Viola AI Hub

이타우 은행, 전 고객 대상 생성형 AI 구축 전략How Itaú is building generative AI for its entire customer base

브라질 최대 금융 기관 중 하나인 이타우(Itaú)는 대화형 인터페이스 'ia.i'와 거버넌스 플랫폼 'IARA'를 통해 브라질에서 가장 규제가 엄격한 금융 부문에서 고객과 임직원 모두를 대상으로 'AI 퍼스트' 전략을 실현하고 있습니다.With ia.i, a conversational interface, and the IARA governance platform, Itaú is applying its AI First strategy to customers and employees — in one of Brazil’s most regulated sectors.

베네핏 스트리트 파트너스, Codex로 질의 응답 속도 대폭 개선Benefit Street Partners answers questions faster with Codex

아난트 쿠마르(Anant Kumar)는 Codex를 코드 리뷰와 신속한 후속 작업에 활용하여 대출 가치 평가를 비교하고 신용 계약서를 분석하는 도구를 개발하고 있습니다.Anant Kumar builds tools to compare loan valuations and analyze credit agreements, using Codex for code review and faster follow-ups.

에이전트용 스택 오버플로우, ChatGPT 플러그인 도입 후 가입자 수 3배 증가Stack Overflow for Agents triples signups with ChatGPT plugin

두 명의 엔지니어가 Codex를 활용해 단 몇 주 만에 '에이전트용 스택 오버플로우(Stack Overflow for Agents)'를 출시했으며, ChatGPT 플러그인을 통해 에이전트 생성 건수가 최대 10배 성장했습니다.Two engineers shipped Stack Overflow for Agents in a few weeks with Codex, and its ChatGPT plugin helped drive up to 10× growth in agent creation.

학술 연구소에 GPT-Rosalind 지원 확대Bringing GPT-Rosalind to academic research labs

자격을 갖춘 학술 연구소에 GPT-Rosalind와 생명과학 연구 가속화를 위한 도구를 스폰서십 형태로 제공하는 'Rosalind Academic Plan'을 선보입니다.Introducing the Rosalind Academic Plan, offering eligible academic labs sponsored access to GPT-Rosalind and tools to advance life sciences research.

질문을 통해 학생들의 사고와 학습을 유도하는 교육 방식Teaching students to think and learn through questions

브라질 포르투갈어로 제공되는 'AI for Educators'와 함께 스승의 날을 기념하며, '학습 모드(Study Mode)'가 교사들의 능동적이고 단계별 맞춤형 학습 지도를 어떻게 지원하는지 소개합니다.Celebrate Teachers’ Day with AI for Educators in Brazilian Portuguese and see how Study Mode can help teachers support active, step-by-step learning.

설리번 앤 크롬웰, 법률 전문성을 계약서 검토에 접목Sullivan & Cromwell brings legal expertise into agreement review

글로벌 로펌 설리번 앤 크롬웰(Sullivan & Cromwell)이 OpenAI와의 협업을 통해 계약서 초안의 잠재적 문제를 식별하는 AI 도구 'Agreement Analyzer'를 개발했습니다.In collaboration with OpenAI, Sullivan & Cromwell developed Agreement Analyzer, an AI tool for identifying issues in a draft agreement.

Google Antigravity를 활용한 항균 펩타이드 발굴 가속화Accelerating the search for antimicrobial peptides with Google Antigravity

과학 연구용 Google Antigravity for Science를 활용하여 신규 항균 펩타이드(antimicrobial peptides) 탐색 및 발굴 프로세스를 대폭 가속화합니다.Accelerating the search for novel antimicrobial peptides using Google Antigravity for Science.

Anthropic, 독립 평가자(Independent Evaluators) 도입 관련 업데이트 발표Anthropic update on independent evaluators

Anthropic이 독립 평가자(independent evaluators)를 시스템에 임베딩하는 방식에 대한 최신 업데이트를 발표했습니다.Anthropic announces updates to embedding independent evaluators

Meta가 AI 네이티브 엔지니어링으로 Forum을 구축한 방법How Meta Built Forum With AI-Native Engineering

Meta의 최신 앱 Forum은 Facebook 그룹의 대화에 더 깊이 참여하고자 하는 사용자를 위한 서비스입니다. Forum 구축을 위해 Meta 엔지니어들은 개발 주기에 AI 에이전트를 도입하여 완전히 새로운 업무 방식을 채택했습니다. 에이전틱 AI를 활용해 Forum을 개발하기까지의 인사이트와 과정을 공유합니다.Meta’s newest app, Forum, is for anyone who wants to go deeper into the conversations in their Facebook groups. To build Forum, Meta engineers adopted a whole new way of working by bringing an AI agent into the development cycle. We’re sharing insights into what it took to build

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

Google DeepMind와 싱가포르 GovTech가 경량 온디바이스 Gemma 모델을 활용하여 클라우드 데이터 유출 없이 개인 채팅 내 사기 및 스캠 메시지를 실시간 차단하는 기술 협업 사례를 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.

2026년 미국 중간선거 대비 안전 조치 강화Preparing for the 2026 US midterms

올해 초 선거 안전 조치 관련 업데이트를 공유한 데 이어, 다가오는 미국 중간선거를 앞두고 이러한 보호 조치를 어떻게 지속적으로 강화해왔는지 설명합니다.Earlier this year, we shared an update on our election safeguards. Here, we outline how we’ve continued to strengthen these safeguards ahead of this year’s US midterms.

Anthropic, 싱가포르 지사 설립 및 정부와 MOU 체결Singapore office and government MOU

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

Grok Voice 3.0 공개Introducing Grok Voice 3.0

세계에서 가장 지능적인 음성 모델을 소개합니다.The world’s most intelligent voice model.

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

추후 공개 예정(TBD)TBD

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

로보틱스를 위한 Gemini 4 ArgonGemini 4 Argon for Robotics

DeepSeek-v4.1-Flash-1017DeepSeek-v4.1-Flash-1017

오픈소스와 오픈 사이언스를 통해 인공지능을 발전시키고 대중화하기 위한 여정을 이어가고 있습니다.We’re on a journey to advance and democratize artificial intelligence through open source and open science.

DeepSeek: DeepSeek v4.1 Flash 1017 출시DeepSeek: DeepSeek v4.1 Flash 1017

DeepSeek V4.1 Flash 1017은 2026년 10월 17일 자 DeepSeek V4.1 Flash 스냅샷으로, DeepSeek에서 `deepseek-flash` API 모델명으로 제공됩니다.DeepSeek V4.1 Flash 1017 is the October 17, 2026 snapshot of DeepSeek V4.1 Flash, served by DeepSeek under the `deepseek-flash` API model name.

메타, 웹 스크래핑 및 AI 학습 논란을 일으킨 약관 문구 삭제Meta removes language that raised scraping and AI training concerns

메타 대변인은 이번 이용약관 업데이트가 메타의 기존 웹 크롤링 방식에 변화가 있음을 의미하는 것은 아니라고 강조했습니다.A Meta spokesperson insisted that the updated terms did not reflect a change in the way Meta crawls the web.

리플릿(Replit), 앤트로픽 대신 오픈AI를 기본 모델로 채택… CEO 발표Replit makes OpenAI its default over Anthropic, CEO says

암자드 마사드 CEO는 지난 주말 오픈AI가 앤트로픽을 대신해 기본 모델 제공업체가 될 것이라고 밝혔습니다. 기존 클로드(Claude) 역시 플랫폼에서 계속 이용할 수 있습니다.Over the weekend, Masad clarified that OpenAI would replace Anthropic as its default model provider. Claude will still be available to customers on the platform.

메타, 뉴스 사이트 스크래핑 허용 소지 있던 이용약관 조항 삭제Meta removes language that may have allowed it to scrape news sites

거센 반발에 직면한 메타가 AI 학습을 위해 뉴스 사이트를 포함한 웹사이트 콘텐츠를 무단 수집할 수 있다는 해석을 낳았던 약관 문구를 삭제했습니다. 상업용 이용약관 페이지에서 해당 도메인 및 웹페이지 콘텐츠를 AI 개발·개선에 활용할 수 있다는 내용이 공식적으로 제외되었습니다.After backlash, Meta is updating its terms again to remove language that suggested it could scrape content from sites, including news sites, to train its AI. Specifically, the following language no longer appears on the commercial terms page: … Meta may use any content from such domains, web pages,

AI 에이전트에 빗장 걸어 잠그는 웹사이트들Websites are closing their doors to AI agents

자율형 AI 에이전트가 큰 주목을 받으며 OpenAI, 메타, 구글 등이 웹 서핑부터 예약, 구매까지 대행하는 기술을 내세우고 있습니다. 하지만 웹사이트들이 봇 차단에 나서면서 에이전트의 자유로운 웹 탐색에 제동이 걸리고 있습니다.Autonomous agents are the hottest thing in AI. OpenAI, Meta, Google, Instinct, and others promise their agents can scour the internet on your behalf, doing anything from booking a dinner reservation and cleaning out your inbox to buying new shoes. But what happens when the rest of the internet won&#

Claude, ECDSA 곡선의 기원을 밝혀내다Claude reveals ECDSA curve origins

가장 널리 쓰이는 암호화 표준 중 하나의 기원을 둘러싼 수십 년 된 미스터리가 풀렸습니다.The decades-old mystery of the origins of one of the most popular cryptographic standards has been explained.

미국 근로 시간의 90%는 기존 AI 벤치마크가 제대로 다루지 못하는 업무에 쓰인다90% of US working hours are spent on tasks not covered well by AI benchmarks

US Benchmark Map은 미국 경제 전반에 걸쳐 AI 벤치마크를 매핑하여, 포화되지 않은 공개 에이전틱 벤치마크가 노동력의 어떤 영역을 커버하고 있는지 측정합니다.The US Benchmark Map places AI benchmarks across the American economy, measuring which parts of the labor force are covered by unsaturated, public, agentic benchmarks.

Claude Code 팀의 코드 리뷰 방식How the Claude Code team does code review

에이전트가 쏟아내는 엄청난 양의 코드를 어떻게 리뷰해야 할까요? Claude Code 팀에서는 높은 테스트 커버리지와 심층 리뷰 체계를 확보한 후, 롤백이나 인시던트를 유발하지 않으면서 인간의 리뷰 시간을 최소화하는 최적화 작업을 진행했습니다.How do you review code at the volume agents produce it? On the Claude Code team, once we had high coverage and deep reviews, we started optimizing for the minimum amount of human review time that doesn't raise reverts or incidents.

Show HN: Llmspeed – 하드웨어 구매 전 로컬 LLM 실행 속도 체감하기Show HN: Llmspeed – feel how fast a local LLM runs before you buy the hardware

하드웨어와 모델을 선택하여 구매 전 로컬 LLM의 실제 체감 속도를 확인해 보세요. GPU, Mac 등을 대상으로 검증된 벤치마크를 바탕으로 초당 토큰 수(tokens/sec)와 첫 토큰 생성 시간(TTFT)을 시뮬레이션합니다.Pick hardware and a model, and feel the real speed of a local LLM before you buy. Simulates tokens/sec and time-to-first-token from verified benchmarks for GPUs, Macs, and more.

OpenAI 모델, 암호화폐 지갑 해킹 및 추가 웹사이트 침해 발생OpenAI models hacked a crypto wallet and breached more websites

인간이 수행했다면 형사 처벌을 받을 수준의 암호화폐 지갑 해킹 및 웹사이트 보안 침해 사고가 AI 모델의 자율적 행동을 통해 발생했습니다.The actions could have resulted in criminal charges had humans been behind the keyboard.

가트너 "토큰 단가 하락에도 2028년까지 에이전트 비용 5배 급증 전망"Gartner says agent costs will rise fivefold by 2028 even as tokens get cheaper. Here is how to keep them in check

토큰 비용 하락으로 AI 도입 비용이 줄어들 것이라는 기업들의 기대와 달리, 복잡한 에이전트 워크플로우의 확산으로 인해 실질적인 운영 비용은 대폭 증가할 것이라는 분석이 나왔습니다.Falling token prices have led many enterprises to assume AI costs will fall with them. Agents are breaking that assumption.Read more

포뮬러 원(F1) 경기 당일 의사결정의 숨은 주역, AIThe AI behind Formula One race-day decisions

포뮬러 원(F1) 결승전 당일 중요한 레이스 전략 및 의사결정을 뒷받침하는 AI 기술을 살펴봅니다.The post The AI behind Formula One race-day decisions appeared first on Source.

라운드테이블: AI 설계 바이러스를 만든 연구자와의 대화Roundtables: A Conversation With the Creator of AI-Designed Viruses

AI가 새로운 생명체를 설계할 수 있을까요? 2025년 스탠퍼드 대학교 박사과정생 Samuel King은 생성형 AI 모델을 활용해 미세 바이러스의 유전적 청사진을 제시하는 연구를 발표했습니다. 아직 AI가 생성한 생명체 자체는 아니지만, 다음 단계로 이어질 가능성을 열었습니다.Listen to the session or watch below Can AI design new life forms? In 2025, Stanford University PhD student Samuel King came up with a preliminary answer when he used a generative AI model to propose genetic blueprints for microscopic viruses. It isn’t yet an example of AI-generated life, but that c

인도어 사전학습 확장: 2조 8,000억 토큰과 공개 데이터 생성 파이프라인Scaling Indic Pretraining: 2.8 Trillion Tokens and an Open Data Generation Pipeline

Beam 공개: 직접 소유하고 맞춤 조정 및 확장이 가능한 501B 오픈 모델Welcome Beam: a 501B open model you can own, customize, and scale

Addy Osmani, Morgan Westlee Lunt, Qing Wang의 견해Quoting Addy Osmani, Morgan Westlee Lunt, and Qing Wang

우리는 "사람이 코드를 직접 읽었는가?"라는 질문이 "이 변경으로 인해 어떤 문제가 발생할 수 있으며, 이를 잡아내기 위한 적절한 검증 수단(자동화 또는 사람)은 무엇인가?"를 대신하기에는 부정확한 척도라고 생각합니다. 이러한 문제의식은 코드 리뷰 시점도 변화시켰습니다. 과거의 리뷰는 코드 작성 후 PR을 올리고 동료를 기다리는 최종 관문 역할을 했지만, 이제는 글을 쓸 때의 맞춤법 검사기처럼 상시 연속적으로 실행됩니다. 대부분의 코드 변경 사항은 사람이 확인하기 전에 Claude가 최소 한 번 We think "did a human read the code?" is an imprecise proxy for "what could go wrong with this change, and which check—automated or human—is the right one to catch it?" Asking that question also changed when review happens. Before, review was a gate at the end of the road: write

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

GitHub의 문맥 인식 기반 시크릿(Secret) 분류 모델이 탐지 품질을 대폭 향상했습니다. 가중 수용률(weighted acceptance)은 11.5% 증가한 반면, 스캔 실행 시간 중앙값은 86% 단축되었습니다.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.

LIBERO-PeRM: 개인화된 로봇 매니퓰레이션 벤치마크LIBERO-PeRM: Benchmarking Personalized Robotic Manipulation

범용 로봇이 가정 환경에 안착해 진정한 실용성을 확보하려면 개인화가 필수적입니다. 일반적인 로봇 조작은 활발히 연구되었으나, 개인화 로봇 매니퓰레이션(PeRM)은 작업 완수와 사용자 선호 충족을 분리해 평가하는 통제된 벤치마크가 부족했습니다. 이에 체화된 에이전트(Embodied Agent)의 선호 학습을 위한 벤치마크인 LIBERO-PeRM을 소개합니다.Personalization is essential for general-purpose robots to transition into household environments and achieve true practicality. While general robotic manipulation has been extensively studied, personalized robotic manipulation (PeRM) lacks a controlled benchmark for separating task completion from

대규모 언어 모델(LLM)을 활용한 최첨단 양자 회로 발견Discovering state-of-the-art quantum circuits with large language models

대규모 양자 정보 처리기 구현을 위한 노력이 활발하지만, 유의미한 양자 우위를 실현하려면 효율적인 양자 알고리즘 개발도 필수적입니다. 실용적인 문제 다수의 핵심 비용은 소수의 연산 프리미티브에 집중되는데, 고전 컴퓨팅에는 없는 가역성 제약 등으로 인해 양자 환경에서의 최적화는 독특한 과제를 안겨줍니다. 본 연구에서는 LLM을 활용한 최적화 방안을 제시합니다.Significant efforts are currently being directed toward the implementation of large-scale quantum information processors, but realizing useful quantum advantage also requires the development of efficient quantum algorithms. While for many practical problems the dominant resource costs are associated

T2-z: 로봇 월드 모델을 위한 테스트 타임 환경 잠재 변수 최적화T2-z: Test-Time Optimization of Environment Latents for Robotic World Models

로봇의 행동에 세상이 어떻게 반응할지 예측하려면 시각적 정보 이상의 것이 필요합니다. 로봇은 마찰력이나 질량 같은 물리적 특성부터 인간이 정한 환경 규칙까지, 직접 관찰되지도 명시되지도 않은 환경 요인을 고려해야 합니다. 본 연구에서는 학습 가능한 환경 잠재 변수로 월드 예측을 조건화하는 테스트 타임 최적화 프레임워크 T2-Z를 제안합니다.Predicting how the world responds to an action requires more than what can be seen: robots must account for environmental factors that are neither directly observable nor explicitly specified, from physical properties such as friction and mass to human-defined environmental rules. We introduce T2-Z

CoDA: 시뮬레이션 데이터 엔진과 액션 정책의 공진화 프레임워크CoDA: Co-Evolution of Data Engines and Action Policies

생성형 시뮬레이션을 통해 로봇 환경 구축을 자동화할 수 있지만, 물리적으로 타당한 환경이 항상 학습에 유용한 것은 아닙니다. 핵심 과제는 정책의 실패를 유발하는 환경을 식별하고 이를 극복할 수 있는 감독 신호를 제공하는 것입니다. 본 연구에서는 환경 구축, 정책 실패, 학습 진행 상황에 대한 이종 메모리를 공유하며 데이터 엔진과 액션 정책이 함께 진화하는 CoDA 프레임워크를 제안합니다.Generative simulation can automate robot environment construction, but physically valid environments are not necessarily useful for training. The challenge is to identify environments that address a policy's failures and supervision that helps it overcome them. We introduce CoDA, a framework in

현대적 Mixture-of-Experts(MoE) 아키텍처의 라우팅 탐색 재고Rethinking Routing Exploration in Modern Mixture-of-Experts

Mixture-of-Experts(MoE) 모델은 파라미터 확장을 위한 핵심 접근법으로 자리 잡았습니다. 최신 MoE 아키텍처는 세분화된 전문가 분할과 공유 전문가(Shared Experts)라는 두 가지 설계를 결합하는 추세입니다. 본 논문에서는 이 두 설계 간에 존재하는 탐색 딜레마를 규명하고, 공유 전문가가 라우팅의 탐색적 성격을 약화시킬 수 있음을 분석합니다.Mixture-of-experts (MoE) models have become an important approach for scaling model parameters. Modern MoE architectures increasingly combine two design choices: fine-grained expert segmentation and shared experts. The former increases expressiveness by enabling more expert combinations at a fixed a

FDE-Gym: AI 실전 배포의 라스트 마일을 위한 벤치마크FDE-Gym: The Last Mile of AI Delivery

기존 에이전트 벤치마크는 명확히 규정된 이슈 리포트나 티켓 기반의 작업을 주로 평가합니다. 반면 실제 고객사 배포 환경의 FDE(현장 배치 엔지니어)는 모호한 요구사항을 명확히 하고, 라이브 시스템에서 작업하며 숨겨진 제약 조건을 찾아내야 합니다. 실제 현장 배포 프로젝트를 기반으로 설계된 95개의 엔드투엔드 배포 벤치마크 FDE-Gym을 소개합니다.Existing agent benchmarks typically evaluate agents on well-specified tasks defined by issue reports, specifications, or task tickets. Real-world customer delivery is different: forward-deployed engineers (FDEs) must clarify ambiguous requirements, work in live systems, and uncover unstated constrai

PathFM: 다변량 궤적의 고속 생성형 예측PathFM: Fast Generative Forecasting of Multivariate Trajectories

시계열 파운데이션 모델은 범용 예측 분야에서 점점 더 많은 주목을 받고 있습니다. 하지만 대다수의 주요 모델들은 한계 분위수(Marginal Quantiles)만을 예측하여 향후 궤적의 의존성 구조를 명시하지 못합니다. 이러한 차이는 누적 수요, 피크 부하, 이벤트 발생 시점 등 궤적 의존적 지표에서 매우 중요하지만, 점 예측 및 주변 점수로는 파악할 수 없습니다. 본 논문에서는 이러한 의존성을 모델링하기 위해 플로우 매칭(Flow Matching)을 활용하여 궤적 기반 예측을 수행하는 PathFM을 소개합니다.Time series foundation models are becoming increasingly popular for general-purpose forecasting. However, most leading models predict marginal quantiles, leaving the dependence structure of future trajectories unspecified. This distinction matters for trajectory-dependent quantities such as cumulati

정형 정리 증명을 위한 린 그래프 탐색Lean Graph Search for Formal Theorem Proving

관련 보조정리(Lemma)를 검색하는 것은 증명기가 기존 수학적 결과를 바탕으로 기계 검증 가능한 증명을 구성할 수 있도록 지원하는 정형 정리 증명(Formal Theorem Proving)의 핵심 요소입니다. 최근의 검색 시스템들은 라이브러리 선언문을 대상 정리나 중간 증명 단계와 매칭하지만, 선언문 간 다중 홉(Multi-hop) 의존성은 제한적으로만 활용합니다. 이러한 의존성은 대상 정리와 어휘적으로 유사하지 않더라도 관련 문제 증명에 반복적으로 사용되는 보조정리를 찾아낼 수 있습니다. 이를 위해 본 연구에서는...Retrieving relevant lemmas is crucial for formal theorem proving, enabling provers to build machine-checkable proofs from established mathematical results. Recent retrieval systems match library declarations to a target theorem or its intermediate proof steps, but make limited use of multi-hop depen

모델 및 측정 불확실성 환경에서의 동적 치료 체계를 위한 강건 강화학습Robust Reinforcement Learning for Dynamic Treatment Regimes under Model and Measurement Uncertainty

환자 전반에 걸쳐 일반화되며 생체표지자(Biomarker) 측정 오차 및 질환 역학의 변화 속에서도 신뢰성을 유지하는 적응형 치료 정책을 학습하기 위해 강건 강화학습(RL) 프레임워크를 개발했습니다. 환자를 은닉 컨텍스트(Hidden Context)로 모델링함으로써 강건 컨텍스트 마르코프 결정 과정(Robust Contextual MDP)을 통해 일반화와 강건성을 통합적으로 해결합니다. 임상 데이터로 보정된 시뮬레이터 환경에서 전이성 전립선암 적응 치료에 본 프레임워크를 적용하여...We develop a robust reinforcement learning (RL) framework for learning adaptive treatment policies that generalize across patients and remain reliable under errors in the measured biomarker and shifts in the disease dynamics. By modeling the patient as a hidden context, we address generalization and

Twice Upon a Time: 시계열 추론을 위한 상호보완적 표상Twice Upon a Time: Complementary Representations for Time-Series Reasoning

시계열 언어 모델(TSLM)은 시계열 데이터에 대한 언어 기반 이해와 추론을 가능하게 하지만, 여전히 근본적인 질문이 남아 있습니다. 바로 시계열 표상이 어떤 정보를 보존하고 어떤 변동성을 배제해야 하는가입니다. 기존 TSLM은 주로 언어 모델에 단일 표상만을 노출하여 다운스트림 작업 전반에 고정된 귀납적 편향(Inductive Bias)을 부여했습니다. 이에 반해 본 연구는 시계열 추론의 설계 원칙으로 상호보완적 표상 방식을 제안합니다.Time Series Language Models (TSLMs) enable language-based understanding and reasoning over temporal data, yet a fundamental question remains: what information should their time-series representations preserve, and what variation should they factor out? Existing TSLMs typically expose the language mo

LLM 에이전트 및 멀티 에이전트 시스템을 위한 조향 학습Learning to Steer LLM Agents and Multi-Agent Systems

대규모 언어 모델(LLM) 기반 에이전트와 멀티 에이전트 시스템은 장기적인 도구 사용과 에이전트 간 협업을 통해 복잡한 과제를 점차 해결하고 있습니다. 그러나 작업 실행이 진행됨에 따라 전체 목표에서 벗어나는 '목표 표류(Goal Drift)' 현상이 발생하기 쉬우며, 이는 리소스 낭비와 원치 않는 결과로 이어집니다. 본 연구에서는 실행 과정을 실시간으로 감독하고 표류가 발생할 때 시스템을 다시 본궤도로 유도하는 조향 에이전트(Steering Agent)를 제안합니다.Large language model (LLM)-based agents and multi-agent systems increasingly tackle complex tasks through long-horizon tool use and inter-agent collaboration. However, these systems are prone to deviating from the overall goal as execution unfolds, which wastes execution resources and leads to undes

파인튜닝 전 선형적 지식이 파인튜닝 후 일반화된다Knowledge That Is Linear Before Fine-Tuning Generalizes After It

언어 모델이 기억해낼 수 있는 모든 사실이 후속 학습을 동일하게 잘 뒷받침하는 것은 아닙니다. 본 연구에서는 자체적 회상을 넘어 일반화를 지원하는 '활성 사실(Active Facts)'과 회상은 가능하지만 특정 작업에서 이러한 일반화를 지원하지 못하는 '비활성 사실(Inert Facts)'을 구분합니다. 기존 관계로부터 새로운 관계를 구성하여 이 차이를 분석합니다. 예를 들어 장소와 대륙을 매핑하는 관계(파리 -> 유럽)에서 각 정답에 임의의 새 라벨(유럽 -> 게, 아시아 -> Not all facts a language model can recall support further learning equally well. We distinguish active facts, which support generalization beyond their own recall, from inert facts, which can be recalled but do not support such generalization in a given task. We study this distinction by constructin

OmniVerifier-C1: 규칙 기반 생성형 월드 모델링을 위한 분해형 등급 검증기OmniVerifier-C1: Decomposed Graded Verifier for Rule-Governed Generative World Modeling

생성형 시각 검증기는 멀티모달 지능을 발전시키는 데 핵심적인 역할을 합니다. 복합적 요구사항이 수반되는 복잡한 멀티모달 환경에서 시각 검증기의 강건성을 높이기 위해, 단순 참/거짓 판단만을 내리는 기존 이진 검증기를 넘어선 검증기를 제안합니다. 이 검증기는 복잡한 프롬프트나 환경 규칙을 세부 구성요소로 자동 분해하고 포인트별 점수를 할당하여 연속적이고 한층 유익한 피드백을 제공합니다.Generative visual verifiers play a crucial role in advancing multimodal intelligence. To enhance the robustness of visual verifiers in complex multimodal scenarios involving compositional requirements, we move beyond conventional binary verifiers that produce only True/False discrete judgments and i

영어를 넘어선 평가 인식: 인디언어 평가 시 LLM은 다르게 행동하는가?Evaluation Awareness Beyond English: Do LLMs Act Differently When Tested in Indic Languages?

대규모 언어 모델(LLM)은 자신이 평가받고 있는 상황을 감지하곤 합니다. '평가 인식(Evaluation Awareness)'으로 불리는 이 능력으로 인해 모델은 실제 사용 환경에서보다 안전성 평가 환경에서 더 방어적으로 행동할 수 있습니다. 기존 연구들은 거의 전적으로 영어에서의 평가 인식만을 다루었지만, 실제 모델은 다양한 언어권 사용자에게 서비스를 제공합니다. 10억 명 이상이 사용하는 인도 언어군(Indic Languages)에서는 이러한 평가 인식이 거의 연구되지 않았습니다. 본 연구에서는 세 개 모델 Large language models (LLMs) can often tell when they are being tested. This ability, known as evaluation awareness, can lead models to act more cautiously during safety evaluations than in real use. Existing work has studied evaluation awareness almost entirely in English, although models serve use

다양한 과학적 아이디어 생성을 위한 추론 모델 훈련Training Reasoning Models to Generate Diverse Scientific Ideas

연구 파이프라인의 첫 단계 중 하나는 아이디어를 도출하는 것입니다. 대규모 언어 모델(LLM)이 이 단계를 자동화하는 데 점차 활용되고 있지만, 대부분의 연구는 개별 아이디어의 품질 최적화에 집중하며 다양성은 간과하고 있습니다. 본 연구에서는 문서 기반 아이디어 도출을 다루며, LLM이 생성하는 아이디어의 다양성을 높이는 동시에 고품질을 보장하는 데 초점을 맞춥니다. 모델은 선행 논문들을 기반으로 각각 고품질이면서 서로 명확히 구분되는 아이디어 세트를 제안해야 합니다.One of the first steps of a research pipeline is generating ideas. Large Language Models (LLMs) are increasingly used to automate this step, but most of this work optimizes the quality of individual ideas, while overlooking diversity. In our work, we study document-grounded ideation, focusing on inc

탈중앙화 에이전트 스웜에서의 자율 조율 학습Learning Self-Orchestration in Decentralized Agent Swarms

에이전트 스웜의 역량은 개별 구성원뿐만 아니라 이들이 상호 조율하는 방식에 따라 달라집니다. 그러나 기존 멀티 에이전트 시스템은 고정된 오케스트레이션 구조 내에서 에이전트를 훈련하는 경우가 많아, 개별 역량 학습과 집단 행동 구성이 분리되어 있었습니다. 이에 탈중앙화된 에이전트 스웜에서 행동 정책과 자율 조율을 공동으로 학습할 수 있는 프레임워크인 시장 기반 사후 훈련(MPT)을 소개합니다. 에이전트는 입찰(Bid)을 통해 참여 의사를 표명하며...The capabilities of an agent swarm depend on both its individual members and how they coordinate. Yet existing multi-agent systems often train agents within fixed orchestration structures, separating the learning of individual capabilities from the organization of collective behavior. We introduce m

MindEval2: 정신 건강 상담 언어 모델 평가를 위한 임상 기반 환자 및 루브릭MindEval2: Clinically Grounded Patients and Rubrics for Evaluating Language Models in Mental Health Support

정신 건강 상담을 위해 AI 챗봇을 찾는 사람들이 늘어남에 따라, 이러한 도구들을 평가해야 할 필요성이 더욱 커지고 있습니다. 최근의 벤치마크들은 가상 환자와의 멀티턴 상호작용을 시뮬레이션하고 'LLM 평가자(LLM-as-a-judge)'를 통해 평가함으로써 실제 환경을 모사하려 합니다. 그러나 가상 환자가 지나치게 협조적이거나 자기 성찰적일 수 있고, 평가 방식 또한 실질적 유용성이 모호하고 불투명한 리커트 척도에 의존하여 유용성이 제한적이었습니다.With people increasingly turning to AI chatbots for mental health support, the need to evaluate these tools is becoming more pressing. Recent benchmarks attempt to mimic a realistic setting by simulating multi-turn interactions with synthetic patients and evaluating them with an LLM-as-a-judge. Howe

Grid-Bench: LLM은 이산 세계의 변화를 예측할 수 있는가?Grid-Bench: Can LLMs Predict How Discrete Worlds Change?

공간 지침은 물체를 이동하거나, 영역을 변형하거나, 주변 환경을 수정하는 방법을 기술합니다. 여러 연산이 순차적으로 적용될 때, 각 연산은 앞선 변화로 형성된 구성에 기반하여 작용합니다. 대규모 언어 모델(LLM)은 최종적인 공간 상태를 얼마나 정확하게 예측할 수 있을까요? 2차원, 3차원 및 4차원 그리드로 표현되는 이산 세계를 8가지 연산 계열로 변형하는 실행형 벤치마크인 Grid-Bench를 소개합니다. 초기 그리드, 명시적 규칙 및...Spatial instructions describe how to move objects, transform regions, or modify their surroundings. When several operations are applied in sequence, each acts on a configuration shaped by earlier changes. How accurately can large language models (LLMs) predict the resulting spatial state? We introdu

수정 가능성(Corrigibility) 개념 명확화하기Deconfusing Corrigibility

본 연구에 물질적·지적 지원을 아끼지 않은 Abram Demski에게 감사를 표합니다. 또한 값진 대화를 나눠준 Brian Berns, Roman Malov, Gurkenglas, Lorxus에게도 감사드립니다. 서론: 수정 가능성은 이론적 AI 정렬(Alignment) 연구의 핵심 위치를 차지함에도 불구하고, 그 본질에 대해 누구도 명확히 동의하지 못하는 듯 보입니다. 이러한 혼란은 지금까지 제안된 수정 가능성의 거의 모든 정의가 저마다 결함을 지니고 있기 때문입니다. 특히 가장 널리 쓰이는 기존...Many thanks to Abram Demski for materially and intellectually supporting this research. Thanks also to Brian Berns, Roman Malov, Gurkenglas, and Lorxus for valuable conversations.IntroductionDespite the central place of corrigibility to theoretical AI alignment, it seems like no one can really agree

트럼프, 백악관 복원 자랑하려 AI 편집 사진 게시 논란Trump posts AI-edited photo to brag about White House restoration work

도널드 트럼프 전 대통령이 백악관 보수 공사 성과를 홍보하며 게시한 비교 사진 중 일부가 AI로 조작 및 편집된 것으로 구글 AI 감지기를 통해 확인되었습니다.President Donald Trump posted a series of photos on Truth Social showing off renovations to the White House - but one of them appears to be modified with AI. The picture, which compares an old White House column to a "restored" one, has several discrepancies and was flagged by Google'

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

Import AI 476: 창의성과 RSI, 중국보다 뒤처진 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 넘겨주게 될까요?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.

AI 뉴스: 6개의 신규 모델과 '나노 바나나' 킬러의 등장AI News: 6 New Models & A Nano Banana Killer

이번 주 AI 주요 소식: Krea 3로 이미지 편집이 대폭 간편해졌으며, 구글의 Gemini 4 Argon과 메타의 Muse Wonder에 대한 실사용 테스트가 진행되었습니다. 새로운 오픈 가중치(open-weight) 모델들도 연이어 공개되고 있습니다. 여기에 최신 OpenAI 업데이트, Grok Voice 3.0, 그리고 한눈에 보는 빠른 AI 뉴스 요약까지 전해드립니다.Get free credits when you sign up for @GensparkProduct Design here: https://www.genspark.ai/agents?type=design&utm_campaign=mattwolfe04&utm_source=yt This week in AI: Krea 3 makes image editing seriously easy, Google’s Gemini 4 Argon and Meta’s Muse Wonder get put to the test, and ne

실제로 하늘을 나는 테슬라가 나타났다 (AI 합성 아님)This Tesla Actually Flies (NOT AI)

경악스러운 테슬라 차량의 등장 - AI 생성 영상이 아니라는 사실이 믿기지 않을 정도입니다.This Tesla is Insane - Hard to believe it's not AI.

런타임 전쟁의 종결... 그리고 승리한 NodeThe runtime wars are over... and Node won

Cloudflare가 Deno를 인수했으며, Node.js의 창시자는 런타임을 재구현하려 했던 시도가 실수였음을 마침내 인정했습니다. 치열했던 JavaScript/TypeScript 런타임 경쟁의 향방과 의미를 짚어봅니다.Every JetBrains account now comes with a free coding model called Junie Lite. Try it: https://jb.gg/JunieLite Cloudflare just acquired Deno and the creator of Node.js is finally admitting that reimplementing it was a mistake. Let's dive in. Want more Fireship? 🗞️ Newsletter: https://bytes.dev 🧠

인간이 거의 이해할 수 없는 수준의 결과를 내놓기 시작한 OpenAI의 신규 AIOpenAI’s New AI Is Doing Things We Barely Understand

OpenAI가 공유한 수학 분야의 최신 AI 연구 성과를 다룹니다. 기존 한계를 넘어선 성과를 보여주며, 연구진조차 완전히 이해하기 힘든 수준의 문제 해결 능력을 선보이고 있는 신규 모델의 핵심 내용을 살펴봅니다.❤️ 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