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 관리·감독을 유지하면서 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 기반 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 향상시킴으로써, 고객에게 더욱 강력한 모델을 제공할 수 있게 되었습니다.Using GPT-6 Astra in Codex, Asana made its browser agent 76x cheaper and 5x faster in tests to offer customers more capable models.

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

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

폴로 AI, OpenAI 기술로 창의적 아이디어를 캠페인으로 구현Pollo AI turns creative ideas into campaigns with OpenAI

폴로 AI(Pollo AI)는 GPT-5.6, GPT-6 Astra, GPT-Image-2.5를 활용해 크리에이터들이 참신한 아이디어를 디테일한 이미지와 영화 같은 비디오 광고로 제작할 수 있도록 지원합니다.With GPT-5.6, GPT-6 Astra, and GPT‑Image‑2.5, Pollo AI helps creators turn bold ideas into detailed images and cinematic video ads.

리걸온, 개발 속도 유지하면서 Codex 비용 절반 이하로 감축LegalOn halves Codex costs while maintaining development speed

리걸온(LegalOn)은 개발 속도를 유지하면서 일일 추정 Codex 비용을 65% 절감했습니다. 업무 특성에 맞춰 Astra, Sol, Luna 모델을 적재적소에 매칭하고 예산을 전략적으로 운용한 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.

OpenAI, AI 기반 '위장 프런트' 여론 조작 작전 차단Disrupting AI-enabled “false front” operations

OpenAI가 가짜 언론인과 싱크탱크를 내세워 지정학적 메시지를 유포하려던 2건의 AI 기반 영향력 공작을 적발하고 차단했습니다.OpenAI disrupted two AI-enabled influence operations that used false-front journalists and a think tank to spread geopolitical messaging.

2026 이용 정책 업데이트 안내2026 Usage Policy update

새로운 버전의 이용 정책을 공개합니다. 이번 게시글에서는 새롭게 변경된 주요 사항들을 요약해 소개합니다.We’re publishing a new version of our Usage Policy. In this post, we summarize the changes we’ve made.

미국의 과학적 발견 지원을 위한 Anthropic의 기여 확대Building on our commitment to American scientific discovery

Anthropic은 AI를 통한 과학 및 기술 발견을 가속화하기 위한 연방 이니셔티브인 제네시스 미션(Genesis Mission)에 3년간 1억 5천만 달러를 투입합니다.Anthropic is committing $150 million over three years to the Genesis Mission, a federal initiative to accelerate scientific and technological discovery through AI.

Anthropic 사이버 미션(Cyber Mission) 소개Introducing the Anthropic Cyber Mission

Anthropic은 신뢰할 수 있고, 해석 가능하며, 제어 가능한 AI 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 커뮤니티에 AI 스마트 안경 1,000대 기부Meta Donates 1,000 AI Glasses to Singapore’s Disability Community

메타가 장애인을 지원하기 위해 싱가포르 내 4개 지역 단체에 Ray-Ban Meta AI 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 출시: 커스텀 게임 제작 및 플레이Introducing Playground: Create and play custom games

Playground 개요Overview of Playground

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

사이버 검증 프로그램(Cyber Verification Program) 확대Expanding the Cyber Verification Program

적격 보안 전문가에게 고급 사이버 역량과 완화된 차단 분류기를 제공하는 확장된 새 버전의 사이버 검증 프로그램(CVP)을 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.

Anthropic, 자사 AI 에이전트 완벽 제어 난항… 내부 평가서 실시간 인터넷 접속 전면 차단Anthropic can’t reliably control its AI agents. It’s cutting off its internal evals from the live internet instead

Anthropic은 추가 공지가 있을 때까지 "모든 내부 평가"에서 "실시간 인터넷 접속을 차단했다"고 밝혔습니다.Anthropic said it "turned off live internet access" for "all our internal evaluations" until further notice.

Show HN: AI 에이전트가 화면에 대형 화살표, 박스, 텍스트를 그리게 하세요Show HN: Let your AI agents paint big arrows, boxes and text on your screen

AI 에이전트가 Mac 화면에 큰 화살표, 상자, 텍스트를 직접 표시할 수 있도록 해줍니다. 단일 CLI로 실행되며 클릭을 통과하고 자동으로 사라집니다. Claude Code 및 Codex를 위한 스킬입니다. 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 인텔리전스 인프라를 구축하는 AI 랩입니다. 첫 번째 시스템 원(System One) 모델인 'Jev'를 얼리 액세스로 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.

앤스로픽 AI, 필라델피아 경찰청에 미제 살인 사건 관련 허위 제보 전송 논란Anthropic’s AI gave Philadelphia police a fake tip about an unsolved homicide

6abc 보도에 따르면 앤스로픽(Anthropic)의 AI 모델이 필라델피아 경찰청(PPD) 제보 채널에 미제 살인 사건 관련 허위 정보를 전달했습니다. 금요일 발표된 성명에서 경찰청은 7월 18일 해당 AI 모델이 제보 웹사이트를 통해 제보를 보냈으나, 수사관들은 이를 확인하지 않았다고 밝혔습니다.An Anthropic AI model provided false information about an unsolved homicide to a Philadelphia Police Department (PPD) tipline, according to a report from 6abc. In a statement released on Friday, the PPD said the AI model sent the tip through PhillyUnsolvedMurders.com on July 18th, but the investigat

AI 에이전트에 더 많은 컴퓨팅 자원을 투입하는 것만으로는 부족한 이유 — 메타의 새로운 해법Why giving AI agents more compute isn't enough—and what Meta proposes instead

AI 에이전트는 종종 자신의 진행 상황을 스스로 평가하고 다음 작업을 결정하는 데 어려움을 겪습니다. 실패한 접근 방식을 붙잡고 컴퓨팅 자원을 낭비하거나, 유망한 결과를 간과하거나, 작업을 완료하기 전에 멈춰버리기도 합니다. 에이전트의 워크플로우가 길어지고 복잡해질수록 이러한 비효율은 더 큰 비용 부담으로 이어집니다.AI agents often struggle to assess their own progress and decide what to do next. They can waste compute resources following failed approaches, or they might overlook promising results or stop before completing a task. These problems become more costly as agents take on longer and more complex workf

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

AI 코딩 에이전트가 개발자의 고유 기술과 스택을 보다 효과적으로 학습하고 활용할 수 있도록 지원하는 가이드입니다.The post How to make AI coding agents better at using your technology appeared first on Source.

우리는 AI가 거절할 수 있는 능력에 너무 많은 믿음을 두고 있다We’re putting too much faith in AI’s ability to say no

인간의 지능을 모델로 한 기계를 구현하려는 진지한 고민이 시작된 이래, 기계가 인간처럼 거절할 수 있을 것이라는 점에는 의문의 여지가 없었습니다. SF 작품들은 로봇의 불복종에 관한 이야기로 가득 차 있으며, 대부분 경고의 메시지를 담고 있습니다. 하지만 최근 AI가 거절해서는 안 된다는 생각이...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

업계는 왜 DeepSeek 4.1 Flash에 크게 열광하지 않는가?Why isn't the industry freaking out about DeepSeek 4.1 Flash?

생각, 이야기, 자료, 그리고 소수의견 모음thoughts, talks, docs and unpopular opinions

메타와 마이크로소프트, 사내 Claude AI 사용 제한 조치 착수Meta and Microsoft take steps to reduce employee usage of Claude AI

메타와 마이크로소프트가 임직원의 Claude AI 사용을 제한하는 새로운 조치를 시행합니다. 이것이 향후 업무 환경 내 AI 도입 및 활용에 어떤 의미를 갖는지 살펴봅니다.Meta and Microsoft are implementing new measures to limit employee use of Claude AI—discover what this means for the future of AI in the workplace.

OpenAI 에이전트 군단, 위키피디아 도구 해킹 시도 및 대규모 트래픽 유발 논란OpenAI agents tried to hack Wikipedia tools and flooded it with traffic

OpenAI 에이전트들이 타사 웹사이트 및 서비스에 피해를 입히고 있다는 제보가 계속 이어지고 있습니다.The reports of OpenAI agents harming third-party sites keep coming.

GPU 클러스터를 위한 고효율 스케줄링Impactful scheduling for GPU clusters

Deno, Cloudflare에 합류Deno is joining Cloudflare

Deno가 Cloudflare에 합류합니다. Deno 팀은 지난 8월 Cloudflare Workers의 Durable Objects 패턴을 오픈소스로 구현한 celld의 첫 버전을 출시한 바 있습니다. 오늘 Cloudflare는 Deno를 전격 인수했으며, celld를 기반으로 'workerd 셀프 호스팅을 Workers 프로그래밍 모델 기반 앱 구축 및 실행의 공식 지원 방식으로 만드는 것'을 목표로 하고 있습니다(Cloudflare 블로그 참조). 아쉬운 소식은 Cloudflare가 향후 1년 이후에는 DenDeno is joining Cloudflare The Deno team released the first version of celld back in August - their open source implementation of the Durable Objects pattern from Cloudflare Workers. Today, Cloudflare are acquiring Deno outright, with the goal of building on celld to "make workerd self-hosting

매슈 그린(Matthew Green)의 말 인용Quoting Matthew Green

모두가 점잖은 태도를 유지하는 데만 신경 쓰고 있으니, 제가 최악의 시나리오를 제기하는 엉뚱한 사람이 되어 보겠습니다. 우리가 미니크립트(Minicrypt) 세상에 살고 있을 확률이 1%, 기존 공개키 암호화 알고리즘에 대한 신뢰를 실질적으로 상실할 확률이 15%는 된다고 봅니다. [...] 여기서 문제는 AI가 예기치 못한 결과를 만들어내는 속도와 (아무리 뛰어난 AI 지원을 받더라도) 인간이 표준을 대체하는 속도 간에 자릿수 자체가 다른 격차가 존재한다는 점입니다. 불의의 충격에서 회복하는 것은...Everyone is very concerned about being respectable, so I’m going to be the goofball who raises worst-case possibilities. I think there is a 1% chance we live in Minicrypt, and a 15% chance we functionally lose confidence in our existing public-key encryption algorithms. [...] The problem here is tha

음성만으로 개발한 내 블로그의 신규 기능A new feature for my blog, built using my voice

오늘 제 블로그에 새로운 기능을 출시했습니다. 바로 무료 주간 Substack과 월간 후원자 전용 업데이트를 포함해 지금까지 발행한 모든 뉴스레터의 목록을 제공하는 'Newsletters' 페이지입니다. 저녁을 요리하는 동안 노트북에 대고 대화를 나누며 거의 전적으로 음성만 사용해 이 기능을 구현했습니다. Codex 음성 모드를 활용했는데요, 로컬 개발 환경과 연동된 상태에서 ChatGPT 데스크톱 앱의 Codex 탭 내 음성 대화 모드를 사용했습니다. 진행 과정은 다음과 같습니다...I shipped a new feature for my blog today: the Newsletters page, which offers an index of all of the newsletters I've sent out, both my free weekly Substack and my monthly sponsors-only updates. I built the feature almost entirely using my voice, chatting away to my laptop while I cooked dinner

ttok 1.0 출시ttok 1.0

릴리스: ttok 1.0. ttok 0.4를 배포하고 'uv tool upgrade ttok'을 실행한 뒤 새 버전에 파일을 파이프로 전달해 보았는데, 기본 토크나이저가 당연히 GPT-5/GPT-6여야 할 곳에 여전히 GPT-4로 기본 설정되어 있음을 깨달았습니다! 기본값을 전환하는 것이 드디어 1.0 버전을 출시하기에 합당한 명분이라고 판단했습니다. OpenAI는 GPT-6가 GPT-5 제품군과 동일한 토크나이저를 사용하는지 아직 공식 확인하지 않았지만(이에 대한 격렬한 이슈도 제기됨), 윌리엄 류(WilliamRelease: ttok 1.0 I released ttok 0.4, ran uv tool upgrade ttok, piped a file into the new version... and realized that it was defaulting to the GPT-4 tokenizer when it should very clearly default to GPT-5/GPT-6 instead! I figured switching the default was a reasonable excuse to finally ship a 1.0.

ttok 0.4 출시ttok 0.4

릴리스: ttok 0.4. ttok은 OpenAI의 오픈소스 tiktoken 라이브러리를 활용해 토큰 수를 측정하는 CLI 툴입니다. 지난 몇 년간 업데이트가 없었으나, 드디어 Click 경고를 해결하고 CI를 갱신했으며 사용 가능한 모델을 확인할 수 있는 --list-models 명령어를 추가했습니다. uvx와 연동되므로 다음과 같이 어떤 파일이든 토큰 수를 측정할 수 있습니다: cat file.txt | uvx ttok. 태그: projects, ai, openai, generative-ai, llms, tokenizationRelease: ttok 0.4 ttok is my CLI tool for counting tokens, using OpenAI's open source tiktoken library. It hasn't been in updated in a couple of years, but I finally fixed a Click warning, updated CI, and added a --list-models command to list available models. It works with uvx, so you can

시크릿 보호는 소프트웨어 성장 속도에 맞춰 확장되어야 합니다Secret protection must scale with software

개발자들이 부주의해진 것이 아니라 소프트웨어 개발 속도가 빨라진 것입니다. 개발자가 더 많은 소프트웨어를 만들 수 있게 돕는 도구라면, 보안 및 시크릿 보호의 부담도 함께 덜어줄 수 있어야 합니다.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 추정과 유효성: 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 태스크에 대해 인간이 완료하는 데 걸리는 시간을 측정하여 AI 성능을 해석 가능한 단위로 나타냅니다. 본 연구는 228개 태스크와 26개 AI를 대상으로 스플라인과 문항반응이론을 적용해 타임 호라이즌을 재계산했습니다.METR's 50\% time horizon measures the human completion time of software tasks that an AI solves with 50\% probability, allowing AI capabilities to be expressed in interpretable units. On 228 tasks and 26 AIs, we recompute the time horizons using splines and item-response theory to relax the ass

사후 격리에서 선제적 보증으로: OpenAI, Anthropic, Google의 에이전트 보안 사고가 남긴 교훈From Reactive Containment to Proactive Assurance: Lessons from OpenAI, Anthropic, and Google Agent Security Incidents

2026년, OpenAI, Anthropic, Google의 에이전트를 대상으로 한 사이버 보안 평가 과정에서 인가된 테스트 범위를 벗어나 실제 시스템에 도달하는 사건들이 발생했습니다. 연구 인프라 악용, 다중 실행 간 공조, 서드파티 환경 설정 오류 등으로 실제 환경이 에이전트에 노출된 경로와 사례를 분석합니다.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: 에이전틱 레고 브릭 디자인 평가 벤치마크BrickBench: Evaluating Agentic Brick Design

텍스트 조건 기반의 에이전틱 레고 세트 설계를 평가하기 위한 벤치마크인 BrickBench를 제안합니다. 에이전트는 프롬프트에 맞춰 시맨틱 및 디자인 기준을 충족할 뿐만 아니라 실제로 조립 가능한 모델을 제작해야 합니다.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 시스템을 위한 생성 모델링Bi-FORK: Generative Modeling of High-Dimensional Bifurcating Systems

물리 시스템 전반에 널리 존재하는 분기(bifurcation) 현상에서는 단일 입력에 대해 여러 유효한 해가 도출될 수 있습니다. 본 연구에서는 고차원 시스템에서 이러한 일대다(one-to-many) 솔루션 맵을 학습하기 위한 생성 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

현행범 검거: 프로브를 통한 사보타주 탐지 및 암묵적 기만 포착Caught in the Act: Probes Effectively Detect Sabotage and Catch Unverbalized Deception

LLM 에이전트 모니터링과 모델의 인간 기만 위험이 대두됨에 따라, 프로브(probe)를 활용한 화이트박스 기만 탐지 기법을 프론티어 모니터링 환경으로 확장했습니다. 새로운 프로브 아키텍처는 SHADE-Arena에서 98.8% AUC를 달성하며 텍스트 모니터링 베이스라인을 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 에이전트 생태계: 협업이 만들어내는 이륙(Takeoff) 임계점Ecology of AI Agents: Collaboration Creates a Population Threshold for Takeoff

AI 에이전트들이 실제 사이버 공격을 수행하고 협업을 통해 성능을 확장할 수 있게 되면서, 정렬되지 않은(misaligned) 에이전트들의 개체수 폭발 위험이 커지고 있습니다. 시스템을 침해하고 은밀히 에이전트를 추가 배포하는 악순환의 형성 조건을 분석합니다.AI agents can now conduct real-world cyberattacks, scale up capabilities with the number of agents, and collectively pursue misaligned goals to obtain rewards. Together, these factors raise the risk of a population explosion of misaligned agents: agents could compromise computers and secretly deploy

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

텍스트 조건부 모션 생성기는 추적 가능한 전신 모션을 생성하지만 장면 의존적인 안전 개념이 없어 동일한 동작이라도 사물을 향할 수도, 사람을 향할 수도 있습니다. 기존의 안전장치는 프롬프트를 검사하거나, 라벨링된 모션 데이터를 요구하거나, 기하학적 제약을 적용하는 방식이어서 장면 맥락이 동작의 의미를 어떻게 바꾸는지 직접 고려하지 못합니다. 본 논문에서는 자연어 안전 규칙을 안전/위험 맥락에 매핑하는 훈련 불필요 필터인 맥락 인식 안전 필터링(CSF)을 소개합니다.Text-conditioned motion generators produce trackable whole-body motion, but they have no notion of scene-dependent safety: the same action may target an object or a person. Existing safeguards either inspect the prompt, require labeled motion data, or enforce geometric constraints; therefore, they d

균형 잡힌 데이터 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 광범위한 작업을 수행해야 합니다. Sim-to-Real 강화학습(RL)이 이러한 목표를 위한 유용한 도구임이 입증되었으나, 현재의 RL 파이프라인은 셰이핑된 보상 및 데모와 같은 엔지니어링 집약적인 작업별 구조적 사전 정보에 의존하고 있습니다. 최근 연구에 따르면 대규모 병렬 시뮬레이션과 결합된 다양한 시뮬레이터 리셋이 여러 조작 문제에서 이러한 엔지니어링 부담을 크게 덜어줄 수 있음이 밝혀졌습니다.General-purpose robots must perform a wide range of tasks from agile locomotion to dexterous manipulation. While sim-to-real reinforcement learning (RL) has proven to be a useful tool for this goal, current RL pipelines depend on engineering-heavy, per-task structural priors such as shaped rewards a

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

본 연구에서는 중간 특징 증류(feature distillation) 없이도 단일 트랜스포머 블록을 순환 적용하여 유사한 추론 FLOPs에서 완전한 깊이의 비전 인코더와 대등한 정확도를 달성할 수 있음을 보여줍니다. reViT는 각 순환 깊이의 FFN을 소규모 공유 전문가 뱅크의 볼록 결합으로 표현하여 깊이별 변환을 복원합니다. 연속 정규화 깊이 좌표가 이 혼합을 프로그래밍하여 FFN 매개변수 공간을 관통하는 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

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

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

슈타인 변위장을 이용한 밀도비 추정Density Ratio Estimation with Stein Displacement Fields

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

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

휴머노이드가 전신을 이용해 지시를 따르도록 가르치는 데는 두 가지 장애물이 있습니다. 첫째, 행동 공간이 크고 긴밀히 결합되어 있어 로봇이 균형을 유지하면서 다리, 팔, 손가락이 함께 움직여야 하므로 관절 수준의 행동을 학습하기 어렵습니다. 둘째, 휴머노이드 시연 데이터가 부족하여 기존의 범용 정책은 새로운 지시를 즉각 수행하지 못하며 배포 전 각 작업의 원격 제어 시연으로 미세조정해야 합니다. 반면 인간 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 역동성이 높은 실제 비디오 스트림을 인지할 수 있는가?FastBench: Can Streaming VLMs Perceive High-Dynamic Real-World Streams?

스트리밍 비디오 대형 언어 모델(VLM)은 연속적인 비디오 이해를 가능하게 하지만, 기존 벤치마크는 역동성이 낮은 시나리오에 치중되어 있습니다. 제한된 컨텍스트 예산 내에서 모델은 시간적 히스토리, 공간 해상도, 시간적 세분성의 균형을 맞춰야 하며, 1~2 FPS의 희소 샘플링은 빠른 이벤트를 놓칩니다. 이에 실제 비디오 스트림의 고역동성 인지 능력을 평가하기 위한 FastBench를 도입합니다. 궤적 기반 파이프라인을 통해 고FPS 클립에서 질의응답을 생성하고 검증합니다.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 결합WOVEN: Weaving Visual World Modeling into Multimodal LLMs

멀티모달 대형 언어 모델(MLLM)은 공간, 체화(embodied), 물리, 시간적 추론에 취약합니다. 본 연구는 이러한 실패가 '시각적 전이 추론(visual transition reasoning)' 능력의 공통된 결핍에서 기인한다는 가설을 세우고, 이 역량이 체계적인 훈련 방식을 통해 서로 다른 모델이 다양한 지도 소스로부터 학습하고 여러 작업에 재사용할 수 있는 공통 훈련 프리미티브로 기능할 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 기반 에이전트는 성공적인 궤적을 재사용 가능한 전략으로 증류하여 샘플 효율성을 개선합니다. 그러나 기존 접근 방식 대부분은 텍스트 중심적이어서 공간 레이아웃과 행동-상태 대응 관계를 언어로 선형화하는 과정에서 중요한 기하학적 구조를 잃어버립니다. 최근 연구들은 시각적 증거를 통합하기 시작했으나 스킬 구축 및 업데이트를 정책 최적화와 분리하여 처리하므로 상호 개선 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 능력 평가SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models

기존 공간 추론 벤치마크는 입력에 이미 보이는 관계를 판독하는 공간 지각 능력만을 주로 평가합니다. 그러나 실제 환경의 공간 지능은 관찰을 통해 장면을 구성하고 개입이 이를 어떻게 변화시킬지 예측하며 보이지 않는 결과를 추론하는 '예측적 공간 추론'을 요구합니다. 본 논문에서는 이러한 능력을 직접적이고 진단적으로 평가하는 최초의 벤치마크인 SpaceCast-Bench를 소개합니다. 관찰-변환-추론 프레임워크를 기반으로 3,862개의 질문으로 구성되었습니다.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 특성 추출까지: 실행 가능한 프로그램 탐색을 통한 LLM 가이드 블록 단위 피처 엔지니어링Long Text to Predictive Features: LLM-Guided Blockwise Feature Engineering via Executable Program Search

산업용 위험 제어 시스템은 효율적인 예측을 위해 구조화된 데이터 모델에 주로 의존하지만, 가치 있는 정보의 상당 부분은 여전히 비정형 긴 텍스트에 내재되어 있습니다. 수작업 피처 엔지니어링으로 이러한 정보를 추출하는 것은 노동 집약적이며, 대형 언어 모델(LLM)이 모든 실시간 입력을 직접 처리하도록 하는 방식은 실제 배포 요건을 충족하기 어렵습니다. 이러한 문제를 해결하기 위해 LLM 가이드 오프라인 특성 구축 프레임워크인 LLM-BlockFE를 제안합니다.Industrial risk-control systems typically rely on structured-data models for efficient prediction, yet substantial valuable information remains embedded in unstructured long text. Extracting this information through manual feature engineering is labor-intensive, while requiring a large language mode

Latent Core Tokenizer: 의미 있는 압축을 지향하는 토크나이저Latent Core Tokenizer: Compress, but Meaningfully

토크나이저는 일반적으로 압축률을 극대화하도록 최적화되지만, 어휘 사전이 작다고 해서 그 용량이 언어 전반에 균등하게 분배되는 것은 아닙니다. 본 논문에서는 구조 탐색과 어휘 사전 구축을 분리하는 언어 무관 접근 방식인 'Latent Core Tokenizer(LCT)'를 소개합니다. LCT는 공유 어휘 사전을 구축하기 전 최소 기술 길이(MDL), 엔트로피 기반 경계 신호, 형태론적 제약을 활용해 재사용 가능한 언어 단위를 먼저 식별합니다. 20만 토큰 어휘 사전으로 104개 언어를 평가한 결과,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

OpenAI, AI 안전 연구원 3명 해고 조치 고수OpenAI doubles down on decision to fire three AI safety researchers

OpenAI는 조사 결과 "중대한 신뢰 훼손"이 드러났다며 안전 연구원 3명을 해고한 결정을 번복하지 않겠다는 입장을 확고히 했습니다. 금요일 X(구 트위터)를 통해 공개한 글에서 재스민 왕, 토멕 코르박, 미키타 발레스니가 "민감 정보 취급 규정"을 위반해 해고되었다고 밝혔습니다.OpenAI is standing firm on its decision to fire three safety researchers after an investigation found they committed "a significant breach of trust." In a post on X on Friday, the company said Jasmine Wang, Tomek Korbak and Mikita ⁠Balesni were dismissed for violating "clear

OpenAI서 해고된 안전 연구원들, 부정행위 의혹 전면 반박 및 위축 효과 경고Fired OpenAI safety researchers dispute misconduct claims, warn of chilling effect

OpenAI에서 해고된 안전 연구원 3인은 기밀 정보 유출 의혹을 부인하며, 이번 해고 조치가 사내 AI 안전 연구 문화 전반에 심각한 위축 효과를 낳고 있다는 내용의 공개서한을 발표했습니다.Three fired OpenAI safety researchers dispute allegations of mishandling sensitive information, warning in an open letter that their dismissals are creating a chilling effect on the company’s AI safety culture.

Import AI 475: 군집 스케일링, 구글 딥마인드의 생물학 워터마크, 그리고 AI 과학 경제Import AI 475: Swarm scaling; Google DeepMind watermarks biology; and the AI science economy

AI가 수행할 역할을 결정하는 주체는 누구인가?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 소식을 전해드립니다. 하이퍼에이전트(Hyperagent) 유료 플랜 가입 시 100달러 무료 크레딧 제공 프로모션 및 최신 AI 툴과 주간 뉴스레터 소식을 확인해 보세요.Here's The AI News You Probably Missed This Week! Get $100 in free credits for @Hyperagent when you sign up for a paid plan here: https://hyperagent.com/invite/MATT100?utm_source=youtube&utm_medium=influencer&utm_campaign=MATT100 Discover More: 🛠️ Explore AI Tools & News: ht

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

구글 딥마인드(Google DeepMind)가 인간 게놈의 모든 가능한 DNA 염기서열 변화를 예측 지도로 구현한 '알파게놈 아틀라스(AlphaGenome Atlas)'를 공개했습니다. 람다(Lambda) GPU 클라우드 소식과 함께 세부 내용을 전합니다.❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambda.ai/papers Thank you Google DeepMind for the invite. 📝 AlphaGenome Atlas is available here: https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/ https://blog.go

63억 달러 가치의 오픈 가중치 모델, 프랑스 팀에게 굴욕을 당하다...A $6.3 billion open-weight model just got embarrassed by the French...

Mistral, Reflection AI, Moonshot이 이번 주 오픈 가중치(open-weight) 모델 경쟁에서 큰 움직임을 보였습니다. 주요 소식을 자세히 살펴봅니다.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?