통해 상업적 이용과 셀프 호스팅이 가능하며, 매우 저렴한 비용으로 프런티어급 코딩 성능을 제공합니다.
6월 21일0
Dev.toAI 번역헤드라인
Step1X-Edit: 범용 이미지 편집을 위한 실용적인 프레임워크
Step1X-Edit는 범용적인 이미지 편집을 가능하게 하는 실용적인 프레임워크를 제안합니다. 이미지 편집 분야의 새로운 접근 방식을 다룹니다.
6월 21일0
Dev.toAI 번역헤드라인
KI 탈옥(Jailbreaks): Florian Tramèr 교수가 밝히는 모든 AI의 취약점
Florian Tramèr 교수가 설명하는 AI 탈옥(Jailbreak)의 원리와 취약점을 다룹니다. 모델이 질문을 무해한 부분으로 분해하여 인식하는 허점을 이용한 공격 방식과 기업의 방어 전략을 설명합니다.
6월 21일0
Dev.toAI 번역헤드라인
lcamtuf: Amazon의 복제된 150개 표지가 폭로하는 AI Slop
보안 연구자 lcamtuf는 Amazon에서 검색되는 유사한 아동용 도서 표지 150개를 통해 AI 생성 콘텐츠의 반복적 패턴인 'AI Slop' 현상을 폭로했습니다. 이는 LLM이 유사한 프롬프트에 대해 통계적으로 매우 유사한 출력을 생성하는 준결정론적 특성을 가지고 있음을 보여줍니다.
6월 21일0
Dev.toAI 번역헤드라인
OpenAI: LifeSciBench를 소개합니다
OpenAI가 생명 과학 분야의 LLM 능력을 평가하기 위한 새로운 벤치마크인 LifeSciBench를 공개했습니다. 이 벤치마크는 과학 문헌 이해, 데이터 추출, 분자 생물학 작업 등 전문적인 과학 지식 처리 역량을 측정합니다.
6월 21일0
Dev.toAI 번역헤드라인
Kimi 2.5 vs Kimi 2.6 평가: 모델이 더 똑똑해지면 에이전트 기술(Agent Skills)에는 어떤 변화가 생기는가?
Kimi 2.5와 2.6 모델을 대상으로 에이전트 기술(Agent Skills)의 효용성을 비교 평가한 연구 결과입니다. 모델 성능이 향상되어도 에이전트 기술이 제공하는 성능 향상 폭은 일정하게 유지됨을 확인했습니다.
6월 21일0
Dev.toAI 번역헤드라인
보이지 않는 마스크: 적외선을 이용한 얼굴 인식에 대한 실질적인 공격
적외선을 활용하여 얼굴 인식 시스템을 무력화하는 실질적인 공격 방식에 대해 다룹니다. 기존 얼굴 인식 기술의 취약점을 분석하고 보안 위협을 제시합니다.
6월 21일0
Dev.toAI 번역헤드라인
GLM-5.2 vs Opus 4.8: 오픈 웨이트 (Open-Weights)의 해자(Moat)는 실재한다
Z.ai가 출시한 오픈 웨이트 모델 GLM-5.2가 주요 벤치마크에서 Claude Opus 4.8 및 GPT-5.5와 대등하거나 이를 능가하는 성능을 보여주었습니다. 7,530억 개의 파라미터를 가진 MoE 구조로, 높은 성능과 경제성을 동시에 갖춘 모델로 평가받습니다.
6월 21일0
Dev.toAI 번역헤드라인
DeepSeek: 업계를 뒤흔든 오픈 소스 AI
DeepSeek는 혁신적인 비용 효율성을 바탕으로 GPT-4 및 Claude 3.5 Sonnet에 필적하는 성능을 구현한 오픈 소스 AI 모델입니다. MLA와 MoE 기술을 통해 연산 효율을 극대화하고, 강화학습만으로 고도의 추론 능력을 확보했습니다.
6월 21일0
Dev.toAI 번역헤드라인
로컬 그래디언트 누적(Local Gradient Accumulation)을 통한 학습 속도 1.7배 향상
PACI는 비동기 파이프라인 병렬성에서 발생하는 버블을 제거하여 학습 속도를 최대 1.69배 향상시키는 기술입니다. 로컬 그래디언트 누적 방식을 통해 메모리 사용량을 유지하면서도 모델의 수렴 안정성과 처리량을 동시에 확보합니다.
6월 21일0
Dev.toAI 번역헤드라인
Paper 158 v0.2 — Collatz Exit Layer: m_p = (4^p − 1)/3의 Zero-Sorry Lean 4 형식화 및
Collatz 추측의 특정 구조인 'Exit Layer' 공식 $m_p = (4^p - 1)/3$을 Lean 4 언어를 사용하여 Zero-Sorry 방식으로 형식화한 연구입니다. Collatz 추측의 증명이 아닌, 수학적 구조의 엄밀한 형식화와 향후 직면할 경로의 한계를 지도로 나타내는 데 중점을 둡니다.
6월 21일0
Dev.toAI 번역헤드라인
2026년의 오픈 소스 AI: 오픈 모델 혁명이 산업을 재편하는 이유
2026년 오픈 소스 AI 모델들이 Llama 4, DeepSeek-V4 등을 통해 GPT-4급 성능에 도달하며 폐쇄형 모델을 위협하고 있습니다. 데이터 프라이버시와 비용 효율성을 바탕으로 기업 도입이 급증하고 있으며, 오픈 모델 생태계가 산업 전반을 재편하고 있습니다.
6월 21일0
Dev.toAI 번역헤드라인
MeshLRM: 고품질 메쉬를 위한 대규모 재구성 모델 (Large Reconstruction Model)
MeshLRM은 고품질 3D 메쉬 생성을 위한 대규모 재구성 모델(Large Reconstruction Model)에 관한 연구입니다. 이미지로부터 정교한 3D 구조를 복원하는 기술적 접근을 다룹니다.
6월 21일0
Dev.toAI 번역헤드라인
실시간 정책 제약 조건 하에서의 생체 모방 소프트 로보틱스 유지보수를 위한 설명 가능한 인과 강화학습 (Explainable Causal
생체 모방 소프트 로보틱스의 유지보수를 위해 인과관계와 설명 가능성을 결합한 ECRL(Explainable Causal Reinforcement Learning) 프레임워크를 제안합니다. 기존 블랙박스 방식의 한계를 넘어 실시간 제약 조건 하에서 로봇의 물리적 상태 변화 원인을 추론하고 최적의 유지보수 정책을 학습합니다.
6월 20일0
Dev.toAI 번역헤드라인
실제로 모의 침투 테스트(Pen Test)를 수행하는 LLM: 보안을 위한 사후 학습(Post-Training)이 귀하의 AI 스택에 의미하는
보안 작업을 위해 사후 학습(Post-training)된 LLM의 등장과 그 기술적 의미를 다룹니다. Argus Red의 모의 침투 테스트 모델과 Claude Fable 5의 제로데이 발견 사례를 통해, 도메인 특화 학습이 범용 모델의 거부 행동을 극복하고 실질적인 보안 능력을 제공함을 설명합니다.
6월 20일0
Dev.toAI 번역헤드라인
AI 텍스트 탐지기는 대부분 추측에 불과합니다: 실제 작동 원리
AI 텍스트 탐지기가 작동하는 통계적 원리와 그 한계를 분석합니다. Perplexity, Burstiness 등 측정 지표가 실제 저자 식별이 아닌 예측 가능성을 측정하기 때문에 발생하는 오류와 편향성을 다룹니다.
6월 20일0
Dev.toAI 번역헤드라인
NeuroImprint Detector: Federated Learning에서의 개인정보 백도어 탐지를 위한 PEFT 어댑터 감사
연합 학습(Federated Learning) 환경에서 PEFT 어댑터를 통해 학습 데이터를 유출하는 'NeuroImprint' 공격을 탐지하고 분석하는 프레임워크를 소개합니다. 악의적인 서버가 어댑터를 오염시켜 원본 데이터를 재구성하는 보안 취약점을 다룹니다.
6월 20일0
Dev.toAI 번역헤드라인
우리가 학습을 통해 없애버린 '말하기(The Tell)'
기본 모델(Base model)은 자신의 지식에 대해 높은 보정(calibration) 능력을 갖추고 있으나, 정렬 학습(Alignment training) 과정을 거치며 자신의 불확실성을 숨기도록 학습된다는 점을 분석합니다. 모델의 내부 확률인 '신념'과 언어로 표현되는 '수행' 사이의 괴리를 다룹니다.
6월 20일0
Dev.toAI 번역헤드라인
그래프 신경망 (Graph Neural Networks)에 대한 노드 수준 멤버십 추론 공격 (Node-Level Membership
그래프 신경망(GNN) 모델을 대상으로 하는 노드 수준의 멤버십 추론 공격(Membership Inference Attack)에 관한 연구 내용을 다룹니다. 모델의 학습 데이터 포함 여부를 식별하는 보안 취약점을 분석합니다.
6월 20일0
Dev.toAI 번역헤드라인
연구 결과: Qwen 2.5 7B는 정답 여부와 상관없이 거의 일정한 확신도를 보임
미네소타 대학교 연구진은 Qwen 2.5 7B 모델이 정답 여부와 관계없이 일정한 확신도를 보이는 '인식론적 미교정' 상태임을 밝혀냈습니다. 모델의 확신도는 실제 예측 품질이 아닌 프롬프트 형식에 의존하며, 특히 정형 데이터 처리 시 고확신 오답을 내놓는 위험성이 확인되었습니다.
6월 20일0