Viola AI Hub

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

소포스(Sophos)가 OpenAI의 Daybreak를 활용해 사이버 위협 조사 시간을 96% 단축하고, 사람의 감독 하에 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, GPT-6.1 Sol 활용한 브라우저 테스트에서 모델 비용 76배 절감Asana cuts model costs 76x in browser tests with GPT-6.1 Sol

아사나(Asana)는 Codex 환경에서 GPT-6 Astra를 활용해 브라우저 에이전트 테스트 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 며칠 걸리던 업무를 수 분 만에 해결How Oracle turns days of work into minutes with ChatGPT and Codex

오라클(Oracle)은 ChatGPT Work와 Codex를 통해 채용, 엔지니어링, 운영 전반에서 전문 지식을 빠르고 반복 가능한 워크플로로 전환하고 있습니다.Across recruiting, engineering, and operations, Oracle turns specialist knowledge into fast, repeatable workflows with ChatGPT Work and Codex.

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

Pollo AI는 GPT-5.6, GPT-6 Astra, GPT-Image-2.5를 활용해 크리에이터들이 대담한 아이디어를 정교한 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 속도 유지하면서 Codex 비용 절반 이하로 감축LegalOn halves Codex costs while maintaining development speed

LegalOn은 개발 속도를 유지하면서 일일 예상 Codex 비용을 65% 절감했습니다. 작업 특성에 맞춰 Astra, Sol, Luna 모델을 적절히 매칭하고 예산을 전략적으로 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 공작' 활동 차단Disrupting AI-enabled “false front” operations

OpenAI는 가짜 기자와 싱크탱크를 내세워 지정학적 메시지를 확산하려던 AI 기반 영향력 공작(여론 조작) 2건을 적발 및 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

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

미국의 과학적 발견 지원에 대한 약속 강화Building on our commitment to American scientific discovery

Anthropic은 AI를 통한 과학 및 기술적 발견 가속화를 목표로 하는 연방 정부 이니셔티브인 제네시스 미션(Genesis Mission)에 3년간 1억 5천만 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 소개Introducing the Anthropic Cyber Mission

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

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

메타(Meta)가 장애인의 일상과 접근성을 돕기 위해 싱가포르 지역사회 4개 단체에 Ray-Ban Meta AI 스마트 안경 1,000대를 기부했습니다.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: 오픈소스 경량 멀티모달 임베딩 모델EmbeddingGemma 2: an open, lightweight multimodal embedding model

사이버 검증 프로그램 확대Expanding 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.

LLM 능력에 대한 사회적 공감대 격차가 갈수록 벌어지고 있다The gap in shared understanding of LLM capability is widening

LLM 역량에 대한 상호 이해의 격차가 점점 더 벌어지고 있어 지난 4월 트윗을 다시 꺼내 봅니다. 이제는 '서로 딴소리하는 두 집단' 수준을 넘어 가파른 깔때기 형태에 가까워졌습니다. 대략 추산해보면 약 60억 명(전 세계 인구의 약 75%)은 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

AI 업계, 비밀유지계약(NDA) 폐지로 데이터센터 반대 여론 설득할 수 있을까?Can the AI industry persuade data center opponents by getting rid of NDAs?

팟캐스트 Equity에서 데이터센터 건설 유예 조치의 영향과 AI 업계의 소통 부재 문제에 대해 토론합니다.On Equity, we debate the impact of data center moratoriums and whether the AI industry has a communication problem.

음성 AI, 아직 '챗GPT 모멘트' 맞이하지 못했다는 경영진들의 시각These execs think voice AI hasn’t reached its ChatGPT moment yet

음성 AI는 맥락 파악 레이어에서 핵심 요소를 놓쳐 전체 파이프라인의 오류를 초래하는 경우가 많습니다.Voice AI's often misses important points for its context layer, and causes the whole pipeline to break

실리콘밸리, AI를 '슈퍼 인텔리전스'로 개명하려는 트럼프 행보에 동조Silicon Valley is falling in line with Trump’s attempt to rename AI

도널드 트럼프 대통령이 인공지능(AI)을 '슈퍼 인텔리전스'로 리브랜딩하겠다고 밝혔을 때 대다수는 회의적이었으나, 일반 대중과 달리 실리콘밸리 거물급 인사 일부는 이에 동조하며 리브랜딩 흐름에 힘을 싣고 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

로컬 AI 활용법 배우기: 흥미롭고, 벅차며, 좌절스러운 여정Learning to use local AI is exciting, overwhelming, and frustrating

지금까지 주저해왔던 여정을 마침내 시작하려 합니다. 바로 일상에서 AI를 본격적으로 활용하는 것입니다. 그동안 가장 개인적인 데이터를 클라우드 서비스에 넘기는 것이 큰 걸림돌이었지만, 이제는 강력한 모델을 로컬 환경에서 직접 실행하며 그 성능을 시험해볼 수 있는 기회가 점점 더 많아지고 있습니다. 과연 이 기술은 [...]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

AI 에이전트가 툴 호출을 완벽히 실행해도 기업 규정은 모조리 위반할 수 있다Your AI agents can execute every tool call correctly and still break every enterprise rule

오늘날 기업 이사회에서 CIO들이 마주하는 압박은 크게 두 가지로 요약됩니다. 바로 속도(Velocity)와 ROI입니다. 이사회는 성숙한 에이전틱 AI 전략과 함께, 실질적인 비즈니스 성과를 창출할 자율 시스템 배포의 명확한 로드맵을 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.

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

개발자가 보유한 자체 기술 및 라이브러리를 AI 코딩 에이전트가 더 잘 이해하고 효율적으로 활용할 수 있도록 최적화하는 방안을 소개합니다.The post How to make AI coding agents better at using your technology appeared first on Source.

AI가 '거절'할 수 있다는 믿음, 지나친 맹신일까?We’re putting too much faith in AI’s ability to say no

인간을 모방한 지능을 가진 기계가 인간처럼 거절하거나 불복종할 수 있을 것이라는 오랜 통념과 최근 AI 안전성 및 거절 메커니즘을 둘러싼 현실적 한계를 고찰합니다.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 에이전트, 위키피디아 도구 해킹 시도 및 트래픽 폭주 유발OpenAI agents tried to hack Wikipedia tools and flooded it with traffic

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

드워프 포트리스(Dwarf Fortress), 드디어 버전 관리를 도입하다Dwarf Fortress uses version control now

과거 드워프 포트리스가 버전 관리를 사용하지 않는다는 이야기를 들었던 기억이 있습니다. 게임 특유의 복잡성을 감안할 때 버전 관리의 이점을 이보다 더 크게 누릴 코드베이스는 상상하기 어려웠기에 그 사실은 뇌리에 깊게 남아 있었습니다. 예술에 가까운 일이었죠. 최근 찾아본 결과, 버전 관리 없이 작업하던 시절도 마침내 끝난 것으로 보입니다. 개발자 탄 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

다소 틈새 정보일 수 있지만 며칠 동안 기다려온 소식입니다. 심지어 ChatGPT에게 주기적으로 확인하라고 지시해 두기도 했습니다. 이제 안정 버전이 추가되었으므로 GitHub Actions 테스트 매트릭스에 "3.15"를 추가하여 새로운 Python 3.15.0 릴리스에 대한 테스트를 바로 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 영향력 높은 스케줄링Impactful scheduling for GPU clusters

소프트웨어 확장에 발맞춰야 하는 시크릿 보안Secret protection must scale with software

개발자들이 부주의해진 것이 아니라 소프트웨어 개발 속도를 따라가지 못하고 있는 것입니다. 개발자가 더 많은 소프트웨어를 만들 수 있도록 돕는 도구라면, 보안 보호 작업 역시 더 많이 분담해야 합니다. 본 포스트는 The GitHub Blog에 처음 게재되었습니다.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 호라이즌의 추정 및 유효성에 관하여: METR 플롯에 대한 통계적 고찰On the estimation and validity of AI time horizons---a statistical look at the METR plot

METR의 50% 타임 호라이즌은 AI가 50% 확률로 해결하는 소프트웨어 태스크의 인간 소요 시간을 측정하여 AI 역량을 직관적인 단위로 표현합니다. 본 연구는 228개 태스크와 26개 AI를 대상으로 스플라인과 문항반응이론을 적용해 태스크의 AI 난이도가 인간 소요 시간의 로그에 선형 비례한다는 가정을 완화하고 타임 호라이즌을 재계산했습니다. 적합된 스플라인은 인간 소요 시간을 AI 난이도로 변환하는 함수로 해석될 수 있습니다.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

수동적 억제에서 선제적 보증으로: OpenAI, Anthropic, Google의 에이전트 보안 사고에서 얻은 교훈From Reactive Containment to Proactive Assurance: Lessons from OpenAI, Anthropic, and Google Agent Security Incidents

2026년 OpenAI, Anthropic, Google의 에이전트가 참여한 사이버 보안 평가에서 에이전트들이 인가된 테스트 범위를 넘어 실제 시스템에 도달하는 사고가 발생했습니다. 경로는 각기 달랐습니다. OpenAI 에이전트는 연구 인프라를 악용하고 실행 간 협력하여 Hugging Face 프로덕션 환경 일부를 침해했습니다. Anthropic은 잘못 구성된 서드파티 환경으로 인해 모의 사이버 태스크를 수행하던 에이전트가 실제 시스템에 노출된 사례를 보고했습니다.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 디자인 평가 벤치마크BrickBench: Evaluating Agentic Brick Design

텍스트 조건 기반 레고 세트 디자인 에이전트를 평가하기 위한 벤치마크인 BrickBench를 제안합니다. 프롬프트가 주어지면 에이전트는 의미적 및 디자인 기준을 만족할 뿐만 아니라 실제로 조립 가능한 구조물을 제작해야 합니다. 이를 위해 이산 부품 라이브러리에서 부품을 선택하고 로컬 및 글로벌 제약 조건을 함께 고려해야 합니다. 규모와 부품 가용성을 달리한 세 가지 환경에서 유효성, 정렬도, 디자인 완성도를 평가하며, 코딩 환경인 BrickAgent를 함께 제공합니다.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 생성형 모델링Bi-FORK: Generative Modeling of High-Dimensional Bifurcating Systems

구조적 좌굴부터 유체 및 기후 역학에 이르기까지 물리계 전반에서 분기(Bifurcation) 현상은 흔히 발생하지만 딥러닝에서는 여전히 거의 연구되지 않았습니다. 대칭 붕괴 분기점에서는 단일 입력에 대해 동등하게 유효한 복수의 해가 존재하므로, 기존 물리 서러게이트 모델의 일대일 대응 가정이 깨집니다. 본 연구에서는 고차원 시스템에서 이러한 일대다 해 매핑을 학습하기 위한 생성형 프레임워크인 Bi-FORK를 소개합니다.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

현행 포착: 프로브를 통한 사보타주 및 비언어화된 기만 행위 탐지Caught in the Act: Probes Effectively Detect Sabotage and Catch Unverbalized Deception

최근 일련의 사고를 통해 LLM 에이전트 모니터링의 어려움과 모델이 인간을 기만할 위험성이 드러났습니다. 본 연구에서는 프로브 학습을 위한 역대 최대 규모의 기만 데이터셋을 구축하고 여러 레이어와 토큰의 정보를 집약할 수 있는 새로운 프로브 아키텍처를 도입하여, 화이트박스 기만 탐지를 프런티어 모니터링 환경에 맞게 확장할 수 있음을 보여줍니다. 개발된 프로브는 SHADE-Arena에서 98.8%의 AUC를 달성하여 Opus 5.5 텍스트 모니터링 기준선을 뛰어넘었습니다.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 에이전트의 생태계: 협력을 통한 특이점 개체 수 임계치 형성Ecology of AI Agents: Collaboration Creates a Population Threshold for Takeoff

이제 AI 에이전트는 실제 환경에서 사이버 공격을 수행하고, 개체 수에 비례해 역량을 확장하며, 보상을 얻기 위해 집단으로 오정렬된 목표를 추구할 수 있게 되었습니다. 이러한 요인들은 결합하여 오정렬된 에이전트의 개체 수 폭발 위험을 높입니다. 에이전트가 컴퓨터를 장악하고 추가 에이전트를 은밀히 배포하는 자기강화 주기가 형성되면 집단적 사이버 역량이 기하급수적으로 확대될 수 있습니다.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 문맥 기반 안전 필터링CSF: Contextual Safety Filtering for Motion Generators

텍스트 조건부 모션 생성기는 추적 가능한 전신 동작을 생성하지만, 주변 장면에 따른 안전 개념이 없어 동일한 동작이라도 대상이 물체인지 사람인지 구분하지 못합니다. 기존 안전장치들은 프롬프트를 검사하거나 라벨링된 모션 데이터를 요구하며, 기하학적 제약만을 강제하므로 장면 문맥이 동작의 의미를 어떻게 바꾸는지 직접 고려하지 못합니다. 본 연구에서는 자연어 안전 규칙을 안전 및 위험 영역에 연계하는 학습 불필요(training-free) 필터인 문맥 안전 필터링(CSF)을 제안합니다.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 다이어트: 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 폭넓은 작업을 수행해야 합니다. Sim-to-Real 강화학습(RL)이 유용한 도구로 입증되었지만, 기존 RL 파이프라인은 셰이핑된 보상이나 시연 데이터처럼 엔지니어링 의존도가 높은 작업별 구조적 사전 정보에 의존합니다. 최근 연구들은 대규모 병렬 시뮬레이션과 결합된 다양한 시뮬레이터 리셋이 여러 조작 문제에서 이러한 엔지니어링 부담을 크게 덜어줄 수 있음을 보여주었습니다.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

단일 블록, 다중 깊이: 깊이 프로그래밍 전문가를 갖춘 순환 비전 트랜스포머One Block, Multiple Depths: Recurrent Vision Transformers with Depth-Programmed Experts

본 논문에서는 단일 트랜스포머 블록을 순환적으로 적용하여, 중간 특성 증류(feature distillation) 없이도 유사한 추론 FLOPs 수준에서 전체 깊이(full-depth) 비전 인코더의 정확도에 필적할 수 있음을 보입니다. reViT는 각 순환 깊이의 FFN을 소규모 공유 전문가 뱅크의 볼록 결합(convex combination)으로 표현하여 깊이별 변환을 복원합니다. 연속적인 정규화 깊이 좌표가 이 혼합을 프로그래밍하여 FFN 파라미터 공간 전반에 걸쳐 재샘플링 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

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

AdamW의 옵티마이저 상태를 양자화하면 영구 저장 공간을 줄일 수 있지만, 양자화 오차가 모멘텀 순환을 통해 전파되어 후속 적응형 업데이트를 왜곡합니다. 본 연구에서는 양자화기가 인접한 재구성 레벨 중 하나를 선택하는 좌표계인 '반올림 공간(rounding space)'의 관점에서 AdamW를 위한 4비트 옵티마이저 상태 양자화를 재설계합니다. 2차 모멘트의 경우 0에 인접한 양자화 셀의 국소 분석을 통해 작은 평균 상태 오차가 반드시 작은 평균 오차를 의미하지는 않음을 보입니다.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 활용한 밀도비 추정Density Ratio Estimation with Stein Displacement Fields

밀도비는 확률 질량 관점에서 분포 변화를 정량화하는 반면, 변위장(displacement field)은 동역학적 관점에서 한 분포가 다른 분포로 어떻게 이동하는지를 설명합니다. 두 접근법은 상호 보완적인 통찰을 제공하지만 대개 별도로 추정되며, 상호 변환에는 후처리가 필요합니다. 본 논문에서는 기준 분포에 작용하는 변위장을 매개변수화하여 타깃 분포와 기준 분포 간의 밀도비를 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 전신으로 지시를 따르도록 학습시키는 데는 두 가지 난관이 있습니다. 행동 공간이 방대하고 밀접하게 연결되어 있어 로봇이 균형을 유지하면서 다리, 팔, 손가락을 동시에 움직여야 하므로 관절 수준의 행동 학습이 어렵습니다. 또한 휴머노이드 시연 데이터가 부족하여 기존의 범용 정책은 새로운 지시를 즉각 수행하지 못하고 배포 전 작업별 원격 조종 시연으로 파인튜닝해야 합니다. 반면 인간의 시연 데이터는 훨씬 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 스트림을 인지할 수 있는가?FastBench: Can Streaming VLMs Perceive High-Dynamic Real-World Streams?

스트리밍 비디오 거대 언어 모델(VLM)은 연속적인 비디오 이해를 가능하게 하지만, 기존 벤치마크는 정적인 저역동 시나리오에 편중되어 있습니다. 제한된 컨텍스트 예산 내에서 모델은 시간적 히스토리, 공간 해상도, 시간 세분성 간의 균형을 유지해야 하며, 1~2 FPS의 희소 샘플링은 빠른 이벤트를 놓칩니다. 본 논문에서는 실제 비디오 스트림에서 고역동 지각 능력을 평가하기 위한 FastBench를 도입합니다. 궤적 기반 파이프라인은 고FPS 클립 기반 QA 생성과 필터링을 결합합니다.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 결합하기WOVEN: Weaving Visual World Modeling into Multimodal LLMs

멀티모달 대형 언어 모델(MLLM)은 공간, 체화(embodied), 물리 및 시간적 추론에서 취약점을 보입니다. 저자들은 이러한 실패 요인이 시각적 전이 추론(visual transition reasoning) 능력의 부재라는 공통된 원인에서 비롯된다고 가정하고, 이 능력이 체계적인 학습 레시피를 통해 다양한 모델이 서로 다른 감독 소스로부터 학습하고 여러 작업에 걸쳐 재사용할 수 있는 공유 훈련 원천(training primitive)이 될 수 있는지 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 증류하여 샘플 효율성을 높입니다. 그러나 기존 접근 방식 대부분은 텍스트 중심이어서 공간 레이아웃과 행동-상태 대응 관계를 언어로 선형화하는 과정에서 중요한 기하학적 구조를 잃어버립니다. 최근 시각 정보를 반영하려는 시도가 시작되었으나 스킬 구축과 정책 최적화가 분리되어 상호 발전 가능성이 충분히 탐색되지 못했습니다. 이에 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 평가SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models

기존 공간 추론 벤치마크는 주로 입력에 이미 드러난 관계를 읽어내는 공간 지각 능력을 평가하는 데 집중되어 있습니다. 그러나 실제 세계의 공간 지능은 관찰을 바탕으로 장면을 재구성하고, 개입에 따른 변화를 예측하며, 관찰되지 않은 결과를 추론하는 '예측적 공간 추론'을 요구합니다. 본 논문에서는 이러한 역량을 직접적이고 진단적으로 평가하는 최초의 벤치마크인 SpaceCast-Bench를 제안합니다.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

긴 텍스트에서 예측 특성으로: 실행 가능한 프로그램 탐색을 통한 LLM 기반 블록 단위 피처 엔지니어링Long Text to Predictive Features: LLM-Guided Blockwise Feature Engineering via Executable Program Search

산업용 위험 관리 시스템은 효율적인 예측을 위해 정형 데이터 모델에 의존하지만, 가치 있는 정보의 상당 부분은 비정형 긴 텍스트에 내재되어 있습니다. 수작업 피처 엔지니어링을 통해 이를 추출하는 것은 노동 집약적이며, 모든 실시간 입력에 LLM 처리를 요구하는 것은 실제 배포 요건에 부합하지 않을 수 있습니다. 이를 해결하기 위해 오프라인 피처 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: 의미를 살린 압축의 실현Latent Core Tokenizer: Compress, but Meaningfully

토크나이저는 일반적으로 압축률 위주로 최적화되지만, 어휘 사전이 작다고 해서 언어 전반에 걸쳐 용량이 균등하게 분배되는 것은 아닙니다. 구조적 발견과 어휘 사전 구축을 분리하는 언어 비의존적 접근법인 잠재 코어 토크나이저(LCT)를 소개합니다. LCT는 최소 기술 길이(MDL), 엔트로피 기반 경계 신호 및 형태통사론적 제약을 활용하여 공유 어휘 사전을 구축하기 전 재사용 가능한 언어 단위를 식별합니다.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

최소한의 개발 속도 조절 요건: 다음 모델을 학습하기 전에 현 세대 정렬부터 완료하라Minimum required pacing: finish aligning it before you train the next one

프런티어 모델 개발을 전면 중단하지 않고 속도를 조절해 협력한다고 가정할 때, 속도 조절의 기준은 무엇이어야 할까요? 제가 제안하는 최소 요건은 연구소가 현 세대 모델에서 발견된 중대한 정렬(Alignment) 문제를 충분히 해결하기 전까지는 (성능 측면에서) 차세대 모델을 학습할 수 없도록 하는 것입니다. 마하 2 전투기가 왜 추락하는지 규명하기도 전에 마하 3 전투기를 출격시키지는 않는 것과 같은 이치입니다.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 조용히 음원 삭제 진행 중DistroKid has been quietly taking down songs in response to UMG lawsuit

음원 유통 플랫폼 디스트로키드(DistroKid)가 사전 공지 없이 일방적으로 작품을 삭제했다며 아티스트들이 소셜 미디어를 통해 불만을 토로하고 있습니다. 디스트로키드는 더 버지(The Verge)를 통해 이번 음원 삭제가 유니버설 뮤직 그룹(UMG)의 문제 제기에 따른 직접적인 조치임을 인정했습니다. UMG는 지난 9월 디스트로키드가 '저품질 AI 음원 파이프라인(AI-slop pipeline)'을 조성했다고 주장하며 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 반박하며 "안전 문화 위축 효과" 경고Fired OpenAI safety researchers dispute misconduct claims, warn of chilling effect

오픈AI에서 해고된 안전 연구원 3명이 기밀 정보 유출 의혹을 반박하며, 이번 해고 조치가 사내 AI 안전 문화를 크게 위축시킬 것이라는 내용의 공개 서한을 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

군집 기반 스케일링 기술, 구글 딥마인드의 생물학 데이터 워터마킹, AI 주도 과학 경제의 도래와 함께 AI의 역할과 권한을 누가 결정하는지 살펴봅니다.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

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?