Viola AI Hub

EU AI의 다음 챕터는 '에이전틱 AI'The EU’s next chapter in AI is agentic

최신 분석에 따르면 유럽연합(EU) 내 대기업과 중소기업 전반에서 에이전틱 AI 도입이 빠르게 증가하고 있으며, 이를 더 심층적으로 활용할 경우 창출할 수 있는 잠재 가치 또한 큰 것으로 나타났습니다.New analysis shows how agentic AI adoption is growing across EU enterprises and small businesses—and where deeper use could unlock more value.

Google DeepMind와 싱가포르 정부, 스캠 탐지를 위한 파인튜닝 AI 모델 공동 개발Google DeepMind and Singapore Government collaborate to build fine-tuned AI model for scam detection

Google DeepMind와 싱가포르 정부기술청(GovTech)이 외부 클라우드로의 데이터 유출 없이 개인 채팅 내 대화형 사기·스캠을 차단하기 위해 경량 온디바이스 Gemma 모델을 활용하는 방법을 소개합니다.Learn how Google DeepMind and GovTech Singapore uses lightweight on-device Gemma models to intercept conversational scams in private chats with zero cloud data egress.

싱가포르 지사 설립 및 정부와의 업무협약(MOU) 체결Singapore office and government MOU

Anthropic이 싱가포르에 아시아·태평양 지역 5번째 지사를 설립하고, AI 안전성 평가 및 책임 있는 도입을 위해 싱가포르 정부와 MOU를 체결했습니다.Anthropic opens its fifth Asia-Pacific office in Singapore and signs an MOU with the government on AI safety, evaluation, and responsible adoption.

힉스필드, AI 비디오 재생 시간을 1분에서 10분 이상으로 확장Higgsfield takes AI video from 1 minute to over 10

힉스필드(Higgsfield)는 GPT-6 Astra를 통해 크리에이터들에게 더 긴 영상을 제공하고, GPT-Image-2.5로 정밀한 시각 효과를, GPT-Live로 음성 기반 영화 제작 환경을 지원합니다.Higgsfield brings creators longer videos with GPT-6 Astra, precise visuals with GPT-Image-2.5, and a path to voice filmmaking with GPT-Live.

Gemini 4 Argon: 가장 까다로운 난제를 해결하기 위해 설계된 모델Gemini 4 Argon: Built to solve your hardest problems

추후 공개 예정TBD

책임감 있고 안전한 Gemini 4 Argon 개발Developing Gemini 4 Argon responsibly and safely

로보틱스를 위한 Gemini 4 ArgonGemini 4 Argon for Robotics

Meta의 생성형 광고 모델(GEM): 프론티어 광고 AI를 위한 핵심 모델 및 연산 엔진 확장Meta’s Generative Ads Model (GEM): Scaling the Central Model and Compute Engine for Frontier Ads AI

지난해 Meta는 업계 최대 규모의 추천 시스템(RecSys) 파운데이션 모델인 GEM을 선보였습니다. GEM은 광고 추천 분야에 LLM 기반 패러다임을 최초로 정립하여 대대적인 성능 향상을 이끌어냈습니다. 이를 바탕으로 차세대 하드웨어를 통해 연산과 인텔리전스 전이를 더욱 확장하고, 이 역량을 Meta의 전체 광고 생태계로 넓히는 것을 다음 목표로 삼고 있습니다.Last year, we introduced GEM, the industry’s largest recommendation system (RecSys) foundation model. GEM established Meta’s first LLM-inspired paradigm for ads recommendation, driving major performance gains. Building on this foundation, our next goal is to further scale both compute and

신규 'X 구독 플랜' 출시 안내Introducing The X Subscription

Grok, Grok Bot, Cursor, X Premium을 하나의 통합 플랜으로 모두 이용할 수 있는 신규 구독 서비스를 선보입니다.Grok, Grok Bot, Cursor, and X Premium, all on one plan.

심플리파이(Scimplify), AI로 핵심 광물·소재 분야의 중국 독점에 맞서기 위해 2,500만 달러 투자 유치Scimplify raises $25M to challenge China’s grip on critical materials with AI

미국 시장 진출을 엿보고 있는 심플리파이의 연환산 매출(ARR Run Rate)이 2억 달러로 3배 급증했습니다.Scimplify's annualized revenue run rate has tripled to $200 million as it eyes U.S. expansion.

세레브라스 CEO "모든 가정에 개인용 AI 어시스턴트가 보급되는 미래가 다가오고 있다"Cerebras CEO says we’re nearing a future where everyone has a personal AI assistant at home

세레브라스(Cerebras)의 앤드루 펠드먼 CEO는 가전제품처럼 개인용 AI 어시스턴트가 보편화되어 로컬 기기와 클라우드에서 분산 구동되는 미래가 올 것이라고 전망했습니다.Cerebras CEO Andrew Feldman predicts a future where personal AI assistants become as commonplace as household appliances, running partly on local devices and partly in the cloud.

Gemini 4 ArgonGemini 4 Argon

Hacker News (추천 1355점, 댓글 952개)Hacker News (1355 points, 952 comments)

오픈AI 엔지니어, 임원 회의실 도청 혐의로 체포OpenAI engineer arrested in bugging of executive conference room

연방 검찰은 사우디아라비아 출신 직원이 음성 녹음기를 설치하고 가방에 또 다른 녹음기를 방치한 혐의를 받고 있다고 밝혔습니다.Federal prosecutors say an employee from Saudi Arabia planted an audio recorder and left another unattended in his bag.

HN에 글을 올렸더니 웹사이트로 AI 봇 트래픽이 폭주했습니다I posted to HN, and then my website was flooded with AI bot traffic

Hacker News (점수 238점, 댓글 146개)Hacker News (238 points, 146 comments)

Show HN: OpenAI 구독으로 나만의 오디오북 제작하기Show HN: Use your OpenAI subscription to create audiobooks

Codex 또는 Claude를 연동하고 음성 합성(Speech) API 키를 등록하면, PDF 문서를 간편하게 MP3 오디오북으로 변환할 수 있습니다.Connect Codex or Claude, add a speech key, and send your first document to PDF TO MP3.

게임 개발을 위한 AI 하네스 구축 엔지니어링 가이드How to engineer an AI harness for game development

게임을 AI 에이전트가 더 쉽게 이해하도록 설계하는 실용적인 방법과 에이전트 기반 이터레이션(반복 개발) 속도를 높이는 방안을 살펴봅니다.Exploring practical ways to make your game more legible to AI agents and how to make agentic iteration faster.

OpenAI 직원, 회의실 도청 장치 설치 혐의로 체포OpenAI employee arrested for allegedly planting a bug in a conference room

OpenAI 사내 사무실 중 한 곳에 숨겨진 '정교한 녹음 장치'가 발견된 후 해당 회사 엔지니어가 체포되었습니다. 체포된 직원은 35세 사우디 국적의 압둘라흐만 알포잔으로 확인되었으며, 법무부 보도자료에 따르면 그는 구두 대화를 도청할 목적으로 기기를 사용하거나 사용을 시도한 혐의를 받고 있습니다.An OpenAI engineer was arrested after the company said it discovered a "sophisticated recording device" hidden in one of its offices. The employee was identified as Abdulrahman Alfozan, a 35-year-old Saudi national. Alfozan is charged with using or endeavoring to use a device to intercept

벤처비트 조사: 오픈AI의 AI 에이전트 플랫폼 도입 기업 수, 앤트로픽의 2배OpenAI's AI agent platform is used by twice as many companies as Anthropic's, new VentureBeat survey finds

벤처비트 인텔리전스(VentureBeat Intelligence)의 9월 에이전트 오케스트레이션 설문조사에 따르면, 오픈AI의 에이전트 플랫폼을 사용하는 기업 수가 앤트로픽 대비 2배에 달하는 것으로 나타났습니다. 법인카드 및 지출 관리 기업 램프(Ramp) 조사에서 앤트로픽에 비용을 지불하는 기업이 더 많다는 결과가 나오는 등 다른 지표와의 차이에도 불구하고 오픈AI가 우위를 점하고 있습니다.Twice as many companies use OpenAI's agent orchestration platform as Anthropic's, VentureBeat Intelligence found in its September survey on agent orchestration. OpenAI holds that lead even though Anthropic may lead OpenAI on other important indicators. For example, Ramp, the corporate card

현실 세계의 문제 해결을 AI에 믿고 맡기기 위해 필요한 것What it takes to trust AI with real-world fixes

실제 환경의 문제 해결을 AI에 신뢰하고 맡기기 위한 조건과 과제를 다룹니다.The post What it takes to trust AI with real-world fixes appeared first on Source.

폐업한 스타트업의 데이터를 사들여 모델 학습에 나선 AI 연구소들AI labs are buying data from dead startups to train their models

킬런 미스켈이 올해 크립토 스타트업을 폐업할 당시만 해도 사용자 익명성과 짧은 업력 때문에 데이터 가치가 크지 않을 것이라 생각했습니다. 그러나 그는 폐업 회사의 디지털 아카이브를 통해 수익화에 성공했으며, 코드베이스 판매로 약 2만 5천 달러를 확보하는 등 AI 연구소들의 폐업 기업 데이터 매수가 잇따르고 있습니다.When Keelan Miskell began winding down his crypto startup this year, he didn’t think its data was worth much: the users were anonymous, the company just a few years old. But he’s since turned the firm’s digital archives into real money. He’s netted roughly $25,000 for his code base and a still-pendi

AI는 도구이며, 잘 활용하려면 숙련도가 필요하다AI is a tool and using it well takes skill

리치 히키(Rich Hickey)의 "'AI'는 도구가 아니다"에 대한 반론: 자동화와 도구 활용은 공존할 수 있으며, LLM을 능숙하게 다루기 위해서는 숙련도, 피드백, 판단력이 요구됩니다.A response to Rich Hickey's "'AI' is Not a Tool": automation and tool use can coexist, and wielding an LLM well requires skill, feedback, and judgment.

Anthropic의 소스 제어 시스템 재설계Redesigning source control at Anthropic

Anthropic의 소스 제어 시스템 재설계: 최근 6개월 동안 코드 변경 빈도가 급증함에 따라 Git을 대체할 자체 맞춤형 시스템을 구축한 이유와 과정을 다룬 Anthropic의 흥미로운 글입니다. 2026년 5월 당시 하루 평균 2,500건 수준이었던 코드 병합 건수가 9월에는 하루 30,000건 이상으로 크게 늘어났습니다. 글에는 관련 차트도 포함되어 있습니다.Redesigning source control at Anthropic Interesting piece from Anthropic describing why and how they built their own custom alternative to Git, based on the dramatic increase in rate of changes to their code after the past six months. In May 2026, Anthropic averaged around 2,500 code changes merged

LFM2.5-24B-A2B로 기기 내에서 빠르고 안전한 온디바이스 에이전트 실행Run fast, private agents on-device with LFM2.5-24B-A2B

GitHub의 시크릿 탐지 모델: 오탐을 줄이고 탐지율 극대화GitHub’s model for secret detection: Finding more secrets with less noise

GitHub의 컨텍스트 인식 시크릿 분류기는 탐지 품질을 향상시키고 가중 수용률을 11.5% 높이는 동시에 중앙값 기준 검사 실행 시간을 86% 단축합니다.GitHub’s context-aware secret classifier improves detection quality, raises weighted acceptance by 11.5%, and reduces median scan execution time by 86%. The post GitHub’s model for secret detection: Finding more secrets with less noise appeared first on The GitHub Blog.

ChunkAct: 에이전틱 로보틱스를 위한 액션 청킹(Action Chunking)ChunkAct: Action Chunking for Agentic Robotics

에이전틱 로보틱스는 로봇 제어 루프에 LLM 에이전트를 배치해 재학습 없이도 새로운 작업에 일반화되도록 지원하지만, 매 기본 동작마다 이전 상호작용 전체를 추론해야 해 비효율성이 큽니다. 본 연구는 이러한 추론 중 상당 부분이 중복된다는 점에 착안하여 액션 청킹을 적용하는 방식을 제안합니다.Agentic robotics places a large language model (LLM) agent in the robot control loop, where it composes perception, motion, and vision-language-action (VLA) tools under the guidance of a memory and thereby generalizes to new tasks without retraining. This generality comes at a steep price in efficie

품질 인식 VLA 사전 학습의 핵심 요소: 벤치마크 및 실증 연구What Matters in Quality-Aware VLA Pretraining: A Benchmark and Empirical Study

타깃 작업 파인튜닝 시 성능을 극대화하기 위해 VLA(시각-언어-행동) 사전 학습 과정에서 시연 데이터의 품질을 어떻게 활용해야 할까요? 5,000개의 서브옵티멀 인간 시연 데이터와 24개의 타깃 태스크를 바탕으로 가중치 부여, 필터링, 컨디셔닝 기법 및 품질 태그의 역할을 종합 비교 분석했습니다.How should demonstration quality be used during vision-language-action (VLA) pretraining to improve performance after target-task fine-tuning? We compare weighting, filtering, and conditioning across reward definitions and label granularities using 5,000 naturally suboptimal human demonstrations and

Tev: 조밀한 진행 보상을 활용한 장기 자율 에이전트 환경의 확장Tev: Scaling Long-Horizon Agentic Environments with Dense Progress Rewards

장기(Long-Horizon) 자율 에이전트는 경제적 가치가 높은 작업을 몇 시간에서 며칠에 걸쳐 자율적으로 수행할 수 있어 점점 더 큰 주목을 받고 있으며, 이는 자동화된 발견과 재귀적 자기 개선(RSI)에 필수적인 역량입니다. 그러나 오픈소스 모델은 학습 데이터와 검증된 레시피의 부족으로 장기 과제 수행에 여전히 어려움을 겪고 있습니다. 길고 복잡한 작업은 큐레이션 및 검증이 까다롭고 보상이 희소하여 확장이 어렵기 때문입니다. 본 연구에서는 이 두 가지 문제를 모두 해결하고자 합니다. 먼저, 우리는...Long-horizon agents have drawn growing attention for their ability to work autonomously -- from hours to days -- on economically valuable tasks, a capability essential to automated discovery and recursive self-improvement (RSI). Yet open-source models still struggle on long-horizon tasks, largely fo

DoubtLess: 효율적인 추론을 위한 학습 불필요 대조 디코딩DoubtLess: Training-Free Contrastive Decoding for Efficient Reasoning

추론 모델은 긴 생각의 사슬(CoT)을 통해 뛰어난 성능을 달성하지만, 문제를 해결하는 데 필요한 것보다 더 많은 토큰을 소모하는 경우가 많습니다. CoT를 단축하는 기존 방법들은 모델별 추가 학습이 필요하거나, 모델의 은닉 상태에 고정된 조향 벡터를 추가하거나, 조기 종료나 "wait" 같은 단어 생성을 금지하는 디코딩 휴리스틱을 사용하여 정확도를 떨어뜨릴 수 있습니다. 본 논문에서는 훨씬 작은 추론 모델이 대형 모델을 조향하는 학습 불필요(Training-Free) 디코딩 방식인 DoubtLess를 제안합니다.Reasoning models achieve strong performance through long chains of thought (CoT), but often spend more tokens than needed to solve a problem. Existing ways to shorten the CoT require additional training for each model, add a fixed steering vector to the model's hidden states, or use decoding he

AesCode: 분리형 크로스모달 보상을 통한 심미적 코드 생성AesCode: Aesthetic Code Generation with Decoupled Cross-Modal Rewards

슬라이드, 포스터, 대시보드와 같이 정보가 풍부한 시각적 산출물을 코드로 생성하는 방식은 결과물이 구조화되어 있고 편집 및 검증이 가능하다는 점에서 매력적입니다. 그러나 코드 모델은 캔버스에서 레이아웃과 색상 선택이 실제로 어떻게 어우러지는지 볼 수 없어 공간 계획과 심미적 품질에 한계가 따릅니다. 반면 이미지 생성기는 시각적 디자인에 뛰어나지만 요청된 콘텐츠를 잘못 렌더링할 수 있어 직접적인 재현 대상으로 삼기에는 신뢰성이 떨어집니다. 이에 본 연구에서는 AesCode를 선보입니다.Generating information-rich visual artifacts such as slides, posters, and dashboards as code is appealing because the outputs are structured, editable, and verifiable. Yet code models cannot see how their choices of layout and color come together on the canvas, often limiting spatial planning and ae

하이브리드 추론 에이전트: 잠재 추론과 텍스트 상호작용의 결합Hybrid Reasoning Agents

인간의 언어를 넘어서 사고하면서도 외부 환경에서는 언어를 통해 행동하는 에이전트를 어떻게 구축할 수 있을까요? 최신 LLM 에이전트는 여전히 텍스트를 통해 추론하고 상호작용하며, 잠재(Latent) 추론은 효율적인 내부 매개체를 제공하지만 도구 활용 및 추론의 투명성이 부족합니다. 본 연구는 통합된 생성 프로세스 전반에서 잠재 추론과 텍스트 기반 상호작용 사이를 동적으로 오가는 하이브리드 추론 에이전트(HybridAgents)를 통해 이 두 방향을 연결합니다.How can we build an agent that thinks beyond human language, yet still acts through it in the external environment? Modern LLM agents still reason and interact through text, while latent reasoning offers an efficient internal medium but lacks native tool access and reasoning transparency. We bridge

Cepheid: 이종 지오메트리 간 모션 완성을 위한 스케일과 구조의 분리Cepheid: Decoupling Scale from Structure for Cross-Family Motion Completion

희소-밀집(Sparse-to-dense) 모션 완성은 희소한 정점 변위로부터 밀집된 메시 모션을 복원합니다. 특정 지오메트리 패밀리에서 학습된 잔차 프라이어는 다른 패밀리에 적용할 때 파라미터가 필요 없는 조화 확장(Harmonic Extension)조차 능가하지 못하는 경우가 빈번합니다. 나아가 교차 패밀리 학습은 스케일링 장벽에 직면합니다. 지오메트리 패밀리에 따라 잔차 진폭이 한 자릿수 이상 차이 나며 관측이 밀집될수록 붕괴하기 때문입니다. 이 스케일은 미지의 목표 모션에 의존하므로 테스트 시점에 직접 측정할 수 없습니다. 이Sparse-to-dense motion completion recovers dense mesh motion from sparse vertex displacements. Residual priors trained on one geometry family frequently fail to beat parameter-free harmonic extension off-family. Moreover, cross-family training meets a scaling barrier: residual amplitude varies by mo

격자장론을 위한 데이터 프리 디퓨전 모델 학습Data Free Training of Diffusion Models for Lattice Field Theories

평형장 구성을 샘플링하는 작업은 격자장론(Lattice Field Theory)에서 여전히 주요한 계산 병목으로 남아 있어, 독립적인 구성을 생성할 수 있는 생성형 샘플러 개발이 요구되고 있습니다. 디퓨전 모델은 이러한 목적에 유망하지만, 표준 디노이징 점수 매칭 목적식은 목표 분포의 샘플을 필요로 하므로 본래의 샘플링 문제를 다시 야기하는 것처럼 보입니다. 본 연구에서는 디퓨전 모델이 목표 분포 대신 자체 생성한 샘플을 통해 학습될 수 있음을 보입니다.Sampling equilibrium field configurations remains a major computational bottleneck in lattice field theory, motivating the development of generative samplers that can produce independent configurations. Diffusion models are promising for this purpose, but their standard denoising score matching obje

정확한 위상수학적 준수: 지속성 동등 그래프 생성Exact Topological Compliance: Generating Persistence-Equivalent Graphs

지속성 호몰로지(Persistent Homology)는 그래프의 위상학적 진화를 지속성 다이어그램(PD)으로 요약합니다. 목표 디스크립터와 일치하는 위상을 가진 그래프를 생성하는 일은 점차 중요해지고 있으나, 기존의 위상 인식 생성 모델은 소프트 정규화에 의존하여 PD가 대략적으로만 유사한 그래프를 생성합니다. 본 연구에서는 목표 PD를 정확하게 구현하는 그래프를 생성하는 원리적인 연구를 시작합니다. 이를 위해 암시적인 로컬 및 글로벌 정보를 바탕으로 한 두 가지 접근법을 제안합니다.Persistent homology summarizes the topological evolution of a graph as persistence diagrams (PDs). Generating graphs whose topology matches a target descriptor is increasingly important, yet existing topology-aware generative models rely on soft regularization, producing graphs whose PDs may only be

인간이 만든 마지막 지구 관측 모델? 모든 원격 탐사 과제를 재귀적 자기 개선으로 전환하기The Last Remote Sensing Model Built by Humans? Casting Any Earth Observation Task as Recursive Self-Improvement

지구 관측(EO) 모델은 여전히 수작업으로 구축됩니다. 전문가들은 새로운 작업마다 학습 레시피를 설계하고 벤치마크에 맞춰 튜닝합니다. 본 연구는 이러한 루프를 에이전트에 완전히 넘길 수 있음을 보여줍니다. 검증 가능한 모든 작업은 하네스와 검증기로 구성할 수 있으며, 여기서 하네스는 에이전트가 활용할 수 있는 것을 정의하고 검증기는 성공 기준을 정의합니다. 레이블이 지정된 벤치마크, 독립 센서, 물리적 모델 또는 동일 지점의 반복 관측을 통해 모든 지구 관측 작업을 검증 가능하게 만들 수 있습니다.Earth observation (EO) models are still built by hand. For each new task, experts design a training recipe and tune it against a benchmark. We show that this loop can be handed to an agent. Any verifiable task can be cast as a harness and a verifier, where the harness defines what the agent may use

OmniCompass: 옴니모달 비디오 그라운딩 및 이해를 위한 종합 벤치마크OmniCompass: A Holistic Benchmark for Omni-Modal Video Grounding and Understanding

멀티모달 대규모 언어 모델(MLLM)의 급격한 발전과 함께 비디오 이해 역량을 평가하는 것이 점점 더 중요해지고 있습니다. 기존 비디오 이해 벤치마크는 평가 차원의 일부만을 다루고 있어 옴니모달 비디오 이해에 대한 체계적인 진단에 한계가 있습니다. 이에 본 논문에서는 옴니모달 비디오 그라운딩과 이해를 위한 종합 벤치마크인 OmniCompass를 제안합니다. OmniCompass는 두 가지 평가 트랙을 정의합니다. OmniCompass-VL은 시각-언어 모델을...With the rapid development of multimodal large language models (MLLMs), evaluating their video understanding capabilities has become increasingly important. Existing video understanding benchmarks cover only part of the evaluation dimensions, limiting systematic diagnosis of omni-modal video underst

모델 생성 전 '분위기 파악'하기: 상황 인지 기반 디코딩 온도 조절Read the Room Before Your Model Generates

대규모 언어 모델(LLM)은 일반적으로 출력의 무작위성 정도를 조절하기 위해 샘플링 온도(Temperature)에 의존합니다. 온도를 선택하는 주요 방식은 대화 시나리오에 대한 기하학적으로 해석 가능한 표현보다는 고정된 휴리스틱 글로벌 설정이나 문맥 또는 토큰 수준의 보정에 주로 의존해 왔습니다. 본 연구에서는 추론된 시나리오에 맞춰 디코딩을 적응시키는 단순하고 해석 가능한 온도 선택 프레임워크인 Scenario-Actor를 소개합니다.Large language models (LLMs) generally rely on sampling temperature to regulate the amount of randomness in their outputs. Mainstream methods for selecting temperature typically involve fixed, heuristic global settings and context or token-level calibration, rather than a geometrically interpretable

역번역은 여전히 중요하다: LLM 기반 저자원 기계 번역에서 단일 언어 데이터 활용Back-Translation Still Matters: Leveraging Monolingual Data for Low-Resource Machine Translation with LLMs

사전 학습된 대규모 언어 모델(LLM)은 제로샷 및 퓨샷 환경의 다양한 작업에서 뛰어난 성능을 보입니다. 저자원 언어의 기계 번역을 위한 대표적인 방안으로는 퓨샷 프롬프팅과 소규모 병렬 말뭉치 기반 미세조정이 있습니다. 그렇다면 적당한 양의 저자원 단일 언어(Monolingual) 데이터가 함께 제공된다면 어떨까요? 본 연구는 지속적인 사전 학습보다 LLM 이전 시대의 기법인 역번역(Back-Translation)을 적용하는 것이 해당 데이터를 훨씬 더 효과적으로 활용하는 방법이라고 주장합니다.Pre-trained Large Language Model (LLMs) are effective on many tasks in zero-shot and few-shot settings. For machine translation of low-resource languages, the obvious options are few-shot prompting and fine-tuning on a small parallel set. We ask: what if moderate amounts of low-resource monolingual

자가 진화형 에이전트 하네스(Self-Evolving Agent Harness)Self-Evolving Agent Harness

하네스 자가 진화(Harness self-evolution)는 모델 가중치를 고정한 채 프롬프트, 메모리, 워크플로, 실행 컴포넌트 등 에이전트의 소프트웨어 스캐폴딩을 수정합니다. 본 연구는 승인된 수정 사항이 실행 간에 지속되는 피드백 기반 프로세스를 공식화합니다. 이 프레임워크는 업데이트 대상을 제안 및 승인 메커니즘과 분리하며, 해석된 상태 변경을 툴 및 코드, 레포지토리 수준 제어 로직, 플러그인 구성의 수정과 명확히 구분합니다.Harness self-evolution revises an agent's software scaffolding, including prompts, memory, workflows, and executable components, while keeping model weights fixed. We formalize a feedback-driven process in which accepted revisions persist across runs. The framework separates update targets from

SkillScaffold: 정책 적응형 스킬 기여도 할당 및 선택적 주입을 통한 에이전트 강화학습 스캐폴딩SkillScaffold: Scaffolding Agentic Reinforcement Learning with Policy-Adaptive Skill Credit Assignment and Selective Injection

에이전트 강화학습(Agentic RL)은 거대언어모델(LLM)이 검증 가능한 결과를 도출하는 멀티턴 상호작용을 통해 학습할 수 있도록 합니다. 텍스트 스킬은 이전 상호작용을 재사용 가능한 가이드로 정제하여 탐색 성능을 향상할 수 있습니다. 그러나 기존의 스킬 기반 RL 방식은 스킬 주입이 유익하다고 단정하거나, 유용성 평가를 위해 간접적인 피드백 또는 롤아웃 집약적 평가에 의존하는 경우가 많습니다. 본 예비 연구는 스킬 기여도 할당을 위한 롤아웃 기반 유용성 추정이 지닌 한계를 보여줍니다.Agentic reinforcement learning (RL) enables large language models (LLMs) to learn from multi-turn interactions with verifiable outcomes. Textual skills can improve exploration by distilling prior interactions into reusable guidance. However, existing skill-based RL approaches often either assume ski

Character.ai, 자발적 챕터 11 파산 보호 신청 착수Character.ai has initiated voluntary Chapter 11 bankruptcy

Character.ai가 법원 감독하의 회사 매각 절차를 원활히 진행하기 위해 자발적 챕터 11 파산 보호 절차에 들어갔음을 알립니다. 지난 한 해 동안 중대한 법적, 규제적, 운영적 역풍 속에서도 비즈니스를 지속하고 개선하기 위해 최선을 다해왔습니다. 전면적인 검토 끝에,Today, we’re sharing that Character.ai has initiated a voluntary Chapter 11 bankruptcy process to facilitate a court-supervised sale of the company. Over the past year, we’ve taken meaningful steps to sustain and improve our business amid significant legal, regulatory, and operational headwinds. Aft

지속적 헌법 제정 회의: 언어 모델은 자신을 규율하는 문서를 어떻게 개정하는가The Continual Constitutional Convention: How language models revise the documents that govern them

인간 사회는 도덕적 논쟁을 거치며 가치와 규범의 광범위한 변화를 겪습니다. 프론티어 AI 기업들은 헌법(Constitutions), 모델 사양, 시스템 프롬프트 등을 통해 AI 시스템의 도덕적 방향을 설정합니다. 본 실험에서는 LLM에게 이러한 원칙 문서를 직접 수정하도록 요청함으로써 가치 성찰 과정을 시뮬레이션합니다.Executive SummaryHuman societies exhibit broad shifts in values and norms over time, often driven by moral disagreements.One way of understanding moral progress is the resolution of these disagreements through a process of reflection by rational agents.Frontier AI companies use documents such as con

임포트 AI 476: 창의성과 재귀적 자기 개선(RSI), 중국보다 못한 오픈 가중치 모델, 우주로 향하는 AIImport AI 476: Creativity and RSI; worse-than-China open weight models; AI goes to space

인류는 과연 로봇에게 달을 내어줄 것인가? 창의성, RSI, 오픈 모델 동향 및 우주 탐사 AI에 관한 최신 소식을 살펴봅니다.Will we give robots the moon?

MS 사장 "영국이 AI 규제를 주도하기에 최적의 입지"Microsoft president says UK is best placed to drive AI regulation

마이크로소프트의 브래드 스미스 사장은 우유와 세탁기가 AI 기업보다 더 엄격한 감독을 받고 있다며 시급한 AI 규제 마련을 촉구했습니다.Microsoft president Brad Smith calls for urgent AI regulation, saying milk and washing machines have more oversight than AI companies.

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

아티스트들이 음원 유통 플랫폼 디스트로키드(DistroKid)가 사전 고지 없이 작업을 무단 삭제했다며 SNS를 통해 불만을 토로하고 있습니다. 디스트로키드는 더 버지(The Verge)에 이번 삭제 조치가 유니버설 뮤직 그룹(UMG)의 제기에 따른 직접적인 대응임을 확인했습니다. UMG는 지난 9월 디스트로키드가 '저품질 AI 음원 파이프라인'을 구축했다고 소송을 제기한 바 있습니다.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

구글, 마침내 따라잡다 (제미나이 4 아르곤 분석)Google Just Caught Up (Gemini-4 Argon)

Gemini 4 Argon이 공식 출시되어 게임 코딩부터 3D 프린팅까지 직접 실습 테스트를 진행했습니다. 눈에 띄는 장점과 한계점, 그리고 Claude 및 ChatGPT와 비교한 구글의 최신 경쟁력을 상세히 분석합니다.Gemini 4 Argon is finally here, so I put it through some hands-on tests—from coding games to 3D printing Gary Busey. Here’s what impressed me, what got stuck, and how Google stacks up against Claude and ChatGPT. Sharing the latest news and advancements in AI Discover More: 🛠️ Explore AI Tools &

더 이상 AI의 '인간 프록시(대리인)'로 일하지 않는 법How To Stop Being An "AI Meat Proxy"

AI의 핵심 목적은 단순 반복 업무를 줄이는 것입니다. 그런데 왜 우리는 여전히 AI의 인간 프록시처럼 일하고 있을까요? AI가 이메일 작성을 도와줘도 결국 복사, 붙여넣기, 전송, 확인 작업은 인간이 직접 해야 합니다. 특히 비즈니스를 운영할 때는 이런 잡무가 크게 누적됩니다. @birdHQ는 사람이 최종 검토만 결정하고 반복적인 작업은 AI 에이전트가 처리할 수 있는 플랫폼을 구축했습니다.The whole point of AI is to do LESS busywork. So why do I feel like an AI Meat Proxy?! AI helps write an email, but we’re still doing all the copying, pasting, sending, and checking. That stuff adds up, especially when you’re running a business. @birdHQ built a platform where AI agents can handle mo

OpenAI의 새로운 AI, 우리가 완전히 이해하기 힘든 수준의 능력을 보이다OpenAI’s New AI Is Doing Things We Barely Understand

OpenAI가 수학 분야에서의 AI 진전 및 연구 논문을 공개했습니다. 인간이 완전히 이해하기 어려울 정도로 고도화된 성능을 발휘하는 신규 AI 모델의 세부 연구 내용과 관련 깃허브(GitHub) 리포지토리를 소개합니다.❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambda.ai/papers 📝 The papers are available here: https://openai.com/index/sharing-ai-progress-in-mathematics/ https://github.com/openai/math 🙏 We would like to thank our generous Patreon supporters who make Two Minute Papers possible

원하든 원치 않든, 지구상의 모든 앱이 오픈소스화되고 있다Every app on Earth is now open source... whether it likes it or not

한 개발자가 어도비(Adobe)의 7개 대표 앱을 Rust 언어로 완전히 재작성하여 무료 오픈소스로 공개했습니다. 에이전트 구동을 지원하는 Apify MCP 툴 소식과 함께 실제 동작을 테스트해 봅니다.Every agent needs proper tools. Apify MCP gives yours thousands of them, ready to run. Use code FIRESHIP25 for $25 in free credits: https://apify.it/4ygURHS A developer just rewrote seven Adobe apps in Rust and open-sourced them for free. Let's test them out. Want more Fireship? 🗞️ Newsletter: