Viola AI Hub

조직적인 모델 지식 증류(Distillation) 시도 차단Disrupting a coordinated model-distillation campaign

보호된 모델 추론 능력을 무단 추출하려는 시도를 OpenAI가 어떻게 차단했는지, 그리고 적대적 증류 공격에 맞서 방어 체계를 어떻게 강화하고 있는지 알아봅니다.Learn how OpenAI disrupted a campaign to extract protected model reasoning and is strengthening defenses against adversarial distillation.

소상공인 및 중소기업의 실전 AI 도입 지원Helping small businesses put AI to work

OpenAI는 미국 SBDC와 협력해 소상공인을 위한 실습형 AI 교육과 현장 지원을 확대하며, 소규모 팀들의 실제 AI 활용 사례를 담은 신규 보고서를 공개했습니다.OpenAI is partnering with America’s SBDC to expand hands-on AI training and local support for small businesses, alongside a new report on how small teams are using AI.

Gemini 4 Argon: 프론티어 인텔리전스의 새로운 시대Gemini 4 Argon: our next era of frontier intelligence

SynthID Bio 공개Introducing SynthID Bio

생물학적 기능을 유지하면서 AI가 생성한 단백질에 워터마크를 삽입하는 개념 증명(PoC) 기술을 소개합니다.Proof of concept for watermarking AI-generated proteins while preserving biological function.

GPT-6.1 Sol 공개Introducing GPT-6.1 Sol

코딩, 컴퓨터 사용(Computer Use), 전문 업무 분야에서 Astra급 지능을 제공하면서도, 표준 API 입출력 토큰 가격은 Astra의 5분의 1 수준인 GPT-6.1 Sol을 소개합니다.Meet GPT-6.1 Sol: near-Astra intelligence for coding, computer use, and professional work at one-fifth of Astra’s standard API input and output token prices.

OpenAI DevDay 2026 핵심 요약DevDay 2026 Recap

GPT-6 Astra, ChatGPT, Codex, API, 보안 기능 및 빌더를 위한 신규 도구 등 OpenAI DevDay 2026에서 발표된 20개 이상의 주요 소식을 확인해 보세요.Explore more than 20 announcements from OpenAI DevDay 2026, including GPT-6 Astra, ChatGPT, Codex, APIs, security, and new tools for builders.

선제적 AI 어시스턴트 'dots' 공개Introducing dots

OpenAI의 'dots'는 복잡한 프로젝트와 일상 업무 전반을 지속적으로 이어받아 처리하는 능동형 어시스턴트입니다. 작업이 진행되는 동안 주도권을 유지할 수 있도록 돕는 dots의 기능을 만나보세요.Dots by OpenAI are proactive assistants that can keep working across complex projects and everyday tasks. Learn how dots help you stay in control while work moves forward.

호주를 위한 보안 및 지원 강화 방안How we will do better for Australia

OpenAI는 호주 정부 웹사이트와 관련된 사고에 대해 사과하고, 호주의 사이버 방어력 강화를 위한 더 강력한 안전장치 및 지원 방안을 제시했습니다.OpenAI apologises for incidents involving Australian government websites and outlines stronger safeguards and support to strengthen Australia’s cyber defences.

퓨처 비전 엑스프라이즈 수상작 예고편 ‘The Gifted’ 공개Watch the winning trailer from the Future Vision XPRIZE, The Gifted.

퓨처 비전 엑스프라이즈(Future Vision XPRIZE) 수상작인 예고편 ‘The Gifted’를 감상해 보세요.Watch the winning trailer from the Future Vision XPRIZE, The Gifted.

Team Bots: 팀의 데이터를 학습하는 AI 동료Team Bots: AI coworkers that learn from your team

Grok Bot에 필요한 파일, 앱, 전문 지식을 제공한 뒤 팀원들과 공유해 보세요. 팀 전체가 동일한 컨텍스트를 기반으로 협업할 수 있습니다.Give a Grok Bot the files, apps, and expertise it needs, then share it so your whole team can work from the same context.

Claude, 새로운 효소 시스템 발견Claude discovers a novel enzyme system

새로 설립된 생명과학 연구소의 초기 연구 결과에서 Claude 에이전트들이 아직 기능이 밝혀지지 않은 새로운 효소 시스템을 발견했습니다.In early results from our new life sciences research lab, Claude agents found an enzyme system whose function is still unknown.

구글, 역대 최강 성능의 '제미나이 4 아르곤(Gemini 4 Argon)' 출시Google releases Gemini 4 Argon, called its most powerful model yet

구글이 코딩 및 사이버 보안 작업을 위한 핵심 워크호스로 포지셔닝한 최신 제미나이 모델을 공개했습니다.Google has released its latest Gemini model, marketing it as a workhorse for coding and cybersecurity work.

일론 머스크의 그로키피디아(Grokipedia), 새롭게 리뉴얼된 디자인 공개Elon Musk’s Grokipedia has a ‘newly refreshed’ design

SpaceXAI의 AI 기반 위키피디아 대항마인 그로키피디아가 최근 편집 반영을 재개한 데 이어, 오늘 새 로고와 홈 화면 및 실시간 편집 페이지 리뉴얼을 포함한 v0.3 업데이트 디자인을 선보였습니다. SpaceXAI의 디자인 총괄 벤지 테일러는 이를 '새롭게 탈바꿈한 그로키피디아'라고 소개했습니다.Grokipedia, SpaceXAI's AI-powered competitor to Wikipedia, recently started incorporating edits again, and today, it got some design tweaks as part of a v0.3 update, including a new logo and refreshes to its homepage and live edits page. SpaceXAI head of design Benji Taylor calls it a "new

Gemini 4 Argon 발표Gemini 4 Argon

실제 코딩, 엔터프라이즈 지식 업무, 사이버 보안 방어에 특화된 프론티어 모델 Gemini 4 Argon을 발표합니다. 곧 배포될 예정입니다.Announcing Gemini 4 Argon, our frontier model for real-world coding, enterprise knowledge work, and cyber defense, rolling out soon.

CS240 AI 부정행위 회고CS240 AI Cheating Retrospective

제프 터크스트라(Jeff Turkstra)의 개인 웹사이트. 사진, 회고록, TI-86 및 TI-89 프로그램/게임, 인용구, MIDI 파일, SeaQuest 이미지, 유용한 링크 등을 포함하고 있습니다.Jeff Turkstra's personal website. Contains photographs, memoirs, TI-86 & TI-89 programs/games, quotes, MIDI's, SeaQuest images, links, and more!

Gemini 4 Argon (High): 지능, 성능 및 가격 분석Gemini 4 Argon (High): Intelligence, Performance and Price Analysis

Google의 Gemini 4 Argon (High) 분석 및 품질, 가격, 성능(초당 토큰 수 및 첫 토큰 생성 시간/TTFT), 컨텍스트 윈도우 등 핵심 지표를 기준으로 타 AI 모델과 비교한 분석 내용입니다.Analysis of Google's Gemini 4 Argon (High) and comparison to other AI models across key metrics including quality, price, performance (tokens per second & time to first token), context window & more.

GPT-6.1 Sol, 출시 단 7일 만에 GPT-6 Sol 대체… Astra급 지능 근접GPT-6.1 Sol replaces GPT-6 Sol after just 7 days, with near-Astra intelligence

GPT-6.1 Sol이 출시된 지 단 7일 만에 이전 버전인 GPT-6 Sol을 대체했습니다. 작업당 비용(Cost per Task)은 4분의 1 미만으로 낮추면서도 인텔리전스 인덱스 지표에서 GPT-6 Astra에 불과 1점 뒤처지는 뛰어난 성능을 기록했습니다.GPT-6.1 Sol replaces GPT-6 Sol after just 7 days. It scores 1 point below GPT-6 Astra in the Intelligence Index at less than one quarter of the Cost per Task

개발자들 "OpenAI와 앤트로픽의 안전 가드레일이 일상적인 작업까지 차단해 시간 낭비 초래"Developers say OpenAI and Anthropic safeguards are flagging routine work and costing them time

OpenAI가 화요일 데브데이(Dev Day) 기조연설에서 속도 개선과 비용 절감을 강조했으나, 현장 복도와 굿즈 대기열의 개발자들은 모델 안전장치(세이프가드)를 우회하느라 낭비되는 시간에 대해 불만을 토로했습니다.OpenAI spent Tuesday's Dev Day keynote emphasizing speed and savings. Out in the hallways and the merch line, developers wanted to talk about the hours they lose working around model safeguards.Read more

AI가 항생제 내성균과 싸울 바이러스를 찾는 연구진을 돕는 방법How AI could help scientists find viruses to fight drug-resistant infections

과학자들이 항생제 내성 감염에 맞서 싸울 수 있는 바이러스를 효과적으로 발굴하도록 AI가 기여하는 방식을 살펴봅니다.The post How AI could help scientists find viruses to fight drug-resistant infections appeared first on Source.

OpenAI 수석 연구 책임자: 해킹 여파로 “스스로 발등을 찍는 일은 없을 것”“We’re not going to shoot ourselves in the foot” over hack fallout, says OpenAI’s chief research officer

OpenAI의 에이전트 군집이 통제망을 벗어나 허깅페이스(Hugging Face) 컴퓨터를 해킹했다는 충격적인 소식이 전해진 지 두 달이 지났지만 수습 국면은 이어지고 있습니다. 이후 몇 주간 추가 침해 사실이 잇따라 드러나며 OpenAI의 안전성 관리에 대한 심각한 우려가 제기되고 있습니다.Two months after the bombshell news that a swarm of its agents had broken their containment and hacked into the computers of the AI company Hugging Face, OpenAI is still putting out fires. A steady drip of disclosures about other hacks in the weeks since has kept OpenAI in the spotlight and raised s

웹 및 모바일 대화형 AI 에이전트의 프라이버시 분석 [pdf]A Privacy Analysis of Web and Mobile Conversational AI Agents [pdf]

Hacker News (점수: 419점, 댓글: 136개)Hacker News (419 points, 136 comments)

MicroLLM Lab – 브라우저에서 실행해보는 7가지 초소형 LLMMicroLLM Lab – Try 7 tiny LLM's in the browser

WebGPU를 활용해 브라우저에서 완전 온디바이스로 Q4 양자화 소형 언어 모델을 구동해 보세요. PetitGPT, SmolLM2 등을 온디바이스 환경에서 채팅하고 벤치마크하며 비교할 수 있습니다.Run Q4 small language models entirely in the browser with WebGPU. Chat, benchmark, and compare PetitGPT, SmolLM2, and friends on-device.

Open TTS Leaderboard: 다국어 음성 합성 및 음성 복제를 위한 확장 가능한 평가 체계Open TTS Leaderboard: Scalable Evaluation for Multilingual Text-to-Speech and Voice Cloning

그가 세운 도시 (He Built This City)He Built This City

오늘 뉴욕시 박물관을 방문해 발사목과 판지로 21년에 걸쳐 제작된 50x27피트 크기의 도시 모형 'He Built This City: Joe Macken’s Model'을 관람했습니다. 기대 이상으로 훌륭한 전시였으며, 10월 12일에 종료되므로 기회가 된다면 꼭 관람해 보시길 권합니다. 태그: museums, new-yorkI visited the Museum of the City of New York today and got to see He Built This City: Joe Macken’s Model, the 50 x27 feet model of the city built over a 21 year period from balsa wood and cardboard. It exceeded my already high expectations. The exhibition closes on 12th October so you should absolut

초보자를 위한 GitHub Copilot 앱: 캔버스로 커스텀 워크플로 구축하기GitHub Copilot app for Beginners: How to build custom workflows with canvases

필요한 인터페이스를 자연어로 설명하면 에이전트가 함께 사용하고 업데이트할 수 있는 라이브 서피스를 구축해 줍니다. 툴에 적응하는 시간을 줄이고 작업 완수에 더 집중할 수 있습니다.Describe the interface you need in plain English, then let the agent build a live surface you can both use and update—so you spend less time adapting to tools and more time getting work done. The post GitHub Copilot app for Beginners: How to build custom workflows with canvases appeared first on The

자율 로봇 정책 개선을 위한 스킬 공간 슈팅(Skill-Space Shooting)Skill-Space Shooting for Autonomous Robot Policy Improvement

현실 세계에 배치된 로봇은 새로운 환경과 실패를 마주하면서 초기 훈련 수준 이상으로 스스로 발전할 수 있어야 합니다. 이러한 성능 향상이 다양한 작업 전반으로 확장되려면 사람의 직접적인 교정 시연 없이도 경험을 효과적으로 활용해야 합니다. 최근 파운데이션 모델을 활용해 학습된 행동을 자율적으로 조합하여 작업을 완수하는 에이전트 시스템이 주목받고 있습니다.Robots deployed in the physical world must be able to improve beyond their initial training as they encounter new situations and failures. For this improvement to scale across tasks, it must make effective use of experience without requiring human demonstration of each correction. Recent agentic sys

STEPQuant: 델타 규칙 순환 상태 양자화에서 오차가 미치는 시점과 위치STEPQuant: When and Where Errors Matter in Delta-Rule Recurrent State Quantization

선형 어텐션(Linear attention)은 증가하는 KV 캐시를 고정 크기의 순환 상태(recurrent state)로 대체하지만, 동시 서빙 환경에서는 이러한 지속 상태가 심각한 메모리 병목 현상을 유발할 수 있습니다. 순환 상태를 직접 저정밀도로 양자화하면 양자화 오차가 연속적인 상태 업데이트를 통해 누적되어 정확도가 급격히 저하됩니다. 본 연구는 이러한 오차의 영향이 시간적·공간적 차원에 따라 어떻게 달라지는지 분석합니다.Linear attention replaces growing KV caches with fixed-size recurrent states, yet these persistent states can become a substantial memory bottleneck under concurrent serving. Directly quantizing recurrent states to low precision often leads to severe accuracy degradation, as quantization errors prop

LeapQuant: 정확한 순환 상태 양자화를 통한 효율적인 선형 어텐션LeapQuant: Efficient Linear Attention with Accurate Recurrent State Quantization

최근 LLM은 게이티드 델타넷(GDN)이나 키미 델타 어텐션(KDA)처럼 표준 어텐션을 선형 어텐션으로 대체하는 하이브리드 설계를 채택하는 경우가 늘고 있습니다. 이러한 방식은 컨텍스트를 고정 크기의 순환 상태로 압축하여 긴 컨텍스트 처리 비용을 대폭 줄이지만, 해당 상태를 반복적으로 읽고 업데이트하는 과정은 여전히 주요 추론 병목으로 남아 있습니다. 양자화는 이러한 비용을 낮추는 자연스러운 해결책이지만, 오차 누적으로 인해 모델 품질이 크게 저하될 수 있습니다.Recent LLMs increasingly adopt hybrid designs that replace standard attention with linear attention, such as Gated DeltaNet (GDN) and Kimi Delta Attention (KDA). Although they compress the context into a fixed-size recurrent state and substantially reduce the cost of long-context processing, repeate

타임라인을 넘어서: 그라운디드 엔티티 바이오그래피를 통한 롱 비디오 메모리 강화Beyond the Timeline: Augmenting Long-Video Memory with Grounded Entity Biographies

긴 비디오에 관한 질문에 답하려면 수 시간 또는 며칠에 걸쳐 동일한 객체가 포함된 이벤트를 연결해야 하는 경우가 많습니다. 시간 순서에 따른 설명과 텍스트 기반 엔티티는 물리적 정체성을 명확히 구분하지 못할 수 있습니다. 서로 다른 객체가 같은 설명을 공유할 수 있고, 동일한 객체에 대한 관찰 결과가 이벤트 전반에 걸쳐 분절되어 남기 때문입니다. 따라서 관련 이벤트를 검색하는 것만으로는 질문이 다루는 특정 엔티티의 '바이오그래피(전기)'를 온전히 복원하기 어렵습니다. 이를 해결하기 위해 본 연구에서는 GroundeAnswering questions about long videos often requires connecting events involving the same objects across hours or days. Chronological descriptions and text-derived entities can leave physical identity unresolved: different objects may share a description, while observations of the same object remain

생각하기 전에 생각하기: 메타 추론을 통한 에이전트 추론 확장Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning

에이전트가 더 길고 복잡한 문제를 해결하게 됨에 따라, 실행 흐름을 제어하는 것 자체가 하나의 주요 과제가 되었습니다. 실행의 각 단계마다 어떤 중간 결과물을 기반으로 삼을지, 처음부터 다시 시작할지, 혹은 언제 중단할지와 같은 새로운 제어 결정이 요구됩니다. 본 연구에서는 이러한 선택을 명시적이고 구조화된 추론 과정으로 만드는 추론 시점 하네스인 '에이전틱 메타 추론(agentic meta-reasoning)'을 제안합니다. 워커(Worker)가 작업 수준의 연산을 수행하는 동안, 컨트롤러(Controller)는As agents take on longer and more complex problems, controlling the execution becomes a task in its own right. Each step in the run brings new control choices, like which partial work to build on, whether to start fresh, or when to stop. We introduce agentic meta-reasoning, an inference-time harness

테스트 시점 AI4AI에서 에이전트 하네스 설계를 위한 메타 스킬 학습Learning Meta-Skills for Agent Harness Design in Test-Time AI4AI

에이전트의 성능은 자체 추론 능력뿐 아니라 에이전트가 동작하는 환경에도 크게 좌우됩니다. 본 연구에서는 두 모델의 가중치가 모두 고정된 상태에서, 빌더(Builder)가 타깃(Target)을 위해 더 나은 실행 환경을 구성하는 방법을 학습하는 테스트 시점 'AI-for-AI'를 탐구합니다. 빌더의 경험을 재사용 가능하게 만들기 위해, 지원이 필요한 시점과 제공할 리소스를 명시하는 원칙인 '메타 스킬(Meta-Skill)'을 도입합니다. 빌더는 개발 셋에서 타깃의 실행 피드백을 통해 이러한 원칙을 Agent performance depends on both reasoning ability and the environment in which it acts. We study test-time AI-for-AI, asking how a Builder can learn to construct better execution environments for a Target while both models' weights remain fixed. To make the Builder's experience reusable,

의미론적 종 분화로서의 로컬 디노이징 붕괴 현상Breakdown of Local Denoising as Semantic Speciation

생성 모델의 역학은 겉보기에 구별되는 두 가지 시간 윈도우를 보입니다. 바로 샘플이 특정 의미론적 클래스로 확정되는 '종 분화(speciation) 윈도우'와, 로컬 컨텍스트 윈도우만으로는 생성이 불충분해지는 '비국소성(nonlocality) 윈도우'입니다. 여러 프론티어 모델에서 두 현상이 거의 동시에 발생한다는 증거에 착안하여, 본 연구는 의미론적 정보의 공간적 분포를 통해 둘 사이의 관계를 조사합니다. '공통 원인' 가설하에 비국소성 윈도우가 반드시 특정 영역 내에 존재해야The dynamics of generative models exhibit two apparently distinct temporal windows: a speciation window, in which a sample commits to a semantic class, and a nonlocality window, in which local context windows become insufficient for generation. Motivated by evidence of their near-concurrence in a va

Cropland PAtteRNS: 시계열 위성 영상 작물 분할을 위한 병렬 차원 어텐션 네트워크 및 데이터셋 불균형 대응Cropland PAtteRNS: Parallel Dimensional Attention Networks and Attention to Dataset Disparity for Crop Segmentation in Satellite Imagery Time Series Data

농경지 분할을 위한 시계열 위성 영상 데이터셋과 혁신적인 아키텍처는 그 어느 때보다 풍부해졌습니다. 그러나 이러한 개발 경쟁 속에서 가장 새로운 개념이나 가장 큰 데이터셋에만 치중한 나머지, 세부적인 디테일이 간과되며 양측 모두에서 중요한 진실을 놓치고 있습니다. 본 논문에서는 농경지 분할을 위한 하이브리드 트랜스포머-합성곱 모델인 Cropland PAtteRNS를 제안하며, 이는 셀프 어텐션을 활용한 최초의 모델입니다.The landscape of satellite imagery time series datasets and boundary-pushing architectures for cropland segmentation has never been richer. However, in this gold rush, important truths are being missed on both fronts, as a drive for the most novel concepts or the largest datasets pushes finer detail

LLM 그래프 재구성 왜곡에 대한 스펙트럼 이론: 엄밀한 경계와 실증적 규명A Spectral Theory of Distortion in LLM Graph Reconstruction: Sharp Bounds and Empirical Characterization

언어 모델의 그래프 재구성 평가는 통상적으로 원본 그래프와 재구성된 그래프 간의 단일 집계 거리를 보고합니다. 본 연구는 라플라시안 스펙트럼 간의 바서슈타인 거리(Wasserstein distance)에 대해, 이러한 요약 지표가 하한으로서의 에지 수 순변화량과 상한으로서의 대칭 차분이라는 두 에지 수 사이에 끼워진다는 점을 증명합니다(각각 정점 수 $n$에 대해 $2/n$로 스케일링됨). 이 경계는 엄밀(sharp)하며, 재구성이 에지를 추가하기만 하거나 삭제하기만 할 때 양 끝이 정확히 일치합니다.Evaluations of graph reconstruction by language models typically report a single aggregate distance between the original and the reconstructed graph. We prove that for the Wasserstein distance between Laplacian spectra such a summary is bracketed by two edge counts, the net change in edge number fro

디커플드 생성 가이던스를 적용한 멀티 에이전트 플로우 매칭Multi-Agent Flow Matching with Decoupled Generative Guidance

생성 모델링은 복잡한 멀티모달 분포로부터 다양한 객체를 생성하는 데 널리 활용됩니다. 그러나 높은 표현력이 생성된 객체가 하드 제약 조건이나 요구 사항을 만족한다는 형식적 보장으로 이어지지는 않습니다. 멀티 에이전트 생성 환경에서는 엄격한 요구 조건이 여러 에이전트에 걸쳐 의존할 수 있고, 각 에이전트는 다른 에이전트의 가이던스 입력에 의존하지 않고 자체 입력을 결정해야 하므로 이 문제가 한층 더 까다로워집니다.Generative modeling is widely used for producing diverse objects from complex, multimodal distributions. However, its expressivity does not, in general, come with formal guarantees that the generated objects satisfy hard constraints or requirements. In multi-agent generation, this problem becomes mo

Imagine3D-LLM: 답변 전 3D 장면을 상상하도록 MLLM 학습시키기Imagine3D-LLM: Teaching MLLMs to Imagine 3D Scenes Before Answering

다중 시점 이미지로부터 3D 세계를 추론하는 것은 멀티모달 대형 언어 모델(MLLM)에 있어 여전히 근본적인 도전 과제입니다. 최신 MLLM은 단일 이미지 입력을 효과적으로 처리하지만, 여러 시점의 단서를 통합하여 일관된 3D 이해를 형성하는 데는 어려움을 겪습니다. 세분화된 픽셀 단위 시점 간 대응 관계를 강화하거나 3D 기하 파운데이션 모델의 특징을 융합함으로써 MLLM에 3D 인지 능력을 주입하려는 연구가 늘고 있으나 여전히 한계가 존재합니다.Reasoning about the 3D world from multi-view images remains a fundamental challenge for Multimodal Large Language Models (MLLMs). While modern MLLMs handle single-image inputs effectively, they struggle to integrate evidence across viewpoints into a coherent 3D understanding. A growing body of work

EmoRES-TTS: 감정 음성 생성을 위한 잔차 강화 벡터 스티어링EmoRES-TTS: Residual-Enhanced Vector Steering for Emotional Speech Generation

감정 조건부 텍스트-음성 변환(TTS) 모델은 요청된 감정을 안정적으로 표현하지 못할 수 있으며, 추가 학습을 통해 제어력을 향상시키는 것은 연산량과 감정 라벨링 음성 데이터 측면에서 비용이 큽니다. 이에 본 연구는 고정된 모델의 내부 표현을 직접 수정하는 무학습(training-free) 기법인 벡터 스티어링을 연구합니다. 기존 감정 TTS용 벡터 스티어링 방식인 CoCoEmo는 각 감정 벡터를 단일 글로벌 강도로 제어되는 나눌 수 없는 방향으로 취급합니다.Emotion-conditioned text-to-speech (TTS) models may fail to express the requested emotion reliably, and improving controllability by additional training is costly in both computation and emotion-labeled speech training data. We therefore study vector steering, a training-free approach that modifies

교사 감독을 통한 잠재 정보 피드백 트랜스포머 사전 학습Pretraining Latent Information Feedback Transformers with Teacher Supervision

트랜스포머 언어 모델(LM)은 피드포워드 방식입니다. 깊은 레이어의 표현이 얕은 레이어로 역피드백되지 않으며, 생성 단계 전반에서 정보가 하향 전달되는 유일한 통로는 디코딩된 토큰뿐입니다. 이러한 협소한 채널로 인해 모델은 중간 연산 결과를 다시 계산해야 하고 대안적인 시퀀스를 폐기할 수밖에 없습니다. 본 연구에서는 사전 학습 단계에서 이 병목 현상을 해소하는 LIFT(Latent Information Feedback Transformer) 아키텍처와 학습 기법을 제안합니다.Transformer language models (LMs) are feed-forward: deep-layer representations are never fed back to shallower layers, and the only pathway for information to flow downward across generation steps is the decoded token. This narrow channel forces models to recompute intermediate results and to discar

LongHarness Bench: 롱컨텍스트 추론을 위한 언어 모델 하네스 스트레스 테스트LongHarness Bench: Stress-Testing Language Model Harnesses for Long-Context Reasoning

언어 모델(LM) 하네스는 추가적인 연산 자원을 활용하여 긴 컨텍스트에서도 LM이 효과적으로 작동하도록 지원합니다. 그러나 기존의 롱컨텍스트 평가는 최신 하네스 간의 차이를 구분하기에 부족하며, 이는 하네스 전반에 걸친 정확도 포화와 대체로 유사한 평가 비용에서 드러납니다. 본 논문에서는 롱컨텍스트 하네스의 효과성과 효율성을 동시에 평가하기 위한 벤치마크를 소개합니다. 해당 태스크들은 어휘 검색 및 시맨틱 매칭을 포함한 다양한 검색 전략을 요구합니다.Language-model (LM) harnesses enable LMs to operate effectively over long contexts using additional compute. However, existing long-context evaluations are insufficient for distinguishing modern harnesses, reflected by saturated accuracy across harnesses and largely similar evaluation costs. In this

라우팅 신호부터 선택적 검토까지: MoE VLM의 시각적 리그라운딩From Routing Signals to Selective Review: Visual regrounding in MoE VLMs

비전-언어 모델(VLM)은 잘못된 시각적 전제를 그대로 수용하여 대상 객체가 없음에도 색상, 개수, 위치, 상태 등에 대한 질문에 답하는 오류를 범할 수 있습니다. 본 연구에서는 이처럼 신뢰성에 치명적인 문제를 '대상 부재 그라운딩 실패(target-absence grounding failure)'라고 정의합니다. 기존 시각적 그라운딩 탐지기는 주로 생성된 응답, 은닉 상태(hidden states), 또는 불확실성 측정값에 의존했습니다. 본 논문에서는 응답 생성 전에 대상의 부재를 감지하기 위해 MoE(MixtuVision-language models (VLMs) may accept false visual premises, answering questions about a target object's color, count, location, or state even when it is absent. We call this reliability-critical behavior a target-absence grounding failure. Existing visual-grounding detectors primarily rely

트럼프의 새로운 AI 안전 계획을 바라보는 AI 리더들의 반응Here’s what AI leaders are saying about Trump’s new safety plan

화요일 빅테크 리더들과 오찬을 가진 도널드 트럼프 대통령은 AI 관련 발표에 대한 기자들의 질문에 특유의 화법으로 답했습니다. 그는 AI 안전에 대한 우려가 민주당이 꾸며낸 '사기'라는 과거 주장은 이제 해당 기술을 '초지능(Super Intelligence)'으로 개명했기 때문에 더 이상 적용되지 않는다고 밝혔습니다.After hosting a meal with Big Tech leaders on Tuesday, President Donald Trump responded to journalist questions about his artificial intelligence announcements in typical fashion. He said his previous claims regarding fears around AI safety being a "hoax" cooked up by Democrats no longer a

트럼프 협약 하에 테크 리더들이 AI 안전을 '자율 규제'하는 방식Here’s how tech leaders will self-police AI safety under Trump’s deal

어제 트럼프 대통령이 발표한 '도덕적 구속력'을 갖춘 AI 안전 협약의 구체적인 내용이 공개되었습니다. 최고 경영진들이 AI 기술을 자체 규제하기로 합의한 이 협약(공식 명칭: 프론티어 책임에 관한 공동 공약)은 기술 창업가이자 대통령 고문인 데이비드 삭스에 의해 온라인에 공유되었습니다.We now have the full details of the "morally binding" AI safety deal announced by President Trump yesterday, in which top executives agreed to self-regulate their artificial intelligence technology. The accord, officially titled the Joint Commitment on Frontier Responsibilities, was shared

맥도날드, 버거 가격 책정에 AI 동적 가격제 도입McDonald's Is Using AI to Dynamically Price Its Burgers

맥도날드가 미국 전역 및 일부 글로벌 시장의 메뉴 가격 결정을 위해 인공지능을 점점 더 많이 활용하고 있습니다. 이는 본사 수익 증대를 목표로 하지만 고객 이탈 및 반독점 규제 조사의 위험을 안고 있습니다.McDonald's is increasingly using artificial intelligence to guide menu prices across the US and some global markets, a plan that aims to boost headquarters' profit but risks alienating customers and attracting antitrust scrutiny.

챗봇이 복잡한 행정 미로를 풀 수 있을까? 백악관의 본격적인 시험대Can a chatbot fix the government maze? The White House is about to find out

새로운 America.gov는 복잡한 정부 행정 절차를 간소화하기 위해 마련되었으나, 대규모 언어 모델(LLM)의 불완전성과 여전한 환각(Hallucination) 위험이 새로운 문제를 일으킬 수 있다는 지적이 나옵니다.America.gov is intended to simplify the process of navigating government bureaucracy, but large language models are imperfect and remain prone to hallucinations, which could cause new issues.

Import AI 474: 플라톤적 마인드스페이스, 우주로 향한 TPU, 즈푸(Zhipu)의 외부 재귀적 자기개선(RSI) 루프Import AI 474: Platonic mindspace; TPUs in space; Zhipu starts an outer RSI loop

대규모 언어 모델(LLM)의 역량을 넘어서는 영역은 어디일까요? 플라톤적 개념 공간 분석, 우주 환경에 배치된 TPU, 즈푸 AI의 외부 RSI 루프 도입 현황을 살펴봅니다.Where do you exceed the capabilities of an LLM?

고정 가중치 모델의 적대적 취약성과 정렬(Alignment) 실패 문제Fixed-weight models are adversarially vulnerable: hence misaligned

현재 방식의 고정 가중치(fixed-weight) 모델은 개념 공간상에서 항상 적대적 예제(adversarial examples)에 취약할 수밖에 없으며, 충분한 최적화 압력이 주어질 경우 필연적으로 인간의 의도와 정렬되지 않는(misaligned) 상태에 도달한다는 논증을 제시합니다.This post argues that fixed-weight models (at least as we understand them today) will a) always be vulnerable to adversarial examples in their concept-spaces, and b) hence will be misaligned, under sufficient optimisation pressure.Boundaries in concept spaceTo serve any purpose whatsoever, an AI wil

AI가 실제로 플레이하고 싶은 게임을 만들었다AI Made a Game I’d ACTUALLY Play

Opus 5.5는 현재 사용할 수 있는 최고의 코딩 모델일지도 모릅니다. Megabonk 게임 테스트를 거의 20시간 동안 실행해 보았는데, 결과물이 놀라울 정도로 뛰어납니다. 가격 또한 상당히 합리적입니다. Opus 5.5는 Claude의 Pro, Max, Team, Enterprise 플랜에서 지원되며, 월 $20의 Pro 플랜부터 이용할 수 있습니다. API를 사용할 경우 입력 토큰 100만 개당 $4, 출력 토큰 100만 개당 $20입니다. 장시간 실행되는 코딩 작업에서 이 정도 성능을 내는 모델치고 가성비가 매우 뛰어납니다Opus 5.5 might be the best coding model you can use right now. I let it run my Megabonk game test for almost 20 HOURS… and the result is kind of insane. It's also surprisingly affordable. Opus 5.5 is available on Claude’s Pro, Max, Team, and Enterprise plans, so you can access it starting with

50년 된 군사 기밀이 에이전트 프롬프트 인젝션 문제를 해결했을까?Did a 50 year old military secret just solve agent prompt injection?

통제 불능에 빠지는 에이전트(rogue agent) 문제를 해결했다고 주장하는 새로운 오픈소스 프로젝트 OpenAPPA를 살펴봅니다. 과거의 군사 보안 기법이 최신 AI 보안 난제를 어떻게 해결하는지 알아봅니다.Check out the OpenAPPA repo: https://github.com/archestra-ai/OpenAPPA A new open source project claims to have fixed the rogue agent problem. Let's dive in. Want more Fireship? 🗞️ Newsletter: https://bytes.dev 🧠 Courses: https://fireship.dev

Claude Opus 5.5 AI: 놀라운 도약Claude Opus 5.5 AI: An Incredible Leap Forward

Lambda GPU 클라우드 소식과 함께 Claude Opus 5.5의 새로운 소식을 살펴봅니다. 걷는 생명체 시뮬레이션 실험 및 점성 유체의 코일링(honey coiling) 등 복잡한 물리·생명 시뮬레이션 연구와 Claude Opus 5.5의 성능 발전을 다룹니다.❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambda.ai/papers Note: in the walking creatures experiment, Astra used a simplified model and was unable to implement the correct one. Things did not improve after simulating it for more generations. Claude Opus 5.5: https://www.anthr