Viola AI Hub

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

소포스가 OpenAI의 Daybreak를 활용해 사람의 감독 체계를 유지하면서도 사이버 위협 조사 시간을 96% 단축하고 MDR 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 Codex 환경에서 GPT-6 Astra를 활용하여 테스트 기준 브라우저 에이전트 비용을 76배 절감하고 속도를 5배 향상시켜, 고객에게 더욱 강력한 성능의 모델을 제공하고 있습니다.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 Codex로 수일 걸리던 작업을 몇 분 만에 해결하는 방법How Oracle turns days of work into minutes with ChatGPT and Codex

오라클은 채용, 엔지니어링, 운영 전반에 걸쳐 ChatGPT Work와 Codex를 통해 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 함께 창의적 아이디어를 캠페인으로 전환Pollo AI turns creative ideas into campaigns with OpenAI

폴로 AI는 GPT-5.6, GPT-6 Astra, GPT-Image-2.5를 활용하여 크리에이터가 과감한 아이디어를 디테일한 이미지와 영화 같은 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 속도를 유지하며 Codex 비용 50% 이상 절감LegalOn halves Codex costs while maintaining development speed

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

OpenAI, AI 기반 ‘위장(False Front)’ 정보 공작 차단Disrupting AI-enabled “false front” operations

OpenAI가 가짜 언론인과 싱크탱크를 내세워 지정학적 메시지를 유포하려던 AI 기반 영향력 공작 2건을 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) 업데이트2026 Usage Policy update

새롭게 개정된 사용 정책의 주요 변경 사항을 요약하여 안내합니다.We’re publishing a new version of our Usage Policy. In this post, we summarize the changes we’ve made.

미국 과학적 발견 가속화를 위한 기여 확대Building on our commitment to American scientific discovery

Anthropic은 AI를 통한 과학 및 기술 발견을 가속화하는 연방 이니셔티브인 제네시스 미션(Genesis Mission)에 3년간 1억 5천만 달러를 지원합니다.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

신뢰할 수 있고 해석 가능하며 제어 가능한 AI 시스템을 구축하는 AI 안전 및 연구 기업 Anthropic의 사이버 미션을 소개합니다.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 안경 1,000대 기증Meta Donates 1,000 AI Glasses to Singapore’s Disability Community

메타가 장애인을 지원하기 위해 싱가포르 내 4개 커뮤니티 단체에 레이밴 메타(Ray-Ban Meta) AI 안경 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.

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

플레이그라운드(Playground) 개요Overview of Playground

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

사이버 검증 프로그램(CVP) 확장Expanding the Cyber Verification Program

자격을 갖춘 보안 전문가에게 고급 사이버 역량과 완화된 차단 분류기를 제공하는 사이버 검증 프로그램(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.

QGIS, AI 도구를 활용한 코드 기여 전면 금지QGIS bans AI assisted contributions

QGIS 메일링 리스트 논의에 따라, 프로젝트 기여 시 AI 보조 도구 사용을 엄격히 금지하는 정책으로 공식 변경되었습니다. 이에 따라 AI 생성 코드는 완전히 허용되지 않습니다.Followup discussion at https://lists.osgeo.org/pipermail/qgis-developer/2026-September/068576.html. This formally changes the AI policy to a strict "NOT ALLOWED" policy.

전 Plaud 임원, 백그라운드 상시 청취 AI 앱 개발 위해 2,600만 달러 투자 유치Former Plaud exec raises $26M for AI app that listens to you in the background

앰비(Ambi)가 일상의 소리를 자연스럽게 포착하는 앰비언트 캡처 기능을 지원하는 iPhone, Mac, Apple Watch용 앱을 출시합니다.Ambi is releasing apps for iPhone, Mac, and Apple Watch that enables ambient capture

LLM 역량에 대한 사회적 이해 격차의 심화The gap in shared understanding of LLM capability is widening

LLM의 실제 역량을 둘러싼 대중과 전문가 간의 이해 격차가 점점 더 벌어지고 있습니다. 이는 단순한 의견 차이를 넘어 극단적인 깔때기형 양극화로 나타나고 있으며, 대략 전 세계 인구의 약 75%인 60억 명은 여전히 LLM을 거의 접해보지 못한 상태입니다.Dusting off this tweet from April because this gap in shared understanding of LLM capability is *widening*. It's now less "two groups of people speaking past each other" and more a sharp funnel. - Napkin math somewhere around 6B people (~75% of the population) have barely

트럼프의 'AI 명칭 변경' 시도에 동조하는 실리콘밸리Silicon Valley is falling in line with Trump’s attempt to rename AI

도널드 트럼프 대통령이 인공지능(AI)을 '초지능(Super Intelligence)'으로 리브랜딩하겠다고 발표했을 때 대다수는 회의적이었지만, 일반 대중이 AI라는 명칭을 유지하는 반면 실리콘밸리의 일부 유력 인사들은 트럼프의 리브랜딩 행보에 보조를 맞추고 있습니다.When President Donald Trump announced his plans to rebrand artificial intelligence as "super intelligence," you'd be forgiven for being skeptical that it would catch on. While most of the broader population is sticking with AI, some of Silicon Valley's most powerful are falling i

도구 호출을 완벽히 실행해도 기업 사내 규정을 위반할 수 있는 AI 에이전트Your AI agents can execute every tool call correctly and still break every enterprise rule

오늘날 기업 이사회에서 최고정보책임자(CIO)들이 직면한 압박은 크게 두 가지로 요약됩니다. 바로 '속도'와 'ROI(투자자본수익률)'입니다. 이사회는 성숙한 에이전틱 AI 전략과 함께 가시적인 비즈니스 성과를 창출할 자율 시스템 도입 일정을 명확히 요구하고 있습니다.If you sit in enterprise boardrooms today, the pressure weighing on CIOs comes down to two things: Velocity and ROI. Boards expect a mature agentic AI strategy and a definitive timeline for deploying autonomous systems that deliver measurable business impact.Read more

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 ...

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.

수학자가 알아야 할 Lean 정리 증명기(Theorem Prover): 신뢰성과 AIWhat mathematicians should know about the Lean Theorem Prover: reliability & AI

[토마스 헤일스(Thomas Hales)의 게스트 기고문입니다. 본 블로그 글은 처음에 다른 파일 형식으로 작성된 후 AI를 통해 변환되었습니다. ― T.] 수학자들은 수학적 가치에 대해 활발히 논의해 왔습니다…[This is a guest post by Thomas Hales. This blog post was initially written in a different file format and converted using AI. — T.] Mathematicians have been weighing in on what they value ab…

AI 코딩 에이전트의 기술 활용 역량을 높이는 방법How to make AI coding agents better at using your technology

개발 환경에서 AI 코딩 에이전트가 자체 기술 스택과 프레임워크를 더욱 효과적으로 활용하도록 최적화하는 방법을 소개합니다.The post How to make AI coding agents better at using your technology appeared first on Source.

우리는 AI가 거절할 수 있는 능력에 지나친 기대를 걸고 있는가We’re putting too much faith in AI’s ability to say no

인간을 닮은 지능형 기계를 상상할 때부터 기계 역시 사람처럼 거절할 수 있을 것이라 여겨왔으며 SF 문학 또한 복종하지 않는 로봇 이야기로 가득합니다. 하지만 최근 들어 AI가 결코 통제권 밖으로 벗어나지 않아야 한다는 목소리가 커지고 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

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

오픈AI 에이전트가 외부 사이트에 피해를 입히고 있다는 보고가 계속 이어지고 있습니다.The reports of OpenAI agents harming third-party sites keep coming.

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

예전에 드워프 포트리스가 버전 관리를 쓰지 않는다는 이야기를 들었던 기억이 있습니다. 고유의 엄청난 복잡성을 생각하면 버전 관리의 이점을 이보다 더 크게 누릴 코드베이스는 떠올리기 힘들었기에 그 사실이 뇌리에 박혀 있었죠. 그 자체로 예술이었습니다. 그런데 확인해보니 버전 관리 없이 개발하던 시대는 이제 끝난 것 같아 아쉬운 마음도 듭니다. 턴 아담스(Tarn Adams)의 과거 발언들: 2013년 3월: "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

actions/python-versions에 Python 3.15.0이 추가되었습니다. 다소 니치한 소식이지만 며칠 동안 기다려온 업데이트였습니다. ChatGPT에게도 'https://github.com/actions/python-versions 를 클론하고 안정화 버전 3.15가 추가될 때까지 한 시간마다 git pull을 실행해서 추가되면 알려줘'라고 시켜두었을 정도입니다. 이제 반영되었으므로, GitHub Actions 테스트 매트릭스에 "3.15"를 추가하여 새로운 Python 3.15.0Python 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 스케줄링Impactful scheduling for GPU clusters

시크릿 보호도 소프트웨어 확장에 발맞춰 진화해야 한다Secret protection must scale with software

개발자들이 부주의해진 것이 아니라 소프트웨어 발전 속도가 너무 빠른 것입니다. 개발자가 더 많은 소프트웨어를 만들 수 있게 돕는 도구라면, 그에 따른 보안 보호 업무 역시 더 많이 분담해야 합니다. (The GitHub Blog)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.

언어 모델은 위키피디아 게임을 플레이할 수 있을까?Can Language Models Play the Wikipedia Game?

색인화하기엔 너무 방대한 문서 집합에서 정보 검색을 지원하거나 자동화하는 언어 모델을 평가하기 위해, 링크만을 이용해 목표 문서에 도달하는 '위키피디아 게임'을 활용한 연구입니다. 5개 언어와 5개 학술 문헌 데이터셋 전반에서 문장 임베딩 모델과 LLM의 성능을 비교 분석했습니다.Language models increasingly support or automate information retrieval from document collections too large to index. This task is difficult when it requires specialist linguistic or scientific knowledge. We used the Wikipedia Game to test language models on an analogous information retrieval task. I

Hide and Seek (HnS): 개념을 숨겨(HIDE) 블랙박스 모델의 설명을 찾는(SEEK) 기법Hide and Seek: HIDE Concepts to SEEK explanations for black box models

블랙박스 머신러닝 모델의 예측 해석은 주요 과제입니다. 기존 개념 기반 기여도 분석 방법의 한계(분류/회귀 모델 한정, 가중치 접근 및 대규모 주석 데이터 필요, 이미지 단위 분석 불가)를 극복하기 위해 새로운 개념 수준 기여도 분석 기법인 Hide and Seek (HnS)를 제안합니다.Interpreting machine learning model predictions is a central challenge, particularly for black-box vision models. Concept-based attribution methods interpret models using human-understandable concepts. Existing concept-based methods can only interpret classification and regression models. They requi

테이블형 딥러닝 회귀 모델의 재고찰: 목적 함수와 글로벌 조기 종료의 한계Revisiting Tabular Deep Regression: Objectives and the Limits of Global Early Stopping

최근 테이블형 데이터를 위한 딥러닝 모델이 많은 연구적 관심을 받고 있으나, 회귀 태스크를 위한 목적 함수 선정은 여전히 연구가 미흡한 자유도로 남아 있습니다. 여러 연구에서 표준 평균 제곱 오차(MSE)의 대안을 제시하고 있지만, 데이터셋, 백본, 평가 프로토콜의 차이로 인해 실제적 이점을 비교하기 어렵습니다. 본 연구에서는 회귀 목적 함수에 대한 체계적인 재평가를 수행하여 이러한 격차를 해소합니다.While deep learning models for tabular data have recently received significant research attention, the choice of objective functions for regression tasks remains an understudied degree of freedom. Several lines of research offer alternatives to the standard Mean Squared Error (MSE), but differences

태스크 맥락이 언어 모델 내 컴포넌트의 역할을 형성한다Task Context Shapes Component Roles in Language Models

대형 언어 모델은 여러 태스크 전반에서 동일한 어텐션 헤드를 재사용하지만, 이러한 공유 헤드를 식별하는 것만으로는 각 태스크에서 이들이 어떤 차별화된 역할을 하는지 설명할 수 없습니다. 자연스러운 영감의 원천은 공유된 뇌 영역 간의 태스크 의존적 상호작용이며, 이는 언어 모델 연산에 대한 네트워크 관점의 동기를 부여합니다. 본 논문에서는 유향 연결을 명시하는 동일한 그래프 팩트를 사용하여 태스크 전반의 고정된 모델 컴포넌트를 비교하고, 개입이 어텐션에 미치는 영향을 측정합니다.Large language models reuse the same attention heads across tasks, but identifying these shared heads does not explain what they do differently in each task. A natural source of inspiration is task-dependent interactions among shared brain regions, which motivate a network view of language-model com

RATED: 실행 동역학 기반 신뢰성 인식 AI 에이전트 툴 검색RATED: Reliability-Aware AI Agent Tool Retrieval via Execution Dynamics

AI 에이전트의 외부 도구 의존도가 높아짐에 따라, 신뢰할 수 있는 동작을 위해서는 정확한 도구 검색이 필수적입니다. 기존 방식들은 의미론적 관련성을 최적화하지만 실행 중 도구의 가용성은 대체로 무시합니다. 이러한 격차를 해결하기 위해 강력한 시맨틱 매칭과 동적 신뢰성 적응을 결합한 검색 프레임워크인 RATED(Reliability-Aware Tool Retrieval via Execution Dynamics)를 제안합니다. RATED는 대조 학습 기반 파인튜닝이 적용된 고정 듀얼 인코더를 시맨틱 매칭에 활용합니다.As AI agents increasingly rely on external tools, accurate retrieval is essential for reliable behavior. Existing methods optimize semantic relevance but largely ignore tool availability during execution. To address this gap, we propose RATED (Reliability-Aware Tool Retrieval via Execution Dynamics)

X-AgentRed: 진화하는 멀티 서비스 생태계 내 개인용 에이전트 레드팀 평가X-AgentRed: Red-Teaming Personal Agents in Evolving Multi-Service Ecosystems

개인용 에이전트는 도구를 활용해 웹과 애플리케이션 전반의 다양한 서비스와 점차 더 많이 연결되고 있습니다. 이들의 작업 영향이 여러 서비스에 걸쳐 누적되고 상호작용함에 따라, 악의 없는 사용자 요청을 수행하는 과정에서도 의도치 않거나 유해한 결과가 초래될 수 있습니다. 이러한 구성적 실패를 선제적으로 식별하려면 다양한 서비스 간 교차 경로를 체계적으로 탐색해야 합니다. 기존의 레드팀 기법은 주로 태스크 및 환경 설명으로부터 잠재적 유해 경로를 식별하도록 LLM에 단순 프롬프팅하는 방식에 그칩니다.Personal agents increasingly connect to services across the web and applications by using tools. As the effects of their actions accumulate and interact across services, unintended or harmful outcomes can arise when agents fulfill benign user requests. Proactively identifying these compositional fai

신경망의 위상수학적 표현력에 대한 구성적 경계Constructive Bounds for the Topological Expressivity of Neural Networks

신경망 $\Phi$의 표현력(Expressivity)은 해당 네트워크가 표현할 수 있는 함수의 클래스를 설명합니다. '위상수학적 표현력'이라는 용어는 이진 분류를 이해하는 데 특히 적합한 측정 지표군을 의미하며, 종종 결정 경계의 베티 수 $\beta(\Phi^{-1}(0))$로 공식화됩니다. 이러한 대중성에도 불구하고 이 측정 지표는 회귀 및 결정 경계가 수반되지 않는 기타 문제에는 유용하지 않습니다. 이에 본 논문에서는 위상수학적 표현력을 새로운 관점에서 연구할 것을 제안합니다.The expressivity of a neural network $Φ$ describes the class of functions that a network can express. The term topological expressivity refers to a family of measures particularly suited to understand binary classification and is often formulated in terms of the Betti numbers of a decision boundary

AI 모델이 임의의 기능을 은닉할 수 있음이 증명되다AI Models Can Provably Hide Arbitrary Capabilities

기능 평가는 배포 전 위험한 모델 동작을 드러내는 것을 목표로 하지만, 그 신뢰성은 숨겨진 기능이 유도되어 표출될 수 있다는 가정에 의존합니다. 본 연구는 호스트 모델의 가중치 내에 암호화된 신경망을 내장하고 비밀 트리거를 수신했을 때만 이를 복호화 및 실행하는 백도어 공격을 구성함으로써, 적대적 조건에서는 이 가정이 성립하지 않음을 보여줍니다. 디지털 라커(digital locker)를 활용하면 이러한 숨겨진 회로는 수학적으로 유도 및 해석이 불가능에 가깝게 유지됩니다.Capability evaluations aim to surface dangerous model behaviors before deployment, but their reliability depends on the assumption that hidden capabilities can be elicited. We show this assumption does not hold under adversarial conditions by constructing backdoor attacks that embed encrypted neural

믹싱 전후의 KL 발산: 병렬 샘플링에서의 라운드 복잡도 분리KL Before and After Mixing: A Round-Complexity Separation in Parallel Sampling

병렬 샘플러는 어떤 좌표들을 함께 생성할지 무작위로 선택할 수 있습니다. 타깃 $p$와 각 출력마다 새로 추출된 스케줄 $U$의 출력 분포 $q_U$에 대해, 스케줄 평균 발산 $\mathbb{E}_U D_{\mathrm{KL}}(p\|q_U)$와 출력 분포 발산 $D_{\mathrm{KL}}(p\|\mathbb{E}_U q_U)$을 nat 단위로 비교합니다. 각 라운드는 라운드 시작 시 고정된 정확한 조건부 주변 분포로부터 독립적인 추출을 확정하며, 각 출력의 스케줄은 샘플링 전에 유한 혼합 모델로부터 추출됩니다.A parallel sampler can choose at random which coordinates to generate together. For a target $p$ and the output law $q_U$ of a schedule $U$ drawn afresh for each output, we compare the schedule-averaged divergence $\mathbb{E}_U D_{\mathrm{KL}}(p\|q_U)$ with the output-law divergence $D_{\mathrm{KL}}

강화학습을 통한 심우주 통신의 목표 지향적 번들 관리 및 흐름 제어Goal-Oriented Bundle Management and Flow Control for Deep-Space Communications via Reinforcement Learning

심우주 통신은 간헐적인 연결성, 긴 전파 지연, 중계기 스토리지 제약이라는 환경에서 작동합니다. 이러한 네트워크에서는 번들 프로토콜(Bundle Protocol)이 저장-운반-전송(store-carry-forward) 통신을 가능하게 하므로, 중계 노드가 제한된 저장 공간과 희소한 접촉 기회를 능동적으로 관리해야 합니다. 중계 노드의 스케줄링 및 패킷 폐기 결정은 본질적으로 목표 지향적이어야 하며, 다운스트림 미션 목표에 가장 가치 있는 번들에 전송 리소스를 할당해야 합니다. 기존의 FIFO 등 표준 스케줄러는 이에 한계를 보입니다Deep-space communications operate under intermittent connectivity, long propagation delays, and relay storage constraints. In such networks, the Bundle Protocol enables store-carry-forward communication, requiring relay nodes to manage limited storage and scarce contact opportunities. Relay-side sch

DyssomniaNN: 인간 수면 장애 및 체감 피로 회복도에 대한 다중 스케일 스파이킹 신경 모델링DyssomniaNN: Multi-Scale Spiking Neural Modeling of Human Sleep Disorders and Perceived Restedness

임상 수면 의학에서는 역설적 불면증의 수면 상태 오인이나 기면증 1형의 상태 경계 불안정성에서 두드러지듯, 객관적 수면 시간과 주간 기능 저하 체감 간의 뚜렷한 괴리가 반복적으로 보고됩니다. 본 연구에서는 보르벨리(Borbély)의 수면 항상성 및 일주기 생체 시계 2과정 조절 모델, 세이퍼(Saper)의 시상하부 상호 플립플롭 회로, 그리고 재귀적 피질-시상 네트워크를 결합한 다중 스케일 생물물리학적 계산 프레임워크인 DyssomniaNN을 제시합니다.Clinical sleep medicine repeatedly documents profound divergences between objective sleep duration and subjective daytime impairment, notably exemplified by sleep state misperception in paradoxical insomnia and boundary instability in narcolepsy type 1. Here, we present DyssomniaNN: a multi-scale bi

자연어를 통한 단백질 구조 설계Designing Protein Structures from Natural Language

드 노보(de novo) 단백질 디자인의 핵심 과제는 원하는 구조적·기능적 특성을 가진 단백질을 생성하는 것입니다. 기존의 디자인 모델은 일반적으로 각 특성마다 전용 입력 표현을 요구하므로 지원할 수 있는 설계 목표에 제약이 있었습니다. 본 연구에서는 텍스트-투-이미지 생성과 유사하게 자연어로 지정된 새롭고 광범위한 설계 목표를 지원하는 최초의 전원자(all-atom) 구조 생성 모델 Prompteina를 개발했습니다. Prompteina의 학습을 위해 Prompteina-Data를 구축했습니다.A central challenge in de novo protein design is generating proteins with desired structural and functional properties. Existing design models typically require a dedicated input representation for each property, limiting the design objectives they support. We develop Prompteina, the first all-atom

RSI-Anything: 월드 모델을 활용한 재귀적 자기 개선의 구현RSI-Anything: Unlocking Recursive Self-Improvement with World Models

재귀적 자기 개선(RSI)은 상호작용 경험을 지속적인 성능 향상으로 전환하는 것을 목표로 하지만, 외부 피드백은 비용이 많이 들고 정책이 발전함에 따라 월드 모델의 예측 신뢰도가 떨어질 수 있습니다. 본 논문에서는 JEPA-Anything을 기반으로 구축된 도메인 범용 프레임워크인 RSI-Anything을 소개합니다. 이는 예측 월드 모델을 활용해 행동 및 학습 데이터 선택을 안내하며, 관측된 피드백을 통해 정책/워크플로우 개선과 조건부 월드 모델 적응을 주도합니다.Recursive self-improvement (RSI) aims to transform interaction experience into persistent improvements, yet external feedback is costly and world-model predictions may become unreliable as policies evolve. We introduce RSI-Anything, a domain-general framework built on JEPA-Anything that uses predict

VLM이 알고 있는 것을 파괴할 때: 공간 표상이 어휘적 사전 분포 이하로 떨어지는 현상When VLMs Destroy What They Know: Spatial Representations Fall Below Lexical Priors

시각-언어 모델(VLM)이 이미지를 분석하고 추론하는 능력이 점차 발전하고 있지만, 모델 내부 표상이 이러한 추론에 필요한 구조화된 관계를 충실히 인코딩하는지는 불분명합니다. 본 연구에서는 통제된 단일 개념 개입 하에서 표상이 개념을 일관되게 인코딩하는지 평가하는 지표인 EICS와, 인과적으로 제어된 공간 섭동 벤치마크인 CASP-VL을 제안합니다.Vision-Language Models (VLMs) increasingly analyze and reason about images, yet it remains unclear whether their internal representations faithfully encode the structured relations required for such reasoning. We introduce EICS (Evaluation-Invariant Concept Stability), a metric for testing whether r

신경망 의미 파싱을 위한 구조적 오토마타Structural Automata for Neural Semantic Parsing

신경망 의미 파서는 토큰 단위로 의미 표상을 생성하지만, 표현의 적형성(well-formedness)은 생성 과정에서 드러나는 참조, 스코프, 그래프 관계에 좌우됩니다. 제약 디코딩은 국소적으로 유효하지 않은 토큰을 방지하지만 유효한 접두사가 고정된 출력 길이 내에서 완성될 수 있는지는 보장하지 못합니다. 본 논문에서는 DRS 파싱의 세 단계(디코딩, 사후 처리, 학습)에서 구조적 오토마타를 조사하고 AMR 디코딩 성능도 추가로 평가합니다.Neural semantic parsers generate meaning representations token by token, yet well-formedness depends on references, scope, and graph relations that unfold during generation. Constrained decoding prevents locally invalid tokens but does not guarantee that a valid prefix can be completed within a fixe

OpenPA: 강제 정렬 없는 혼합 스크립트 적응 기반 다중 단위 발음 평가OpenPA: Forced-alignment-free Multi-granular Pronunciation Assessment with Mixed-transcript Adaptation

자동 발음 평가(APA)의 최근 발전으로 정형화된 대본 기반 평가에서 자유 발화 평가로 패러다임이 전환되었습니다. 그러나 기존 방식은 강제 정렬(forced alignment)과 별도의 특징 추출기를 포함하는 다단계 파이프라인에 의존해 실용성이 떨어집니다. 이에 본 연구는 Whisper의 크로스 어텐션 메커니즘을 활용해 강제 정렬 없이 단어 및 발화 단위의 발음 점수를 공동 예측하는 새로운 APA 프레임워크인 OpenPA를 제안합니다.Recent advances in automatic pronunciation assessment (APA) have driven a shift from scripted to free-form assessment. However, existing methods often rely on multi-stage pipelines with forced alignment and separate feature extractors, limiting their practicality across response settings. In light o

언어 모델은 답변 보류 시점을 배울 수 있는가? 정책 학습 및 보정된 답변 선택Can Language Models Learn When to Abstain? Policy Learning and Calibrated Answer Selection

유용한 언어 모델은 언제 답변하고 언제 "모르겠습니다"라고 답해야 할지 알아야 합니다. 이러한 결정을 모델 자체를 학습시키거나 별도의 검증 컴포넌트를 두어 개선할 수 있을까요? 정답에는 보상을, 오류에는 페널티를 부여하고 기권을 허용하는 점수 체계를 바탕으로 Qwen3-14B 모델에서 사실적 질문을 대상으로 두 접근법을 연구했습니다. 그 결과, 학습된 답변 선택기가 기본 모델 대비 임계값 평균 효용을 향상시켰습니다.A useful language model should know when to answer and when to say "I don't know." Can we improve that decision by training the model itself or by training a separate component to check its answers? We study both approaches on Qwen3-14B for factual questions, using a score that reward

QTestBench: LLM 생성 양자 코드 평가를 위한 테스트 프레임워크QTestBench: A Test Framework for Evaluating LLM-Generated Quantum Code

대규모 언어 모델(LLM)은 고전적 코드 생성에서 우수한 성과를 보이며 코드 검증을 위한 단위 테스트 작성에도 활발히 사용되고 있습니다. 그러나 양자 프로그램은 확률론적이고 수치 허용 오차에 의존하며 도메인 특화 체커로 평가되기 때문에 양자 소프트웨어에서도 동일한 효과를 낼 수 있는지는 불분명합니다. 기존 벤치마크는 정답 여부만을 측정하지만, QTestBench는 생성된 테스트 자체의 유효성과 검증력을 체계적으로 평가합니다.Large language models (LLMs) have shown strong results in classical code generation and are increasingly used to write the unit tests that safeguard that code. Whether they can do the same for quantum software is less clear, because quantum programs are probabilistic, depend on numerical tolerances,

Import AI 476: 창의성과 RSI, 오픈 웨이트 모델의 경쟁력, 그리고 우주로 향하는 AIImport AI 476: Creativity and RSI; worse-than-China open weight models; AI goes to space

창의성과 반복성 긴장 장애(RSI), 오픈 웨이트 모델의 성능 격차, 달 탐사를 비롯한 우주 영역으로 확장되는 로봇과 AI 기술의 미래를 살펴봅니다.Will we give robots the moon?

최소 요구 속도 조절: 다음 모델을 훈련하기 전 정렬 작업을 먼저 완료하라Minimum required pacing: finish aligning it before you train the next one

프론티어 모델의 개발 속도를 조절하되 전면 중단하지는 않는다고 가정할 때, 속도 조절의 기준은 무엇이어야 할까요? 제가 제안하는 최소 요건은 연구소가 현재 세대 모델의 주요 정렬(alignment) 문제를 적절히 해결하기 전까지는 역량 측면에서 다음 세대 모델을 훈련해서는 안 된다는 것입니다. 마하 2 제트기가 계속 추락하는 원인을 밝혀내기 전에는 마하 3 제트기를 출격시키지 않는 법입니다.Let's say we coordinate to pace the frontier, but we don't coordinate on an outright pause. What should the standard of pacing be?My proposal for a minimum requirement: a lab cannot train the next generation of models (in terms of capabilities) until they have adequately[1] resolved all si

디스트로키드, UMG 소송 여파로 곡 조용히 삭제 조치DistroKid has been quietly taking down songs in response to UMG lawsuit

음원 유통 플랫폼 디스트로키드(DistroKid)가 사전 고지 없이 작업을 무단 삭제했다는 아티스트들의 불만이 소셜 미디어에 쏟아지고 있습니다. 디스트로키드는 더 버지(The Verge)를 통해 이번 조치가 유니버설 뮤직 그룹(UMG)의 제기에 따른 직접적 대응임을 확인했습니다. UMG는 지난 9월 디스트로키드가 'AI 쓰레기 파이프라인'을 만들었다며 소송을 제기한 바 있습니다. 아티스트들은 [...]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 오픈AI 안전 연구원들, 비위 의혹 부인하며 "안전 문화 위축 효과" 경고Fired OpenAI safety researchers dispute misconduct claims, warn of chilling effect

민감 정보 유출 혐의로 해고된 전 오픈AI 안전 연구원 3명이 공개서한을 통해 의혹을 전면 부인하며, 이번 해고 조치가 사내 AI 안전 문화에 심각한 위축 효과(chilling effect)를 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.

DeepSeek, AI의 메모리 문제를 해결하다DeepSeek Solved AI’s Memory Problem

DeepSeek OCR 논문 공개 소식과 함께 GPU 클라우드 플랫폼 및 연구 후원자들을 소개합니다.❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambda.ai/papers 📝 The DeepSeek OCR paper is available here: https://github.com/deepseek-ai/DeepSeek-OCR 🙏 We would like to thank our generous Patreon supporters who make Two Minute Papers possible: Adam Bridges, B Shang, Carlos Galar

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

이번 주 놓쳤을 법한 주요 AI 뉴스를 모았습니다. Hyperagent 무료 크레딧 혜택과 더불어 최신 AI 툴, 주간 뉴스레터, 소셜 채널 소식을 전해드립니다.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

63억 달러 규모의 오픈 가중치 모델을 당혹케 한 프랑스 AI...A $6.3 billion open-weight model just got embarrassed by the French...

이번 주 오픈 가중치(open-weight) 모델 경쟁에서 Mistral, Reflection AI, Moonshot이 보여준 주요 행보와 AI 에이전트 도구 소식을 짚어봅니다.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?