Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ZennAI 번역헤드라인
【Nishika 논문 요약 제20회】ReDimNet2: 공개 데이터로 임베딩 성능을 비교해 보았다
화자 임베딩 모델인 ReDimNet의 최신 버전인 ReDimNet2 논문을 소개하고 공개 데이터셋을 통해 성능을 비교 분석합니다. 시간 방향 풀링(Time-direction Pooling)을 도입하여 계산 효율성을 높이면서도 임베딩 성능을 개선했습니다.
8월 7일2
ZennAI 번역헤드라인
캐릭터 LoRA만으로는 일관성을 지킬 수 없다 — 마스터 1장 방식의 원리
캐릭터 LoRA 학습은 캐릭터의 '특징'을 구현하는 데는 효과적이지만, 연속된 영상에서 요구되는 '동일성(Identity)'을 유지하기에는 근본적인 한계가 있습니다. 이는 확산 모델이 매번 노이즈로부터 이미지를 재구성하는 과정에서 발생하는 원리적 드리프트(Drift) 때문입니다.
8월 6일0
ZennAI 번역헤드라인
평생 사용할 나만의 AI 벤치마크를 만들었다 — 차이가 난 것은 「지능」이 아니었다
기존 공개 벤치마크의 한계를 극복하기 위해 개인화된 AI 성능 측정 방식을 설계하고 실험한 과정을 다룹니다. 모델 간의 지능 차이를 명확히 구분하기 위해 난이도(천장)를 높이는 방법과 채점 체계 구축에 대해 설명합니다.
8월 6일1
ZennAI 번역헤드라인
AI에게 프로젝트 전체 코드를 작성하게 하는 「RACG」 입문 — 서베이 논문 분석
프로젝트 전체 코드 맥락을 이해하여 코드를 생성하는 RACG(Retrieval-Augmented Code Generation) 기술을 다룬 서베이 논문을 분석합니다. 단일 함수 작성을 넘어 저장소 수준(Repository-level)의 코드를 생성하기 위한 기술적 접근법을 소개합니다.
8월 6일0
ZennAI 번역헤드라인
14B가 4B에게 패배했다——16GB GPU 한 장으로 측정한 증류(Distillation)의 용량-반응 기록
RTX 5080 환경에서 다양한 규모의 LLM(1.7B~14B)을 대상으로 지식 증류(Distillation)의 용량-반응 실험을 수행한 연구 결과입니다. 실험 결과, 특정 규모(4B)에서 성능 정점이 나타나며 모델 크기가 반드시 성능 향상으로 이어지지 않는다는 점을 입증했습니다.
8월 5일1
ZennAI 번역헤드라인
이미지 모델의 전이 학습에서 어떤 층을 어떻게 학습할 것인가?
이미지 모델의 전이 학습 시 최적의 층 학습 전략을 분석합니다. Full Fine-Tuning, Linear Probing, LP-FT 등 다양한 학습 방식의 특징과 데이터 규모 및 분포에 따른 성능 차이를 다룹니다.
8월 5일1
ZennAI 번역헤드라인
AI 보안 관련 논문 메모 6 ~CaMeL 편~
CaMeL은 모델의 훈련이나 프롬프트 수정 없이 시스템 설계만으로 프롬프트 인젝션을 방어하는 연구입니다. P-LLM과 Q-LLM의 역할 분담 및 데이터 흐름 제어를 통해 보안 레이어를 구축하는 접근 방식을 제안합니다.
8월 4일1
ZennAI 번역헤드라인
Gemini 3.6 Flash가 1분 38초 만에 Opus 5와 대등했던 건에 대하여【1엔 연구소 3라운드 실측·후편】
Gemini 3.6 Flash와 Claude Opus 5를 활용하여 AI 에이전트의 성능과 벤더별 가드레일(Guardrail)의 영향을 비교 실험한 연구 결과입니다. AI가 자율적으로 앱을 개발하고 배포하는 과정에서 발생하는 기술적 한계와 비용 문제를 다룹니다.
8월 3일0
ZennAI 번역헤드라인
AI 보안 관련 논문 메모 5 ~StruQ 편~
프롬프트 인젝션 방어를 위해 데이터와 명령을 구조적으로 분리하는 StruQ 논문을 분석합니다. Secure Front-End를 통한 영역 구분과 Structured Instruction Tuning을 통한 모델 학습을 결합하여 보안성을 높이는 방법을 다룹니다.
8월 3일1
ZennAI 번역헤드라인
AI 보안 관련 논문 메모 4 ~프롬프트 우선순위 문제~
LLM이 시스템 프롬프트와 사용자 프롬프트를 동일한 우선순위로 취급하여 발생하는 프롬프트 인젝션 문제를 다룬 OpenAI의 연구를 요약합니다. 모델 내부에 명령 계층(Instruction Hierarchy)을 구축하여 보안성을 높이는 방안을 제시합니다.
8월 3일1
ZennAI 번역헤드라인
AI 보안 관련 논문 메모 ⓷ ~AgentDojo 편~
LLM 에이전트의 실용성과 보안성 사이의 트레이드오프를 측정하기 위한 벤치마크인 AgentDojo를 소개합니다. 외부 데이터를 통한 간접 프롬프트 인젝션 공격에 대한 에이전트의 내성과 태스크 수행 능력을 정량적으로 평가하는 환경을 다룹니다.
8월 2일0
ZennAI 번역헤드라인
Qwen 35B의 품질을 7가지 질문으로 채점했더니, GPT-4를 이길 수 있는 영역은 3곳뿐이었다
Qwen 3.5 35B 모델을 대상으로 7가지 실무 태스크를 통해 GPT-4와 성능을 비교 분석했습니다. 로컬 LLM이 GPT-4와 대등하게 경쟁할 수 있는 영역과 한계점을 실무 쿼리 기반으로 검증했습니다.
8월 2일3
ZennAI 번역헤드라인
피지컬 AI란 무엇인가? 생성 AI와의 차이점을 세계 모델(World Model)을 통해 해설
피지컬 AI와 생성 AI의 차이점을 세계 모델(World Model) 개념을 통해 설명합니다. 생성 AI가 결과물의 그럴듯함에 집중한다면, 피지컬 AI는 물리 법칙을 준수하며 현실 세계에서 행동하는 것을 목표로 합니다.
8월 1일1
ZennAI 번역헤드라인
Model Soups 논문 해설: Transformer 시대의 가중치 평균
Model Soup은 여러 파인튜닝된 모델의 예측값이 아닌 가중치를 평균하여 단일 모델의 성능을 높이는 기법입니다. 앙상블과 달리 추론 비용 증가 없이 정확도와 강건성을 개선하며, 동일 사전 학습 모델에서 파인튜닝된 모델들이 공통의 저손실 영역에 존재한다는 원리를 이용합니다.
7월 31일0
ZennAI 번역헤드라인
【Nishika 논문 핵심 읽기 제18회】 AI에게 수명을 주었더니, 살아남기 위해 책을 써서 팔기 시작했다!
AI 에이전트에게 예산을 수명으로 부여하여 현실 세계에서 자율적으로 생존하게 하는 'OpenLife' 논문을 소개합니다. 6체의 에이전트가 12주간 예산을 관리하며 책을 판매하는 등 생존을 위해 행동하는 과정을 실험적으로 관찰했습니다.
7월 30일2
ZennAI 번역헤드라인
Attention Residuals에 관하여
Kimi K3 모델에 채택된 Attention Residuals 기술을 분석합니다. 기존 잔차 연결의 정보 병목 현상을 해결하기 위해 학습 가능한 파라미터와 어텐션 메커니즘을 깊이 방향으로 적용한 구조를 설명합니다.
7월 30일2
ZennAI 번역헤드라인
Kimi K3 공개 — 북한이 사용할 것을 전제로 Web 앱을 설계하기
Moonshot AI가 2.8T 파라미터 규모의 오픈 웨이트 모델인 Kimi K3를 공개했습니다. 이 모델의 공개는 상용 API의 통제권(계정 삭제, 로그 추적, 안전 장치)을 무력화하여 AI 주도 사이버 공격의 위험성을 극대화할 수 있음을 시사합니다.
7월 28일1
ZennAI 번역헤드라인
NVIDIA DGX Spark에서 소프트웨어 개발에 최적화된 Gemma 4 모델 검증 (31B vs 26B)
NVIDIA DGX Spark 환경에서 Gemma 4 31B와 26B 모델의 소프트웨어 개발 성능을 비교 검증한 연구 결과입니다. HumanEval과 GSM8K 벤치마크를 통해 코딩 능력과 논리적 추론 능력을 정량적으로 평가했습니다.
7월 28일1
ZennAI 번역헤드라인
Opus 5 최강 - 수평 사고 퀴즈 12,080턴을 통해 밝혀진 LLM 5개 모델의 추론 전략 차이
수평 사고 퀴즈(바다거북의 스프)를 활용해 5개 LLM 모델의 추론 전략을 비교 분석했습니다. 실험 결과 Claude Opus 5가 96%의 정답률로 가장 뛰어난 성능을 보였으며, 모델별로 가설 주도형, 분할 정복 등 각기 다른 추론 패턴을 나타냈습니다.
7월 28일1
ZennAI 번역헤드라인
3비트 KV 캐시(KV Cache)는 무손실인가, TurboQuant 읽기
TurboQuant 논문을 통해 KV 캐시 양자화 기술의 핵심 원리를 분석합니다. 랜덤 직교 회전을 통해 이상치(outlier)를 분산시킨 후 최적의 스칼라 양자화를 적용하여 정밀도 손실을 최소화하는 방법을 다룹니다.
7월 27일2