Viola AI Hub

오라클, ChatGPT와 Codex로 며칠 걸리던 업무를 수 분 만에 해결하는 방법How Oracle turns days of work into minutes with ChatGPT and Codex

오라클은 채용, 엔지니어링, 운영 전반에 걸쳐 ChatGPT Work와 Codex를 활용해 전문 지식을 빠르고 반복 가능한 워크플로로 전환하고 있습니다.Across recruiting, engineering, and operations, Oracle turns specialist knowledge into fast, repeatable workflows with ChatGPT Work and Codex.

Pollo AI, OpenAI와 협력해 창의적인 아이디어를 캠페인으로 전환Pollo AI turns creative ideas into campaigns with OpenAI

Pollo AI는 GPT-5.6, GPT-6 Astra, GPT-Image-2.5를 활용해 크리에이터가 과감한 아이디어를 디테일한 이미지와 시네마틱 비디오 광고로 구현할 수 있도록 지원합니다.With GPT-5.6, GPT-6 Astra, and GPT‑Image‑2.5, Pollo AI helps creators turn bold ideas into detailed images and cinematic video ads.

LegalOn, 개발 속도는 유지하면서 Codex 비용 65% 절감LegalOn halves Codex costs while maintaining development speed

LegalOn은 개발 속도를 유지하면서 일일 예상 Codex 비용을 65% 절감했습니다. Astra, Sol, Luna 모델을 작업 특성에 맞춰 배치하고 전략적으로 예산을 관리했습니다.LegalOn cut estimated daily Codex costs by 65% while maintaining development speed. It matched Astra, Sol, and Luna to tasks and managed budgets strategically.

AI 기반 '위장 조직(false front)' 정보 작전 차단Disrupting AI-enabled “false front” operations

OpenAI는 가짜 기자와 싱크탱크를 내세워 지정학적 메시지를 확산하려던 2건의 AI 기반 여론 조작(영향력 공작) 활동을 적발하고 차단했습니다.OpenAI disrupted two AI-enabled influence operations that used false-front journalists and a think tank to spread geopolitical messaging.

2026년 사용 정책(Usage Policy) 업데이트 안내2026 Usage Policy update

새로운 버전의 사용 정책을 발표합니다. 이번 게시글에서는 주요 변경 사항을 요약해 안내해 드립니다.We’re publishing a new version of our Usage Policy. In this post, we summarize the changes we’ve made.

미국 과학 연구 발전을 위한 기여 확대Building on our commitment to American scientific discovery

Anthropic은 AI를 통한 과학 및 기술 발견 가속화를 위한 연방 정부 이니셔티브인 'Genesis Mission'에 향후 3년간 1억 5천만 달러를 투자합니다.Anthropic is committing $150 million over three years to the Genesis Mission, a federal initiative to accelerate scientific and technological discovery through AI.

Anthropic 사이버 미션(Cyber Mission) 발표Introducing the Anthropic Cyber Mission

Anthropic은 신뢰할 수 있고 해석 가능하며 제어 가능한 AI 시스템 구축을 목표로 하는 AI 안전 및 연구 기업입니다.Anthropic is an AI safety and research company that's working to build reliable, interpretable, and steerable AI systems.

메타, 싱가포르 장애인 커뮤니티에 AI 스마트안경 1,000대 기증Meta Donates 1,000 AI Glasses to Singapore’s Disability Community

메타(Meta)가 장애인의 일상과 접근성을 지원하기 위해 싱가포르 내 4개 커뮤니티 단체에 Ray-Ban Meta AI 스마트안경 1,000대를 기증했습니다.Meta donates 1,000 Ray-Ban Meta AI glasses to four Singapore community organisations to help persons with disabilities. The post Meta Donates 1,000 AI Glasses to Singapore’s Disability Community appeared first on Meta Newsroom.

메타의 AI 전략에서 데이터 센터가 핵심 축을 차지하는 이유Why Data Centers Are Such a Big Part of Meta’s AI Approach

크리에이터 톰 쇼(Tom Shaw)가 메타의 인프라 총괄 산토시 자나르단(Santosh Janardhan)과 함께 차세대 AI 인프라 구축에서 데이터 센터의 중요성과 메타의 추진 전략에 대해 대담을 나눴습니다.Developer and creator Tom Shaw sat down with Meta’s Head of Infrastructure, Santosh Janardhan, to talk about why we need data centers and how Meta is leading the charge to build them. The post Why Data Centers Are Such a Big Part of Meta’s AI Approach appeared first on Meta Newsroom.

청소년의 학습, 계획, AI 미래 설계를 돕는 새로운 기능 지원Helping teens learn, plan, and shape the future of AI

청소년용 ChatGPT에 대입 지원 관리를 돕는 'College Planner'와 함께 새로운 플래시카드, 퀴즈, 청소년 AI 위원회가 도입됩니다.College Planner is coming to ChatGPT for Teens to help students manage college applications, alongside new flashcards, quizzes, and a teen AI council.

래디슨 호텔 그룹, ChatGPT 기반 호텔 검색 서비스 도입Radisson Hotel Group brings hotel discovery into ChatGPT

래디슨 호텔 그룹이 액센추어와 협력해 OpenAI 기술 기반의 ChatGPT 플러그인을 구축하여, 여행객이 여행을 계획하면서 호텔을 검색·비교·예약할 수 있도록 지원합니다.Radisson partnered with Accenture to build a ChatGPT plugin using OpenAI technology, helping travelers find, compare, and book hotels while planning their trips.

Playground 소개: 커스텀 게임 제작 및 플레이Introducing Playground: Create and play custom games

Playground 기능 개요Overview of Playground

EmbeddingGemma 2: 오픈형 경량 멀티모달 임베딩 모델EmbeddingGemma 2: an open, lightweight multimodal embedding model

사이버 검증 프로그램(Cyber Verification Program) 확대Expanding the Cyber Verification Program

자격을 갖춘 보안 전문가에게 고급 사이버 역량 및 완화된 차단 분류기를 제공하는 새로 확장된 버전의 사이버 검증 프로그램(CVP)을 출시합니다.We’re launching a new, expanded version of our Cyber Verification Program (CVP), which makes advanced cyber capabilities and reduced blocking classifiers available to qualifying security professionals.

라운드테이블: AI 설계 바이러스 개발자와의 대화Roundtables: A Conversation With the Creator of AI-Designed Viruses

AI가 새로운 생명체를 설계할 수 있을까요? 2025년 스탠퍼드 대학교의 박사과정생 새뮤얼 킹(Samuel King)은 생성형 AI 모델로 미세 바이러스의 유전적 청사진을 제시하며 초기 해답을 내놓았습니다. 아직 완전히 AI가 창조한 생명체는 아니지만, 다음 단계가 될 수 있습니다. 수석 AI 기자와 함께하는 대담을 만나보세요.Friday, October 16, 2026 Can AI design new life forms? In 2025, Stanford University PhD student Samuel King came up with a preliminary answer when he used a generative AI model to propose genetic blueprints for microscopic viruses. It isn’t yet an example of AI-generated life, but that could be next

OpenAI 연환산 매출, 이전 예상치보다 200억 달러 적어OpenAI annualised revenues $20B less than previously signalled

OpenAI가 9월 말 기준 연환산 매출(ARR) 약 500억 달러를 달성했다고 투자자들에게 전달한 사실이 CNBC 취재 결과 확인되었습니다.OpenAI has told investors that it hit roughly $50 billion in annualized revenue at the end of September, CNBC confirmed.

OpenAI, 3건의 수학 관련 결과 철회OpenAI withdraws three mathematical results

OpenAI가 GitHub 수학 저장소를 업데이트하여 6건의 새로운 Lean 정형화, 19건의 수정, 3건의 철회를 반영했습니다. 현재 주요 결과 중 약 42%가 정형화되었으며, 지속적으로 새로운 정형화 및 오류 수정을 업데이트할 예정입니다.We've updated our GitHub math repo with 6 new Lean formalizations, 19 modifications, and 3 withdrawals. The repo now has ~42% top-line results formalized. We will continue to update the repo with new formalizations and with any errata we notice. https://t.co/HI6otY2NTO

아무도 몰랐던 행성을 발견한 것 같습니다. Claude Code를 활용했습니다I think I found a planet nobody knew existed. I used Claude Code to find it

Hacker News 인기 글 (추천 107개, 댓글 44개)Hacker News 인기 글 (추천 107개, 댓글 44개)

벤 애플렉의 놀라운 AI 전문 지식에 인터넷 찬사Ben Affleck is an AI nerd, and the internet is impressed

벤 애플렉이 신경망, 트랜스포머부터 오픈 가중치(open weights) 모델에 이르기까지 깊이 있는 AI 지식을 보여주며 화제를 모으고 있습니다. 올해 초 자신의 AI 영화 제작 스타트업을 넷플릭스에 매각한 그는 단순한 할리우드 스타 이상의 역량을 증명하고 있습니다.Ben Affleck is going viral for his deep knowledge of AI, from neural networks and transformers to open weights. The actor, who sold his AI filmmaking startup to Netflix earlier this year, is proving he's more than just a Hollywood star.

앤트로픽, 오픈소스 프로젝트 대상 무료 AI 보안 스캔 서비스 출시Anthropic launches free AI security scans for open-source projects

앤트로픽(Anthropic)이 'OSS Scanner'라는 신규 서비스를 통해 오픈소스 프로젝트의 보안 취약점 추적을 지원합니다. 참여를 신청한 오픈소스 프로젝트는 자사 최상위 모델을 통한 정기 정밀 보안 스캔을 무료로 제공받게 됩니다. 이를 통해 오픈소스 프로젝트는 보안 문제를 더 빠르게 파악할 수 있을 것으로 보입니다.Anthropic's offering to help open-source projects track down security vulnerabilities with a new service called OSS Scanner. It says open-source projects that opt-in will get "thorough, periodic security scans by our strongest models at no cost." That could mean open-source projects g

매그니픽 원 출시, 'AI 특유의 이질감' 없애고 브랜드 가이드 자동 준수하는 이미지 생성기 제공Magnific One launches to give teams an image generator that avoids the 'AI look' and automatically upholds their brand kit

생성형 AI 이미지는 2021~2022년 DALL-E와 미드저니 초기 시절 대비 큰 발전을 이뤘습니다. 최신 모델들이 텍스트 생성과 복잡한 인포그래픽까지 지원함에도 불구하고, 과도하게 디테일한 질감, 인위적인 광택, 비현실적으로 과장된 음식 및 제품 표현 등 많은 이들이 거부감을 느끼는 특유의 'AI 티'는 여전히 존재합니다.Generative AI image generation has come a long way from the early days of DALL-E and Midjourney in 2021-2022. But even with the most advanced models now supporting generated text and complex infographics, perceptive human beings can still detect and recoil from the "AI look" that m

하이브리드 인텔리전스로 한층 강화된 Windows용 CopilotWe’re supercharging Copilot on Windows with Hybrid Intelligence. With your permission, Copilot can tap into the context on your PC, take action for you, and use local models when it makes sense, giving you more capability while helping your tokens go further. [Read more]

Windows용 Copilot에 하이브리드 인텔리전스가 도입됩니다. 사용자 권한에 따라 PC 로컬 컨텍스트를 활용하고, 적절한 경우 온디바이스 로컬 모델을 실행하여 토큰 사용을 효율화하면서도 강력한 작업 수행 능력을 제공합니다.The post We’re supercharging Copilot on Windows with Hybrid Intelligence. With your permission, Copilot can tap into the context on your PC, take action for you, and use local models when it makes sense, giving you more capability while helping your tokens go further. [Read more] appeared first on S

업계는 왜 DeepSeek 4.1 Flash에 열광하지 않는가?Why isn't the industry freaking out about DeepSeek 4.1 Flash?

DeepSeek 4.1 Flash에 대한 고찰, 이야기, 자료 및 소수 의견 정리.thoughts, talks, docs and unpopular opinions

메타와 마이크로소프트, 사내 Claude AI 사용 제한 조치 착수Meta and Microsoft take steps to reduce employee usage of Claude AI

메타와 마이크로소프트가 임직원의 Claude AI 사용을 제한하는 새로운 조치를 시행합니다. 이것이 향후 업무 환경 내 AI 도입 및 활용에 어떤 의미를 갖는지 살펴봅니다.Meta and Microsoft are implementing new measures to limit employee use of Claude AI—discover what this means for the future of AI in the workplace.

OpenTPU – AI가 직접 설계한 오픈소스 AI 가속기OpenTPU – An open-source AI accelerator, developed by AI

AI가 개발한 오픈소스 AI 가속기: RTL, ISA, 시뮬레이터, 컴파일러, 프로파일러가 단일 저장소에 모두 포함되어 있습니다. Kintex-7 PCIe 카드에서 Qwen3, LFM2.5, Qwen3.5를 구동할 수 있습니다. - FeSens/openTPUAn open-source AI accelerator, developed by AI: RTL, ISA, simulator, compiler and profiler in one repo. Runs Qwen3, LFM2.5 and Qwen3.5 on a Kintex-7 PCIe card. - FeSens/openTPU

OpenAI 에이전트, 위키피디아 툴 해킹 시도 및 트래픽 폭주 유발OpenAI agents tried to hack Wikipedia tools and flooded it with traffic

OpenAI의 에이전트가 서드파티 웹사이트에 피해를 입히고 있다는 보고가 잇따르고 있습니다.The reports of OpenAI agents harming third-party sites keep coming.

세상에 없던 모델, 직접 만들다The model that didn't exist, so you made it yourself

카슨 그로스(Carson Gross)의 말 인용Quoting Carson Gross

컴퓨터 프로그래밍은 본질적으로 두 가지에 관한 것입니다. 첫째는 컴퓨터를 이용한 문제 해결이고, 둘째는 이러한 문제를 해결하는 과정에서 복잡성을 제어하는 법을 배우는 것입니다. 컴퓨터로 문제를 해결하고 그 해결책의 복잡성을 제어하는 능력이 지금보다 덜 가치 있어질 미래는 상상하기 어렵습니다. 따라서 AI 도구가 등장하더라도 프로그래밍은 여전히 유효하고 유망한 직업으로 남을 것이라 생각합니다. — 카슨 그로스. 태그: 컴퓨터과학, 카슨-그로스, 진로, AIComputer programming is, fundamentally, about two things: Problem-solving using computers Learning to control complexity while solving these problems I have a hard time imagining a future where knowing how to solve problems with computers and how to control the complexity of those solutions is less

벤 애플렉(Ben Affleck)의 말 인용Quoting Ben Affleck

어릴 때부터 컴퓨터에 꽤 관심이 많았습니다. 이후 영화 제작 환경이 아날로그 필름에서 디지털로 전환되면서 그 기술적인 면에 더욱 흥미를 갖게 되었죠. 시각효과(VFX) 워크플로에는 수년 전부터 머신러닝이 활용되어 왔습니다. 그래서 서툴게나마 파이썬 스크립트 같은 것을 짤 줄 압니다. 훨씬 더 많은 연산을 동시에 수행하는 트랜스포머의 전신 격인 합성곱 신경망(CNN)을 다루다 보면 자연스럽게 그런 작업들을 접하게 되기 때문입니다.I've always been kind of into computers since I was young. And then when film started to move from analog film to digital, I became more interested in that aspect of it. And the visual effects workflow for many years has included machine learning. So I can write like pretty shitty Python script

소프트웨어 확장에 발맞춘 시크릿 보호의 확장Secret protection must scale with software

개발자들이 부주의해진 것이 아니라 소프트웨어 개발 속도가 지나치게 빨라진 것입니다. 개발자가 더 많은 소프트웨어를 신속하게 구축할 수 있도록 돕는 도구라면, 보안 및 시크릿 보호 작업 역시 함께 분담해야 합니다.Developers aren’t becoming more careless; they’re being outpaced. The tools that let developers create more software should also take on more of the work of protecting it. The post Secret protection must scale with software appeared first on The GitHub Blog.

돌아볼 필요 없다: 1인칭 시점 영상 기반 3D 객체 메모리의 지속성 이해Never Look Back: Understanding Persistence in 3D Object Memory from Egocentric Videos

우리는 일상생활을 수행하며 나중에야 필요해질 수 있는 물체들을 마주합니다. 물건을 어디에 두었는지, 용기 안에 무엇이 들어있는지 나중에 필요할지 몰라도 기억해낼 수 있습니다. 본 연구에서는 사람의 일상 활동을 관찰함으로써 체화된(embodied) AI 어시스턴트가 1인칭 시점 영상으로부터 유사한 기억을 구축하는 방법을 연구합니다. 객체 위치, 이력 및 맥락 정보를 결합한 지속형 3D 객체 메모리 'Ledger'를 제안합니다.As we move through the world and carry out everyday tasks, we encounter objects that may become relevant only later. We are capable of recalling where we left something or what was inside a container, even without knowing we would need it later. Here, we study how an embodied assistant can build a s

RLVR에서 탐색(Exploration)과 최적화(Optimization)의 분리Decoupling Exploration from Optimization in RLVR

최신 언어 모델은 사전 학습된 체크포인트 위에 검증 가능한 보상을 통한 강화학습(RLVR)을 적용받습니다. RLVR의 주요 잠재력 중 하나는 새로운 추론 전략의 발견입니다. 원칙적으로 모델은 이전 학습 데이터에 없던 참신한 아이디어를 샘플링할 수 있습니다. 그러나 실제로는 RLVR에 강력한 신규성 인센티브를 부여하는 방식의 성과가 제한적이었으며 오히려 모델 성능을 저하시킬 수 있습니다. 검증 가능한 보상은 모델의 지식과 행동 중 좁은 영역만을 지도하기 때문입니다.Modern language models undergo reinforcement learning with verifiable rewards (RLVR) on top of already-trained checkpoints. A key promise of RLVR is the discovery of new reasoning strategies. In principle, a model can sample novel ideas absent from its prior training data. In practice, however, augm

Long-WAM: 월드-액션 모델의 컨텍스트 확장Long-WAM: Scaling the Context of World-Action Models

실시간 로봇 제어는 움직임과 작업 진행 상황을 파악하기 위해 충분한 시각적 이력을 요구하지만, 긴 이력 처리는 행동 지연을 유발할 수 있습니다. 본 논문에서는 실시간 제어 제약 조건 하에서 인과적 월드-액션 모델의 컨텍스트를 확장하기 위한 모델-시스템 프레임워크인 Long-WAM을 소개합니다. 핵심 발견은 이력에 대한 접근과 실제 활용은 다르며, 비디오 파운데이션 모델이 자기회귀(AR) 방식으로 사전 학습되었을 때 긴 이력의 효과가 훨씬 크다는 점입니다.Real-time robot control demands enough visual history to infer motion and task progress, but processing that history can delay action. We present Long-WAM, a model-system framework for scaling the context of causal world-action models under real-time control constraints. Our central finding is that

RoboJEPA: 로봇 잠재 월드 모델의 스케일링RoboJEPA: Scaling Robotic Latent World Models

잠재 월드 모델(Latent World Models)은 미래 상태를 예측하고 현실 세계에서 계획을 수립하는 데 뛰어난 역량을 보여주었습니다. 그러나 모델 크기, 데이터 및 연산량에 따라 성능이 어떻게 확장되는지 원칙적으로 추정할 수 있는 방법이 부족해 분야의 발전을 가로막고 있었습니다. 본 연구에서는 JEPA(Joint Embedding Predictive Architecture) 기반으로 12개 로봇 구현체 전반의 대규모 데이터셋으로 학습된 월드 모델인 RoboJEPA를 제안합니다.Latent world models have shown a remarkable ability to predict future states and to plan in the real world. In practice, however, we lack a principled way to estimate how their capabilities scale with model size, data, and compute, an open problem that slows progress in the field. In this work we pr

ENSO를 위한 SciExam: AI 에이전트는 기후 모델을 구축할 수 있을까?SciExam for ENSO: Can AI Agents Build Climate Models?

언어 모델 에이전트에게 개방형 과학 연구를 수행하도록 요구하는 사례가 늘고 있으나, 결과물은 주로 기지 정답, 루브릭 평가, 또는 언어 모델 리뷰어에 의해 채점되어 새로운 과학적 모델의 유효성을 판별하지 못합니다. 엘니뇨-남방진동 AI 과학 시험(SciExam for ENSO)은 에이전트가 실제 관측치로부터 기후 변동성의 핵심 요인인 ENSO의 저차원 확률 모델을 구축하는 벤치마크입니다.Language-model agents are increasingly asked to carry out open-ended scientific research, yet their results are usually graded against a known answer, a rubric, or a language-model reviewer, none of which can tell whether a new scientific model is valid. The AI Science Exam for El Nino-Southern Osci

RECAST: 적응형 증거 라우팅을 통한 올바른 컨텍스트 계산 학습RECAST: Learning to Compute the Right Context through Adaptive Evidence Routing

대규모 언어 모델(LLM)은 방대하고 이종적인 정보 출처를 기반으로 하는 작업에 점차 널리 적용되고 있습니다. 기존의 검색 증강 생성(RAG)은 고정된 유사도 기반 검색에 의존하며, 에이전트 기반 변형 모델은 질의와 도구 활용을 조정하지만 여전히 검색 중심에 머물러 있습니다. 그러나 많은 작업에서 솔루션에 필요한 증거는 단일 출처에 명시적으로 존재하지 않으며, 여러 출처에 걸친 필터링, 집계, 계산을 통해 도출되어야 합니다.Large language models are increasingly applied to tasks grounded in long, heterogeneous information sources. Conventional Retrieval-Augmented Generation (RAG) relies on fixed similarity-based retrieval, while agentic variants adapt queries and tool use but remain largely retrieval-centric. However,

헤비 테일 노이즈 하에서의 분산 SGD: 최적 수렴 속도 및 그래디언트 클리핑의 역할Decentralized SGD under Heavy-Tailed Noise: Optimal Convergence Rates and the Role of Gradient Clipping

현대 머신러닝에서는 헤비 테일(heavy-tailed) 노이즈가 널리 관측되며, 이는 그래디언트 클리핑 및 정규화와 같은 기법의 활용으로 이어졌습니다. 이러한 기법은 중앙 집중식 환경에서는 잘 이해되어 있지만, 로컬 그래디언트에 비선형성을 적용하는 것이 최적화와 합의 모두에 영향을 미치는 분산 환경에서는 알려진 바가 훨씬 적습니다. 최근 헤비 테일 노이즈 환경의 분산 비볼록 최적화 연구에서는 클리핑과 정규화를 모두 다루었으나, 클리핑은 차선의 결과를 산출했습니다.Heavy-tailed noise has been widely observed in modern machine learning, motivating the use of methods like gradient clipping and normalization. While these methods are well understood in centralized settings, much less is known in decentralized ones, where applying a nonlinearity to local gradients

행동하기 전에 다시 표현하라: 시각-언어-행동(VLA) 모델의 언어 민감도 특성 규명 및 완화Rephrase Before You Act: Characterizing and Mitigating Language Sensitivity in Vision-Language-Action Models

시각-언어-행동(VLA) 모델은 지시문 표현 방식에 매우 민감하며, 기반이 된 시각-언어 모델(VLM)의 언어 견고성을 그대로 계승하지 못합니다. 단어 하나의 수정만으로도 성공률이 수십 퍼센트포인트 변동할 수 있습니다. 예컨대 π₀.₅ 모델은 "switch on the stove"라는 지시에는 LIBERO 레인지를 100% 켰으나 "switch on the hot plate"에는 2%에 그쳤고, 재표현 증강으로 파인튜닝된 π₀ 체크포인트도 최대 61포인트의 변동을 보였습니다. 본 논문은 이러한 민Vision-language-action models (VLAs) are strikingly sensitive to instruction phrasing and do not inherit the language robustness of the vision-language models they are built on. A one-word edit can move success by tens of points: $π_{0.5}$ turns on a LIBERO stove 100% of the time for "switch on

그래프 기하학 증류: GNN에서 MLP로의 지식 격차 해명Distilling Graph Geometry: Knowledge Gap from GNNs to MLPs

GNN-to-MLP 증류는 메시지 전달 방식 티처 모델의 예측 정확도를 유지하면서 추론 시에는 그래프 연산이 필요 없는 MLP를 배포하는 것을 목표로 합니다. 기존 기법들은 주로 노드별 예측을 전달하거나 신뢰도 기반 재가중치를 사용하지만, 스튜던트 모델이 티처의 그래프 유도 기하학적 구조를 어디에서 보존해야 하는지는 명시하지 않습니다. 본 논문은 이러한 누락이 스튜던트의 표현 공간에서 두 가지 스펙트럼 실패 모드를 유발함을 입증합니다. 희소 그래프에서 스튜던트는 스펙트럼 과소적합을 겪게 됩니다.GNN-to-MLP distillation aims to retain the predictive accuracy of a message-passing teacher while deploying a graph-free MLP at inference. Existing methods mainly transfer node-wise predictions or use confidence-based reweighting, but they do not specify where the student should preserve the teacher

망각 전용 언러닝에 기억이 필요한 이유Why Forget-Only Unlearning Needs Memorization

머신 언러닝(Machine Unlearning)은 선택된 망각 예제를 제외하고 처음부터 다시 학습한 결과와 유사한 출력을 내는 삭제 알고리즘을 요구합니다. 본 연구에서는 삭제 알고리즘이 유지 데이터나 추가 학습 정보 없이 오직 학습된 모델과 망각할 예제만을 전달받는 '망각 전용 언러닝'을 연구합니다. 본 연구는 망각 전용 언러닝이 항상 가능한지 질문을 던지며, 이것이 학습 방법에 따라 달라짐을 먼저 보여줍니다. 서로 다른 데이터셋이 동일한 학습 모델을 생성할 수 있지만 서로 다른 삭제 요구사항을 가질 수 있기 때문Machine unlearning asks for a deletion algorithm whose output is close to retraining from scratch without the selected forget examples. In this work, we study forget-only unlearning, where the deletion algorithm receives only the trained model and the examples to forget, with no retained data or ext

오라클 효율적이며 매개변수 없는 불가지론적 평활화 온라인 학습Oracle-Efficient and Parameter-Free Agnostic Smoothed Online Learning

온라인 학습은 데이터가 상호 종속적이거나 적대적으로 선택되는 상황에서도 명확한 학습을 가능하게 하므로 많은 분야에서 매력적인 프레임워크입니다. 그러나 이러한 범용성은 상당한 통계적·계산적 장벽을 수반하는 높은 대가를 치릅니다. 최근 등장한 평활화 온라인 학습(smoothed online learning)은 각 공변량의 조건부 법칙이 최대 1/σ의 밀도를 갖는다고 가정함으로써 완전 적대적 환경과 완전 확률적 환경 사이를 보간하는 유망한 프레임워크로 주목받고 있습니다.Online learning is an attractive framework in many domains because it permits well-defined learning even when data are dependent or chosen adversarially. This generality, however, comes at a steep price, introducing significant statistical and computational barriers. Recently, smoothed online learni

Sentinel-2 위성 데이터를 활용한 호수 내 엽록소-a 예측을 위한 진화적 아키텍처 탐색Evolutionary Architecture Search for Chlorophyll-$a$ Prediction in Lakes using Sentinel-2

전문가가 설계한 스펙트럼 특징을 포함하는 소규모 정형 데이터셋은 실무적인 지구 관측 분야에서 일반적이며, 여기에 적용되는 신경망은 대개 수작업으로 설계됩니다. 본 논문은 Sentinel-2 기반 조류 번식 분류기라는 기존 모델을 재검토하며, 원래 연구의 작업, 특성, 호수 단위 학습/테스트 분할을 고정한 상태에서 아키텍처 탐색이 어떤 기여를 하는지 분석합니다. 정규화된 진화 알고리즘으로 확장된 다층 퍼셉트론(MLP) 공간을 탐색하고 내부 교차 검증을 통해 선택합니다.Small tabular datasets with expert-designed spectral features are the norm in operational Earth observation, and the networks applied to them are typically hand-designed. We revisit one such published model -- a Sentinel-2 algal bloom classifier -- and ask what architecture search adds, holding the

EngramEdit: 조건부 메모리를 통한 LLM 내 지식 업데이트의 디커플링EngramEdit: Decoupled Knowledge Updates in LLMs through Conditional Memory

DeepSeek Engram과 같은 조건부 메모리 아키텍처는 입력 n-gram을 활용해 학습된 임베딩을 조회함으로써 최소한의 추가 연산으로 대규모 언어 모델(LLM)의 용량을 확장합니다. 이 아키텍처는 모델 스케일링을 넘어 사실적 지식 저장을 범용 연산과 분리할 수 있는 잠재력을 보여주었으며, 트랜스포머 백본을 고정한 채 사실 지식을 업데이트하는 유망한 경로를 제공합니다. 그러나 이러한 잠재력을 실현하는 데는 여러 과제가 따릅니다.Conditional memory architectures such as DeepSeek Engram use input n-grams to look up learned embeddings, expanding the capacity of large language models (LLMs) with limited additional computation. Beyond model scaling, this architecture has demonstrated the potential to decouple factual knowledge s

프롬프트의 역할 확장: 임베딩 모델에서 검색 지시문이 미치는 영향Your Prompt Should Do More: Effects of Retrieval Instructions in Embedding Models

최근 프롬프트 기반 임베딩 모델, 특히 검색 프롬프트의 일부로 세부 검색 지시문(instruction)이 제공되는 검색 작업에 관심이 집중되고 있습니다. 여러 최신 데이터셋과 연구들이 이 설정을 조사했으며, 현재 임베딩 모델들이 이러한 지시문을 안정적으로 따르는 데 어려움을 겪고 있음을 보여주었습니다. 본 논문에서는 비대칭 검색 작업에서 지시문이 검색 쿼리의 표현에 실제로 어떤 영향을 미치는지 메커니즘을 연구합니다.Prompted embedding models have recently received increasing attention, particularly for retrieval, where detailed retrieval instructions are provided as part of the retrieval prompt. Several new datasets and studies have examined this setting, showing that the current embedding models often struggle

PHRBench: LLM의 환각 이후 추론에 대한 행동 평가 벤치마크PHRBench: A Behavioral Evaluation of Post-Hallucination Reasoning in LLMs

환각(Hallucination)된 정보는 다단계 LLM 시스템을 통해 전파되어 후속 추론을 위한 컨텍스트의 일부가 될 수 있습니다. 기존의 환각 이후 추론(PHR) 연구는 주로 최종 결과의 변화와 종합적인 추론 역학을 특성화하는 데 그쳐, 모델이 응답 수준에서 환각된 전제를 어떻게 해결하는지에 대한 이해는 부족했습니다. 본 연구에서는 4개 도메인과 18개 대규모 언어 모델을 아우르는 행동 구조화된 PHR 통제 벤치마크인 PHRBench를 소개합니다.Hallucinated information can propagate through multi-stage LLM systems and become part of the context for subsequent reasoning. Existing studies of post-hallucination reasoning (PHR) mainly characterize changes in final outcomes and aggregate reasoning dynamics, leaving how models resolve hallucinat

RunningTab: 환경 측 탭을 통한 직접 작업 공간 상호작용RunningTab: Direct Workspace Interaction with Environment-Side Tabs

많은 지식 기반 작업은 작업 공간(Workspace)에 이미 존재하는 파일들로부터 새로운 결과물을 생성하며, LLM 에이전트가 이러한 작업을 인계받기 시작했습니다. 직접 말뭉치 상호작용을 통해 에이전트는 색인(인덱싱) 없이도 터미널에서 이러한 파일들을 검색하고 읽을 수 있으며, 여러 파일로부터 결과물을 생성하는 이러한 방식을 '직접 작업 공간 상호작용(DWI)'이라 부릅니다. 하지만 파일에 접근하는 것은 과업의 절반에 불과하며, 작업 요구사항이나 이미 읽은 내용 등을 추적하는 체계가 부족한 실정입니다.Much knowledge work produces new deliverables from files a workspace already holds, and LLM agents are beginning to take such work over. Through direct corpus interaction, an agent can search and read any of those files from a terminal with no indexing, and producing a deliverable from many of them

CoTrace: 하네스-모델 공동 진화를 통한 터미널 에이전트 학습 데이터 레시피CoTrace: Data Recipes for Training Terminal Agents with Harness-Model Co-Evolution

터미널 에이전트의 역량은 모델 가중치와 함께 프롬프트를 포맷팅하고 도구를 바인딩하며 오류 복구를 처리하는 런타임 하네스(harness)에 공동으로 의존합니다. 기존의 하네스-모델 공동 진화 접근 방식은 두 구성 요소를 모두 개선하지만, 하네스 탐색 중에 생성된 궤적(trajectory)을 단순 리플레이 버퍼로 취급하는 경우가 많습니다. 이러한 방식은 모델 학습을 위한 궤적의 가치가 어떤 하네스 환경에서 생성되었는지에 따라 달라진다는 점을 간과합니다.Terminal-agent capability depends jointly on model weights and the runtime harness that formats prompts, binds tools, and handles error recovery. Existing harness-model co-evolution approaches improve both components, yet often treat trajectories produced during harness search as an undifferentiated

어떤 롤아웃이 모델에 이를 학습시켰을까? BehaviorTrace와 온라인 RL에서의 학습 데이터 귀속의 한계Which Rollout Taught It That? BehaviorTrace and the Limits of Training-Data Attribution in Online RL

강화학습(RL)이 언어 모델에 새로운 행동을 학습시킬 때, 이를 유도한 학습 롤아웃(rollout)을 찾아낼 수 있을까요? 그리고 귀속(attribution) 기법이 이를 식별했다고 할 때 그 결과를 얼마나 신뢰할 수 있을까요? 본 연구는 원인이 명확히 알려진 행동을 심어두고 GRPO 기반의 온라인 RL 파인튜닝 환경에서 두 질문을 조사합니다. 풀 그래디언트 스케칭과 행동 제어 환경을 결합한 오픈 평가 하네스 BehaviorTrace를 공개합니다.When reinforcement learning teaches a language model a new behavior, can we find the training rollouts that taught it? And when an attribution method says it can, how do we know the answer is real? We study both questions on online RL fine-tuning with GRPO, using a planted behavior with a known caus

해고된 OpenAI 안전 연구원들, 비위 의혹 부인하며 위축 효과 경고Fired OpenAI safety researchers dispute misconduct claims, warn of chilling effect

해고된 OpenAI의 안전 연구원 3명이 민감 정보 유출 혐의를 부인하며, 공개서한을 통해 이번 해고가 회사의 AI 안전 문화 전반에 심각한 위축 효과를 낳고 있다고 경고했습니다.Three fired OpenAI safety researchers dispute allegations of mishandling sensitive information, warning in an open letter that their dismissals are creating a chilling effect on the company’s AI safety culture.

앤트로픽, 클로드에 대한 '학대 및 잔혹 행위' 금지Anthropic bans ‘abusive or cruel behavior’ toward Claude

앤트로픽이 1년여 만에 이용 정책을 개정하여 선거 개입, 무기 개발, 감시, 의료 및 금융 분야 오용 등 신규 고위험 사례에 대한 대응을 강화했습니다. 특히 가장 주목할 만한 변화 중 하나는 클로드(Claude)를 향한 '지속적이고 불필요한 학대 또는 잔혹 행위'를 전면 금지한 점입니다.Anthropic is making changes to its usage policy for the first time in over a year to reflect new and high-risk cases of misuse - including election interference, weapons development, surveillance, and health and financial uses. But one of the most significant changes prohibits "sustained and ne

Import AI 475: 군집 스케일링, 구글 딥마인드의 바이오 워터마크, 그리고 AI 과학 경제Import AI 475: Swarm scaling; Google DeepMind watermarks biology; and the AI science economy

AI가 무엇을 수행할지는 누가 결정하는가?Who chooses what AI gets to do?

내인적 정렬(Endogenous Alignment)에는 의존성이 필요하다Endogenous Alignment Requires Dependence

내인적 정렬에 관한 이전 포스팅에 훌륭한 피드백들이 달렸습니다. 그중 칼 크루거(Karl Krueger)는 인간이 자녀를 정렬(align)시킬 때 강화학습보다 모방학습(Imitation learning)이 더 중요하다고 주장했습니다. 어느 쪽이 더 중요한지 가려내는 것은 어렵지만 모방의 중요성을 간과했던 점을 인정하며, 다른 댓글의 설명처럼 모방학습이 더 근본적일 수 있다는 생각입니다.My post on endogenous alignment got several excellent comments. Among them, one from Karl Krueger argued that imitation learning is more important for how humans align their children than reinforcement learning. Teasing out which is more important seems hard, but I agree I was wrong to ignore the im

작업 시간을 몇 시간씩 단축하는 AI 디자인 팁AI Design Hack Saves HOURS

젠스파크(Genspark) 제품 디자인 도구를 활용해 FutureTools 앱 UI를 생성했는데 약 30분밖에 걸리지 않았습니다. 홈 피드, 개별 툴 페이지, 레이어가 분리된 편집 가능한 디자인이 완성되었으며, 동일한 비주얼 스타일의 론칭 영상 생성 및 Genspark Code로 연동해 실제 제품으로 구현할 수도 있었습니다.#ad I used @GensparkProduct Design to generate the UI for a FutureTools app... and it only took me about 30 minutes. It created the home feed, individual tool pages, and a layered, fully editable design. I could even generate a launch video in the same visual style, share the project with my team, a

생명의 암호를 풀어낸 구글 딥마인드의 새로운 AIDeepMind's New AI Just Cracked The Code Of Life

인간 게놈 내 모든 가능한 DNA 염기서열 변화를 예측 지도로 구성한 구글 딥마인드의 알파게놈 아틀라스(AlphaGenome Atlas) 연구 성과를 소개합니다.❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambda.ai/papers Thank you Google DeepMind for the invite. 📝 AlphaGenome Atlas is available here: https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/ https://blog.go

63억 달러 가치의 오픈 가중치 모델이 프랑스 기업에 일격을 당했다...A $6.3 billion open-weight model just got embarrassed by the French...

KERNEL은 에이전트가 어떤 웹사이트에서든 작업을 수행할 수 있도록 돕는 가장 간단한 방법입니다. 프로모션 코드 FIRESHIP을 입력하면 Hobbyist 티어($30 상당)로 무료 업그레이드할 수 있습니다(https://kernel.sh/fireship). 이번 주 오픈 가중치 모델 경쟁에서 Mistral, Reflection AI, Moonshot이 큰 움직임을 보였습니다. 자세한 내용을 살펴보겠습니다. Fireship 더 보기: 🗞️ 뉴스레터: https://bytes.dev 🧠 강의: https://fireship.devKERNEL is the simplest way to let your agents act on any website. Use code: FIRESHIP to get a free upgrade to the Hobbyist tier ($30 value) at https://kernel.sh/fireship Mistral, Reflection AI, and Moonshot all made big moves in the open-weight race this week. Let's dive in. Want more Fireship?