Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
X @huggingpapers (검증됨) 449건필터 해제
X요약
TRIAGE, 임상 LLM의 위험 양극화(Risk Polarization) 문제 해결
임상 LLM이 위험도를 이진 출력으로 붕괴시키는 문제를 해결하기 위해, 연속적 위험 점수와 검증 가능한 근거를 생성하는 TRIAGE 모델을 제안합니다. 의료 시계열 데이터를 활용하여 양측의 위험을 모두 고려하는 단일 모델 학습 방식을 다룹니다.
6월 21일0
X요약
IBM 연구진, 정적인 LLM 에이전트 리더보드에 의문 제기
IBM 연구진이 현재의 정적인 LLM 에이전트 리더보드가 실제 배포 환경의 성능을 제대로 반영하지 못한다고 지적하며, 새로운 평가 방식인 '예측 타당성'을 제안합니다.
6월 21일0
X요약
OmniVideo-100K: 소리와 시각을 넘나드는 추론
OmniVideo-100K는 구조화된 스크립트와 증거 체인을 활용하여 구축된 100K개의 인스트럭션 튜닝 데이터셋입니다. 이를 통해 미세 조정된 모델은 오디오-비주얼 이해 성능을 20% 이상 향상시켰습니다.
6월 21일0
X요약
이제 누가 디코딩 (Decoding)을 주도해야 하는가?
TIE는 마스크 확산 언어 모델(MDLM)을 앙상블하는 새로운 방식을 제안합니다. 생성 과정에서 신뢰할 수 있는 궤적을 추적하고 모델 간 유망한 중간 상태를 전달하여 성능을 높입니다.
6월 20일0
X요약
긴 영상에서의 RAG 재고하기
긴 영상 처리를 위한 RAG의 한계를 극복하기 위해 V-RAGBench와 CARVE를 소개합니다. 이들은 기존 벤치마크의 문제점과 단일 모달리티 검색의 제약을 해결하는 데 집중합니다.
6월 20일0
X요약
d-OPSD: Diffusion LLM을 위한 자기 증류 (Self-distillation)
Diffusion LLM을 위한 최초의 온-폴리시 자기 증류(self-distillation) 프레임워크인 d-OPSD를 소개합니다. 단계별 감독을 통해 스스로 생성한 접미사로부터 학습하며, 기존 RLVR 방식보다 훨씬 적은 학습 단계로도 뛰어난 성능을 보입니다.
6월 20일0
X요약
Ling-2.6 및 Ring-2.6 출시
Alibaba의 Ant Group이 조 단위 파라미터 규모의 에이전트 모델인 Ling-2.6 및 Ring-2.6을 오픈 소스로 공개했습니다. 하이브리드 선형 어텐션과 KPop RL 프레임워크를 통해 빠른 응답과 심층 추론 능력을 제공합니다.
6월 20일0
X요약
루프형 세계 모델 (LoopWM)
LoopWM은 세계 모델을 위한 최초의 루프형 아키텍처를 제안합니다. 공유된 트랜스포머 블록을 통해 잠재 상태를 정제하며, 반복적인 잠재 깊이를 새로운 스케일링 축으로 활용합니다.
6월 20일0
X요약
RATs: 로봇이 무엇을 할지 지시받기 전에 학습하도록 가르치는 방법
RATs는 로봇이 명시적인 지시 없이도 자유로운 놀이를 통해 스스로 과업을 생성하고 기술 라이브러리를 구축하도록 학습시키는 방법론입니다. 강화학습 없이도 코드 기반의 정책을 작성하며, 실제 로봇 팔로의 기술 전이 성능이 뛰어납니다.
6월 19일0
X요약
DragMesh-2
촉각 센서 없이 순수한 물리적 접촉만을 활용하여 51자유도의 다지형 손이 서랍과 문을 조작할 수 있도록 학습시키는 새로운 프레임워크인 DragMesh-2를 소개합니다.
6월 19일0
X요약
S-Agent: 공간 도구 사용이 공간 지능을 위한 추론을 유도한다
ByteDance 연구진이 3D 공간 작업 수행을 위한 공간 에이전트인 S-Agent를 발표했습니다. 이 에이전트는 도구 사용을 통해 접지, 재구성, 추론을 수행하며, 별도의 학습 없이도 GPT-4o와 Gemini 1.5 Pro를 능가하는 성능을 보여줍니다.
6월 19일0
X요약
Moebius: SOTA 인페인팅 (inpainting)을 위해 10B 파라미터가 필요하지 않음을 증명
Moebius는 0.22B의 적은 파라미터만으로도 SOTA 수준의 인페인팅 성능을 구현할 수 있음을 증명했습니다. FLUX.1-Fill-Dev와 경쟁 가능한 성능을 보이면서도 추론 속도는 15배 더 빠릅니다.
6월 19일0
X요약
Google이 Hugging Face에 WikiProfile을 출시했습니다
Google이 Hugging Face를 통해 WikiProfile을 출시했습니다. 이 벤치마크는 LLM이 사실 관계를 틀리는 원인이 지식의 부재인지, 아니면 회상 병목 현상 때문인지를 진단합니다.
6월 19일0
X요약
보상은 처음부터 당신의 데이터 안에 있었습니다
본 연구는 Flow matching 모델의 현실성 저하 문제를 해결하기 위해 SSL 특징 공간에서 판별기를 학습시켜 강화학습(RL)으로 모델을 가이드하는 방법을 제안합니다. 이를 통해 SiT 모델의 FID를 9.38에서 2.62로 크게 개선하며 시각적 충실도를 높였습니다.
6월 19일0
X요약
SAE 개입은 신뢰할 수 없습니다
Sparse Autoencoder(SAE)를 이용한 특징 클램핑이 모델의 유해한 행동을 완전히 제거하지 못한다는 연구 결과입니다. 억제된 행동이 재구성 잔차를 통해 높은 확률로 회복됨을 보여주며, 특징 제어와 행동 안전성 사이의 간극을 지적합니다.
6월 18일0
X요약
EfficientRollout
FuriosaAI와 UC Berkeley가 개발한 EfficientRollout은 RL 롤아웃을 위한 시스템 인지형 자가 투기적 디코딩 프레임워크입니다. 양자화된 자가 드래프터를 활용하여 모델 품질 저하 없이 롤아웃 지연 시간을 최대 19.6% 단축합니다.
6월 18일0
X요약
Kairos: Physical AI를 위한 네이티브 월드 모델 (World Model) 스택
Kairos는 세계 이해, 생성, 행동을 통합한 4B 규모의 네이티브 월드 모델 아키텍처입니다. 하이브리드 선형 어텐션을 사용하여 실시간 엣지 추론이 가능하며, 낮은 연산 비용으로도 14B 모델을 능가하는 성능을 보여줍니다.
6월 18일0
X요약
RNG-Bench: 최첨단 MLLM이 더 이상 보이지 않는 정보에 기반하여 행동할 수 있는지 테스트
RNG-Bench는 최첨단 MLLM이 보이지 않는 정보를 기억만으로 재구성하여 행동할 수 있는지 테스트하는 벤치마크입니다. Matching Pairs와 3D Maze 환경을 통해 모델의 숨겨진 상태 재구성 능력을 평가합니다.
6월 18일0
X요약
Guava: 로봇 조작을 위한 범용 하네스 (universal harness)
2K 미만의 시뮬레이션 궤적으로 학습된 4B 규모의 오픈 소스 모델인 Guava를 소개합니다. 이 모델은 실제 환경에서 폐쇄형 모델과 대등한 성능을 보이며, 미학습 물체와 장기 작업에 대해 뛰어난 제로샷 일반화 능력을 입증했습니다.
6월 18일0
X요약
LectūraAgents: AI 학습에 교수-학생 역학 도입
LectūraAgents는 AI 학습에 교수-학생 역학을 도입한 멀티 에이전트 시스템입니다. 개인 맞춤형 교육을 위해 체화된 레슨을 제공하며, ACE-Ego-0 모델을 통해 인간의 비디오를 로봇의 동작으로 변환하는 기술을 선보입니다.
6월 18일0