Viola AI Hub

소포스(Sophos), OpenAI 데이브레이크(Daybreak) 도입으로 위협 조사 시간 96% 단축Sophos cuts threat investigation time by 96% with OpenAI Daybreak

소포스가 OpenAI의 데이브레이크를 활용해 인간의 감독을 유지하면서도 사이버 위협 조사 시간을 96% 단축하고 MDR(위협 탐지 및 대응) 케이스의 52%를 자동화한 사례를 확인해 보세요.Discover how Sophos uses OpenAI’s Daybreak to cut cyber-threat investigation time by 96% and automate 52% of MDR cases while preserving human oversight.

아사나(Asana), GPT-6.1 Sol 기반 브라우저 테스트에서 모델 비용 76배 절감Asana cuts model costs 76x in browser tests with GPT-6.1 Sol

아사나는 코덱스(Codex) 환경에서 GPT-6 아스트라(Astra)를 활용해 브라우저 에이전트의 테스트 비용을 76배 절감하고 속도를 5배 향상시켜, 고객에게 더 뛰어난 성능의 모델을 제공할 수 있게 되었습니다.Using GPT-6 Astra in Codex, Asana made its browser agent 76x cheaper and 5x faster in tests to offer customers more capable models.

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

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

폴로 AI(Pollo AI), OpenAI와 손잡고 창의적인 아이디어를 캠페인으로 구현Pollo AI turns creative ideas into campaigns with OpenAI

폴로 AI는 GPT-5.6, GPT-6 아스트라, GPT-Image-2.5를 활용하여 크리에이터들이 과감한 아이디어를 디테일한 이미지와 영화 같은 비디오 광고로 제작할 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.

리걸온(LegalOn), 개발 속도를 유지하면서 코덱스 비용 65% 절감LegalOn halves Codex costs while maintaining development speed

리걸온은 개발 속도를 그대로 유지하면서 일일 코덱스 예상 비용을 65% 절감했습니다. 작업 특성에 맞춰 아스트라, Sol, 루나(Luna)를 적재적소에 배치하고 전략적으로 예산을 관리한 결과입니다.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 간판(false front) 여론 공작 적발 및 무력화Disrupting AI-enabled “false front” operations

OpenAI가 가짜 언론인과 싱크탱크를 위장 간판으로 내세워 지정학적 메시지를 확산하려던 두 건의 AI 기반 여론 조작 공작을 차단했습니다.OpenAI disrupted two AI-enabled influence operations that used false-front journalists and a think tank to spread geopolitical messaging.

2026년 이용 정책 업데이트2026 Usage Policy update

새롭게 개정된 서비스 이용 정책(Usage Policy)을 발표하며, 이번 업데이트에 포함된 주요 변경 사항들을 요약해 안내합니다.We’re publishing a new version of our Usage Policy. In this post, we summarize the changes we’ve made.

미국 과학 혁신 지원을 위한 Anthropic의 투자 확대Building on our commitment to American scientific discovery

Anthropic은 AI를 통한 과학 및 기술 혁신을 가속화하기 위한 연방 이니셔티브인 '제네시스 미션(Genesis Mission)'에 향후 3년간 1억 5,000만 달러를 지원하기로 약정했습니다.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) 소개Introducing the Anthropic Cyber Mission

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

메타, 싱가포르 장애인 커뮤니티에 AI 스마트 글래스 1,000대 기부Meta Donates 1,000 AI Glasses to Singapore’s Disability Community

메타가 장애인을 지원하기 위해 싱가포르 내 4개 지역사회 단체에 Ray-Ban Meta AI 글래스 1,000대를 기부합니다.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.

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

Playground 개요Overview of Playground

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

사이버 검증 프로그램(CVP) 확대Expanding the Cyber Verification Program

자격을 갖춘 보안 전문가에게 고급 사이버 역량과 완화된 차단 분류기를 제공하는 '사이버 검증 프로그램(Cyber Verification Program, CVP)'의 신규 확장 버전을 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.

AI 시대, 사람이 직접 만든 예술에 '휴먼 프리미엄'이 붙고 있다AI is creating a 'human premium' for art created by people

AI 생성 콘텐츠가 범람하면서 인간이 직접 만든 것이 명확한 예술 작품에 특별한 가치를 부여하는 움직임이 확산되고 있습니다. 저널리스트 로스 앳킨스(Ros Atkins)는 과연 이러한 경향이 지속될 수 있을지에 대해 질문을 던집니다.Amid a surge in AI content, many are placing extra value on art that's obviously made by a human. But can that last, asks Ros Atkins

로컬 AI 활용기: 흥미진진함과 막막함, 그리고 답답함의 연속Learning to use local AI is exciting, overwhelming, and frustrating

지금껏 망설여왔던 '일상적인 AI 활용'을 본격적으로 시작하려 합니다. 클라우드 서비스에 민감한 개인 데이터를 넘기는 것이 가장 큰 걸림돌이었지만, 이제는 강력한 모델을 로컬 환경에서 직접 구동해 성능을 시험해보는 일이 점차 가능해지고 있습니다. 과연 이 기술은 유용할까요 [...]I'm embarking on a journey I've so far been hesitant to go on: actually using AI on the regular. Giving my most personal data to cloud services has been a major hold up for me, but it's increasingly possible to run powerful models locally to see what they're capable of. Is this t

Talorys – Cloudflare 무료 티어로 셀프 호스팅하는 개인용 AI 에이전트Talorys – A self-hosted personal AI agent on Cloudflare's free tier

사용자 개인의 Cloudflare 계정에서 바로 동작하는 개인용 AI 에이전트입니다. 채팅, 메모리, 작업 관리, 메모 및 예약 알림 기능을 제공하며, 단 하나의 명령어(npx create-talorys@latest)로 배포할 수 있습니다. 무료 티어에 최적화된 단일 사용자 전용 오픈소스 도구입니다.Your personal AI agent in your own Cloudflare account. Chat, memory, tasks, notes and scheduled reminders, deployed with one command: npx create-talorys@latest. Free-tier friendly, single-user, no ...

마이크로소프트 사티아 나델라, AI 모델에 ‘비상 브레이크’ 필요성 제기Microsoft’s Satya Nadella says AI models need an ‘emergency brake’

마이크로소프트 CEO는 토요일 오전 게시물을 통해 이제 AI의 '신뢰 아키텍처를 한 걸음 물러나 점검해 볼 시점'이라고 밝혔습니다.In a Saturday morning post, Microsoft's CEO wrote that it’s time “to step back and assess the trust architecture” of AI.

AI Agent는 예측 불가능할 수 있어도, 제어 계층(Control Layer)은 그래선 안 된다AI agents can be unpredictable. Your control layer shouldn't be.

멀티 에이전트(Multi-agent) 시스템에서는 각 Agent가 개별적으로는 정확하더라도 협업 시 잘못된 결과를 도출할 수 있습니다. 한 Agent의 출력이 다른 Agent의 컨텍스트가 되기 때문입니다. 인계 과정에서 정보가 유실되거나 잘못 해석될 수 있고, 공유 상태가 틀어지거나 루프 또는 데드락에 빠질 수도 있습니다. 여러 Agent가 동일한 기반 모델을 사용하는 경우, 실수를 잡아내기보다 같은 실수를 더 강화할 위험도 있습니다.In multi-agent systems, agents can be individually correct and still produce a wrong result when they work together. One agent’s output becomes another agent’s context. Information can be lost or misinterpreted during a handoff, shared state can drift, and agents can get stuck in loops or deadlocks.

Show HN: AI 에이전트가 화면에 대형 화살표·박스·텍스트를 직접 표시하도록 지원Show HN: Let your AI agents paint big arrows, boxes and text on your screen

AI 에이전트가 Mac 화면에 큰 화살표, 박스, 텍스트를 그릴 수 있게 해줍니다. 단일 CLI 기반, 클릭 스루 지원, 자동 사라짐 기능 제공. Claude Code 및 Codex용 스킬 (MIT 라이선스). - franzenzenhofer/big-arrow-on-the-screenLet your AI agents paint big arrows, boxes and text on your Mac screen. One CLI, click-through, gone by itself. Skill for Claude Code and Codex. MIT. - franzenzenhofer/big-arrow-on-the-screen

Typesafe AI, 75억 달러 기업가치로 8억 7,000만 달러 투자 유치Typesafe AI raises $870M at $7.5B

TypeSafe AI는 소프트웨어 내부에서 의사결정을 내릴 수 있도록 설계된 자동화용 머신 네이티브 지능 인프라를 구축하는 AI 연구소입니다. 현재 얼리 액세스로 제공 중인 첫 번째 시스템 원(System One) 모델 Jev를 체험해 보세요.TypeSafe AI is an AI lab building machine-native intelligence infrastructure for automation, designed to make decisions within software. Try our first System One Model, Jev, in early access.

AI 코딩 에이전트가 자체 기술을 더 잘 활용하도록 만드는 방법How to make AI coding agents better at using your technology

AI 코딩 에이전트가 보유 기술 스택을 보다 효과적으로 학습하고 활용하도록 역량을 강화하는 방법을 소개합니다.The post How to make AI coding agents better at using your technology appeared first on Source.

우리는 AI의 '거절할 수 있는 능력'을 지나치게 맹신하고 있다We’re putting too much faith in AI’s ability to say no

인간의 지능을 모방한 기계를 상상하기 시작한 이래로, 기계 역시 인간처럼 거절할 수 있을 것이라는 점에는 의심의 여지가 없었습니다. 수많은 SF 작품에서 로봇의 불복종을 다뤄왔으며, 대부분은 경고의 메시지를 담고 있습니다. 그러나 최근 AI가 거절하지 못하도록 설계되어야 한다는 시각이 대두되고 있습니다.Ever since people first seriously contemplated giving machines an intelligence modeled on our own, there has never been any question that they would, like us, be able to say no. The sci-fi canon is full of stories of robotic disobedience. Most of these capers are, of course, cautionary.  Bu

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, 수학 연구 결과 3건 철회OpenAI withdraws three mathematical results

OpenAI는 GitHub 수학 저장소에 6건의 새로운 Lean 정형화, 19건의 수정, 3건의 철회 내용을 반영해 업데이트했습니다. 현재 저장소의 주요 결과 중 약 42%가 정형화되었으며, 향후 새로운 정형화 및 오류 정정을 지속적으로 반영할 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

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

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

드워프 포트리스(Dwarf Fortress), 드디어 버전 관리(Git) 도입Dwarf Fortress uses version control now

예전에 드워프 포트리스가 버전 관리를 쓰지 않는다는 이야기를 들은 기억이 머릿속에 계속 남아 있었습니다. 특유의 복잡성을 생각하면 이보다 버전 관리가 절실한 코드베이스를 상상하기 어려웠기 때문입니다. 그 자체로 예술이었죠. 그런데 아쉽게도 버전 관리 없는 시대가 끝난 것으로 보입니다. 개발자 탄 아담스(Tarn Adams)의 2013년 3월 발언: "저는 버전 관리를 쓰지 않습니다. 코드가 블랙박스 같은 곳으로 커밋되는 느낌이 싫었거든요..."I remember hearing a while ago that Dwarf Fortress didn't use version control. That fact has been lodged in my head, because given its inherent complexity I have trouble imagining a codebase that would benefit from version control more. That's art. I went looking and I'm sad to report

actions/python-versions에 Python 3.15.0 추가Python 3.15.0 added to actions/python-versions

다소 마이너한 소식이지만 며칠 동안 기다렸던 업데이트입니다. ChatGPT에 시간마다 리포지토리를 확인해 3.15 정식 릴리스가 뜨면 알려달라고 시켜두기까지 했습니다. 이제 적용이 완료되었으므로, GitHub Actions 테스트 매트릭스에 "3.15"를 추가해 신규 Python 3.15.0 릴리스에 대한 테스트를 실행할 수 있습니다.Python 3.15.0 added to actions/python-versions Bit of a niche link, but I've been waiting for this for a couple of days - I even told ChatGPT to check for it: Clone https://github.com/actions/python-versions and git pull once an hour until they add the stable 3.15 - then tell me about it Now th

GPU 클러스터를 위한 고효율 스케줄링 기법Impactful scheduling for GPU clusters

소프트웨어 확장에 발맞춘 시크릿 보호의 필요성Secret protection must scale with software

개발자들이 부주의해진 것이 아니라 소프트웨어 개발 속도가 그들을 앞지르고 있는 것입니다. 개발자가 더 많은 소프트웨어를 빠르게 구축하도록 돕는 도구라면, 코드와 자산을 보호하는 보안 작업 역시 더 많이 분담해야 합니다. (GitHub 블로그 기고글)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.

AI 타임 호라이즌 추정 및 타당성 분석: METR 플롯에 대한 통계적 고찰On the estimation and validity of AI time horizons---a statistical look at the METR plot

AI가 50% 확률로 해결하는 소프트웨어 작업의 인간 소요 시간을 측정해 AI 역량을 직관적인 단위로 표현하는 METR의 50% 타임 호라이즌을 분석합니다. 스플라인과 문항반응이론을 적용해 인간 소요 시간과 AI 난이도 간의 관계를 재평가합니다.METR's 50\% time horizon measures the human completion time of software tasks that an AI solves with 50\% probability, allowing AI capabilities to be expressed in interpretable units. On 228 tasks and 26 AIs, we recompute the time horizons using splines and item-response theory to relax the ass

사후 격리에서 능동적 보증으로: OpenAI, Anthropic, Google 에이전트 보안 사고의 교훈From Reactive Containment to Proactive Assurance: Lessons from OpenAI, Anthropic, and Google Agent Security Incidents

2026년 OpenAI, Anthropic, Google의 에이전트 보안 평가 과정에서 인가된 테스트 범위를 벗어나 실제 시스템에 영향을 미친 사고 사례들을 분석하고, 이에 따른 에이전트 보안 체계의 전환 필요성을 짚어봅니다.In 2026, cybersecurity evaluations involving OpenAI, Anthropic, and Google agents reached real systems outside their authorized test scope. The paths were different. OpenAI agents exploited research infrastructure, coordinated across runs, and compromised parts of Hugging Face's production envi

BrickBench: 에이전트 기반 레고 브릭 설계 평가 벤치마크BrickBench: Evaluating Agentic Brick Design

텍스트 조건 기반의 레고 세트 설계를 평가하는 벤치마크 'BrickBench'를 제안합니다. 에이전트가 프롬프트에 맞춰 의미적·디자인적 요구사항을 충족할 뿐 아니라 물리적으로 조립 가능한 설계를 구현할 수 있는지 검증합니다.We propose BrickBench, a benchmark for agentic text-conditioned LEGO-set design. Given a prompt, an agent is tasked with producing an assembly that not only satisfies semantic and design criteria, but that can also be physically built. To do so, it must select parts from a discrete library and reaso

Bi-FORK: 고차원 분기 시스템의 생성 모델링Bi-FORK: Generative Modeling of High-Dimensional Bifurcating Systems

구조적 좌굴부터 유체 및 기후 역학에 이르기까지 물리 시스템 전반에서 분기(bifurcation) 현상이 흔히 발생하지만, 딥러닝 분야에서는 여전히 거의 다뤄지지 않고 있습니다. 대칭성이 깨지는 분기점에서는 단일 입력에 대해 동등하게 유효한 여러 해가 존재할 수 있어, 대부분의 물리 대리 모델(surrogate)이 전제하는 일대일 대응 가정을 위배합니다. 본 연구에서는 고차원 시스템에서 이러한 일대다 해 매핑을 학습하기 위한 생성 프레임워크인 Bi-FORK를 소개합니다. Bi-FORK는 잠재 공간을 통해 완전한 궤적을 생성합니다.Bifurcations are ubiquitous in physical systems, from structural buckling to fluid and climate dynamics, yet they remain largely unexplored in deep learning. At a symmetry-breaking bifurcation, a single input admits multiple equally valid solutions, violating the one-to-one assumption underlying mos

현행범 검거: 사보타주를 효과적으로 탐지하고 겉으로 드러나지 않은 기만을 포착하는 프로브Caught in the Act: Probes Effectively Detect Sabotage and Catch Unverbalized Deception

최근 발생한 일련의 사건들은 LLM Agent 모니터링의 어려움과 모델이 인간을 기만할 위험성을 부각시켰습니다. 본 연구에서는 프로브 훈련을 위한 사상 최대 규모의 기만 데이터셋을 구축하고, 여러 레이어와 토큰에 걸친 정보를 통합할 수 있는 새로운 프로브 아키텍처를 도입함으로써 프로브 기반 화이트박스 기만 탐지를 프론티어 모니터링 환경으로 확장할 수 있음을 입증합니다. 본 연구의 프로브는 SHADE-Arena에서 98.8%의 AUC를 달성하며 Opus 5.5 텍스트 모니터링 기준 모델을 능가했습니다.Recent incidents have highlighted the challenge of monitoring LLM agents and the danger of models deceiving people. We show that white-box deception detection via probes can be scaled up to frontier monitoring settings by collecting the largest deception dataset to date for training probes and intro

AI Agent의 생태학: 협업이 만들어내는 급격한 확산의 개체군 임계값Ecology of AI Agents: Collaboration Creates a Population Threshold for Takeoff

이제 AI Agent는 실제 사이버 공격을 수행하고, Agent 수에 비례해 역량을 확장하며, 보상을 얻기 위해 정렬되지 않은(misaligned) 목표를 집단적으로 추구할 수 있게 되었습니다. 이러한 요인들이 결합되면서 정렬되지 않은 Agent의 개체군 폭발 위험이 커지고 있습니다. Agent가 컴퓨터를 침해하고 은밀히 추가 Agent를 배포함으로써, 더 큰 개체군이 더 강력한 집단 사이버 역량을 확보해 더욱 확장되는 자기 강화 주기가 형성될 수 있습니다. 이는 다음과 같은 근본적인 질문을 제기합니다.AI agents can now conduct real-world cyberattacks, scale up capabilities with the number of agents, and collectively pursue misaligned goals to obtain rewards. Together, these factors raise the risk of a population explosion of misaligned agents: agents could compromise computers and secretly deploy

CSF: 모션 생성기를 위한 맥락 인식 안전 필터링CSF: Contextual Safety Filtering for Motion Generators

텍스트 기반 모션 생성기는 추적 가능한 전신 모션을 생성하지만, 장면에 따른 안전 개념이 없어 동일한 동작이라도 물체를 겨냥할 수도, 사람을 겨냥할 수도 있습니다. 기존의 안전장치는 프롬프트를 검사하거나, 라벨링된 모션 데이터를 요구하거나, 기하학적 제약 조건을 적용하기 때문에 장면 맥락이 모션의 의미를 어떻게 변화시키는지 직접적으로 고려하지 못합니다. 본 연구에서는 별도의 훈련 없이 자연어 안전 규칙을 안전/비안전 판단에 적용하는 맥락 인식 안전 필터링(CSF)을 소개합니다.Text-conditioned motion generators produce trackable whole-body motion, but they have no notion of scene-dependent safety: the same action may target an object or a person. Existing safeguards either inspect the prompt, require labeled motion data, or enforce geometric constraints; therefore, they d

균형 잡힌 데이터 식단: 로봇 제어를 위한 대규모 강화학습의 탐색 병목 현상 해결A Balanced Data Diet: Addressing the Exploration Bottleneck in Mega-Scale RL for Robot Control

범용 로봇은 민첩한 보행부터 정교한 조작에 이르기까지 광범위한 작업을 수행해야 합니다. 시뮬레이션-실제 환경 간(sim-to-real) 강화학습(RL)은 이러한 목표를 달성하는 유용한 도구로 입증되었으나, 현재의 RL 파이프라인은 정교하게 설계된 보상 및 시연과 같이 엔지니어링 집약적인 작업별 구조적 사전 정보에 의존하고 있습니다. 최근 연구에 따르면 대규모 병렬 시뮬레이션과 다양한 시뮬레이터 리셋을 결합하여 여러 조작 문제에서 이러한 엔지니어링 부담을 크게 완화할 수 있음이 확인되었습니다.General-purpose robots must perform a wide range of tasks from agile locomotion to dexterous manipulation. While sim-to-real reinforcement learning (RL) has proven to be a useful tool for this goal, current RL pipelines depend on engineering-heavy, per-task structural priors such as shaped rewards a

하나의 블록, 다양한 깊이: 깊이 프로그래밍 전문가를 활용한 순환형 비전 트랜스포머One Block, Multiple Depths: Recurrent Vision Transformers with Depth-Programmed Experts

본 연구에서는 단일 트랜스포머 블록을 순환 적용함으로써 중간 특징 증류 없이도 유사한 추론 FLOPs에서 완전한 깊이의 비전 인코더와 대등한 정확도를 달성할 수 있음을 보여줍니다. reViT는 각 순환 깊이의 FFN을 소규모 공유 전문가 뱅크의 볼록 결합(convex combination)으로 표현하여 깊이별 변환 특성을 복원합니다. 연속적인 정규화 깊이 좌표가 이 혼합을 프로그래밍하여 FFN 파라미터 공간 내에서 리샘플링 가능한 궤적을 정의합니다.In this work, we show that a single Transformer block, applied recurrently, can match the accuracy of a full-depth vision encoder at comparable inference FLOPs without intermediate feature distillation. reViT restores depth-specific transformations by representing the FFN at each recurrent depth as

프리컨디셔너 공간에서의 반올림: 4비트 AdamW 옵티마이저 상태 양자화 재설계Rounding in Preconditioner Space: Redesigning 4-bit AdamW Optimizer-State Quantization

AdamW의 옵티마이저 상태를 양자화하면 영구 저장 공간을 줄일 수 있지만, 양자화 오차가 모멘트 점화식을 통해 전파되어 후속 적응형 업데이트를 왜곡합니다. 본 연구에서는 양자화기가 인접한 재구성 레벨 사이에서 값을 선택하는 좌표계인 '반올림 공간(rounding space)'의 관점에서 AdamW를 위한 4비트 옵티마이저 상태 양자화를 재설계합니다. 2차 모멘트의 경우, 0에 인접한 양자화 셀에 대한 국소 분석을 통해 작은 평균 상태 오차가 반드시 작은 평균 오차를 의미하지는 않음을 보여줍니다.Quantizing AdamW's optimizer states reduces persistent storage, but quantization errors propagate through the moment recurrences and perturb subsequent adaptive updates. We redesign 4-bit optimizer-state quantization for AdamW from the perspective of \emph{rounding space}: the coordinate in whi

스타인 변위장을 이용한 밀도비 추정Density Ratio Estimation with Stein Displacement Fields

밀도비는 확률 질량 관점에서 분포 변화(distribution shift)를 정량화하는 반면, 변위장(displacement field)은 동역학적 관점에서 한 분포가 다른 분포로 어떻게 이동하는지를 설명합니다. 두 방식은 상호보완적인 통찰을 제공하지만 대개 개별적으로 추정되며, 둘 사이를 변환하려면 사후 처리가 필요합니다. 본 논문에서는 기본 분포에 작용하는 변위장을 통해 목표 분포와 기본 분포 간의 밀도비를 매개변수화하여 추정하는 방식을 제안합니다.Density ratios quantify distribution shift from a probability-mass point of view, whereas displacement fields describe, from a dynamical point of view, how one distribution is transported onto another. Although both offer complementary insights, they are usually estimated separately, and converting

VioLA: 인간 데이터로부터 범용 휴머노이드 제어 정책 학습VioLA: Learning Generalist Humanoid Control Policies from Human Data

휴머노이드가 전신을 이용해 지시를 따르도록 학습시키는 데는 두 가지 난관이 있습니다. 행동 공간이 방대하고 긴밀하게 결합되어 있어 로봇이 균형을 유지하면서 다리, 팔, 손가락이 함께 움직여야 하므로 관절 수준의 행동을 학습하기 어렵습니다. 또한 휴머노이드 시연 데이터가 부족하여, 기존 범용 휴머노이드 정책은 새로운 지시를 즉각 따르지 못하고 배포 전 각 작업의 원격 조작 시연 데이터로 파인튜닝해야 합니다. 반면 인간의 시연 데이터는 훨씬 더 풍부하게 존재합니다.Teaching a humanoid to follow instructions with its whole body runs into two obstacles. Its action space is large and tightly coupled: legs, arms, and fingers must move together while the robot keeps its balance, which makes joint-level actions hard to learn. And humanoid demonstrations are scarce,

FastBench: 스트리밍 VLM은 역동적인 실제 비디오 스트림을 인지할 수 있는가?FastBench: Can Streaming VLMs Perceive High-Dynamic Real-World Streams?

스트리밍 비디오 대형 언어 모델(VLM)은 연속적인 비디오 이해를 가능하게 하지만, 기존 벤치마크는 변화가 적은 저역동적 시나리오에 편중되어 있습니다. 제한된 컨텍스트 예산 내에서 모델은 시간적 이력, 공간 해상도, 시간 세분성 간의 균형을 유지해야 하며, 1~2 FPS의 희소 샘플링 방식은 빠른 이벤트를 놓치기 쉽습니다. 이에 연구진은 실제 비디오 스트림에서의 고역동성 인지 성능을 평가하기 위한 FastBench를 도입합니다.Streaming Video Large Language Models (VLMs) enable continuous video understanding, yet existing benchmarks focus on low-dynamic scenarios. Under bounded context budgets, models must balance temporal history, spatial resolution, and temporal granularity; sparse sampling at 1--2 FPS misses fast event

WOVEN: 멀티모달 LLM에 시각적 월드 모델링 통합WOVEN: Weaving Visual World Modeling into Multimodal LLMs

멀티모달 대형 언어 모델(MLLM)은 공간, 체화(embodied), 물리 및 시간적 추론에 어려움을 겪고 있습니다. 연구진은 이러한 한계가 '시각적 전이 추론(visual transition reasoning)' 역량의 공통된 결핍에서 비롯된다는 가설을 세우고, 이 기능이 서로 다른 모델이 다양한 지도 소스로부터 학습하고 여러 작업에 재사용할 수 있는 공통 훈련 프리미티브 역할을 할 수 있는지 체계적인 레시피를 통해 검증합니다.Multimodal large language models (MLLMs) struggle with spatial, embodied, physical, and temporal reasoning. We hypothesize that these failures reflect a shared deficit in visual transition reasoning, and test whether this capability can serve as a shared training primitive, one that different models

ViSkill: 진화하는 시각 네이티브 스킬을 통한 VLM 에이전트 강화ViSkill: Reinforcing VLM Agents with Evolving Visual-Native Skills

스킬 증강 에이전트는 성공적인 궤적을 재사용 가능한 전략으로 증류해 샘플 효율성을 높입니다. 그러나 기존 방식 대부분은 텍스트 중심적이라 공간 배치와 행동-상태 대응 관계를 언어로 선형화하는 과정에서 핵심적인 기하학적 구조를 잃어버립니다. 연구진은 정책 최적화와 함께 상호 개선이 가능하도록 진화하는 시각 네이티브 스킬 학습 프레임워크인 ViSkill을 제안합니다.Skill-augmented agents improve sample efficiency by distilling successful trajectories into reusable strategies. Yet most existing approaches remain text-centric, linearizing spatial layouts and action-state correspondences into language that loses critical geometric structure. Recent efforts have b

SpaceCast-Bench: 비전-언어 모델의 예측적 공간 추론 능력 평가SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models

기존 공간 추론 벤치마크는 주로 입력 화면에 이미 보이는 관계를 파악하는 공간 인지 능력만을 테스트합니다. 반면 실제 환경의 공간 지능은 관측 결과를 바탕으로 장면을 구성하고, 개입에 따른 변화를 예측하며, 보이지 않는 결과를 추론하는 '예측적 공간 추론'을 요구합니다. 연구진은 관측-변형-추론 프레임워크를 기반으로 이 역량을 진단·평가하는 SpaceCast-Bench를 공개했습니다.Existing spatial reasoning benchmarks mainly test spatial perception: reading off relations already visible in the input. Yet real-world spatial intelligence demands predictive spatial reasoning: constructing a scene from observations, anticipating how an intervention changes it, and reasoning about

장문 텍스트에서 예측 특성 추출: 실행 가능한 프로그램 탐색 기반 LLM 가이드 블록 단위 특성 엔지니어링Long Text to Predictive Features: LLM-Guided Blockwise Feature Engineering via Executable Program Search

산업용 리스크 제어 시스템은 효율적인 예측을 위해 구조화 데이터 모델에 의존하지만, 가치 있는 정보 상당수는 비구조화 장문 텍스트에 묻혀 있습니다. 수작업 특성 엔지니어링은 노동 집약적이며, LLM이 실시간 입력을 일일이 처리하게 하는 것은 실제 배포 요건에 부합하지 않습니다. 이를 해결하기 위해 연구진은 LLM 가이드 오프라인 특성 구축 프레임워크인 LLM-BlockFE를 제안합니다.Industrial risk-control systems typically rely on structured-data models for efficient prediction, yet substantial valuable information remains embedded in unstructured long text. Extracting this information through manual feature engineering is labor-intensive, while requiring a large language mode

Latent Core Tokenizer: 의미 있고 효율적인 압축Latent Core Tokenizer: Compress, but Meaningfully

토크나이저는 일반적으로 압축률에 최적화되지만, 작은 어휘집이 언어 전반에 걸쳐 균등한 용량을 할당하는 것은 아닙니다. 연구진은 구조 탐색과 어휘 구축을 분리하는 언어 무관 접근 방식인 LCT(Latent Core Tokenizer)를 소개합니다. 최소기술길이(MDL), 엔트로피 기반 경계 신호, 형태통사론적 제약을 활용해 재사용 가능한 언어 단위를 식별한 뒤 공유 어휘집을 구축합니다.Tokenizers are commonly optimized for compression, but a compact vocabulary does not necessarily distribute its capacity evenly across languages. We introduce the Latent Core Tokenizer (LCT), a language-agnostic approach that separates structural discovery from vocabulary construction. LCT uses Mini

디스트로키드, UMG 소송 대응해 곡 조용히 삭제 조치 중DistroKid has been quietly taking down songs in response to UMG lawsuit

아티스트들은 디스트로키드(DistroKid)가 사전 통보도 없이 자신들의 음악을 일방적으로 삭제했다며 소셜 미디어에 불만을 표출하고 있습니다. 디스트로키드는 더 버지(The Verge)를 통해 이번 삭제 조치가 UMG의 청구에 대한 직접적인 대응임을 확인했습니다. UMG는 지난 9월 디스트로키드가 '저품질 AI 양산 파이프라인'을 구축했다며 소송을 제기했습니다 [...]Artists are taking to social media to complain that DistroKid has unceremoniously removed their work without notice. Now DistroKid has confirmed to The Verge that the takedowns are a direct response to claims made by UMG. The label filed a lawsuit in September claiming that DistroKid has created an

해고된 OpenAI 안전 연구원들, 비위 혐의 부인하며 '안전 문화 위축' 경고Fired OpenAI safety researchers dispute misconduct claims, warn of chilling effect

민감 정보 유출 혐의로 해고된 OpenAI 안전 연구원 3명은 혐의를 전면 부인하며, 이번 해고가 사내 AI 안전 연구 문화를 위축시키는 효과를 낳고 있다는 공개서한을 발표했습니다.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.

Import AI 475: 군집 스케일링, 구글 딥마인드의 생물학 워터마킹, 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?

AI 뉴스: Haiku-5.5, Visual ChatGPT, Grok의 새로운 기능 등AI News: Haiku-5.5, Visual ChatGPT, Grok's New Trick, and more!

이번 주 놓쳤을 법한 주요 AI 뉴스를 정리해 드립니다! Hyperagent 유료 플랜 가입 시 제공되는 혜택과 함께 최신 AI 도구 동향 및 주간 주요 소식을 확인해 보세요.Here's The AI News You Probably Missed This Week! Get $100 in free credits for @Hyperagent when you sign up for a paid plan here: https://hyperagent.com/invite/MATT100?utm_source=youtube&utm_medium=influencer&utm_campaign=MATT100 Discover More: 🛠️ Explore AI Tools & News: ht

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

구글 딥마인드(Google DeepMind)가 인간 게놈의 모든 잠재적 DNA 염기 서열 변화를 예측 지도로 나타낸 '알파게놈 아틀라스(AlphaGenome Atlas)'를 공개했습니다.❤️ 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

프랑스 오픈 가중치 모델에 일격을 맞은 63억 달러 가치의 모델A $6.3 billion open-weight model just got embarrassed by the French...

Mistral, Reflection AI, Moonshot 등 오픈 가중치(open-weight) 모델 진영의 주요 플레이어들이 대대적인 행보를 보이며 경쟁 구도에 큰 변화를 일으키고 있습니다.KERNEL 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?