연구자료실
설비 연결, 품질 검사, 생산 분석과 제조 업무에 관련된 외부 논문입니다.
연구자료 검색
새 논문 요약
요점은 편집자가 정리한 메모입니다. 원저자의 표현과 다를 수 있으니 원문을 확인하세요. 2026-11-20 갱신.
- 940Research
Mathematics in the age of AI
- AI 능력 자체를 따지지 않고 'AI가 연구급 수학을 한다'는 가정을 전제로, 수학 공동체가 암묵적으로 밀어온 목표와 가치를 명시해야 한다고 주장했다.
- 퍼스트 프루프 프로젝트 2차 배치에서 10문제 중 7문제가 최소 한 AI 시스템으로부터 사실상 완벽한 수준의 통과 평가를 받았다.
- 해당 평가의 컴퓨터 비용은 문제당 수십에서 수백 달러 수준이었다.
- AI는 측정과 대상 사이 틈을 잘 찾아내서 굿하트 법칙(지표가 목표가 되면 더 이상 좋은 지표가 아니다) 위험이 특히 크다고 경고한다.
- 증명이 넘치는 풍요의 시대에는 증명 생성보다 증명 소화(설명, 심사, 정전화)에 문화의 무게를 옮기라고 제안한다.
- 939LLMs / NLP
Every Coin Has Two Sides: On the Dual Nature of Generalization in On-Policy Distillation of Large Language Models
- 온폴리시 증류는 학생이 생성한 답의 각 시점에서 교사와 학생의 다음 토큰 분포 차이를 줄인다. 학습 때부터 학생이 실제로 방문하는 문맥에서 지도를 받는 방식이다.
- BigMath에서 교사가 4회 모두 맞힌 문제, 모두 틀린 문제와 무작위 문제를 각각 2만 5천 개씩 뽑았다. 여러 교사와 학생 조합에서 세 집단의 최종 수학 정확도는 거의 같았다.
- 같은 기반 모델에서 갈라진 교사는 영어 단기 수학으로만 가르쳐도 중국어, 장기 수학, 코드와 과학에서 학생을 교사 수준에 가깝게 끌어올렸다. 기반이 다른 교사는 더 강해도 이런 넓은 전이가 약했다.
- 교사 둘의 자료 비율을 바꾸자 학생의 여러 분야 점수가 더 많이 사용한 교사의 원래 능력 쪽으로 함께 움직였다. 첫 교사 배치에서 BeyondAIME와 OlymMATH 평균은 혼합 조건에 따라 25.1퍼센트에서 27.1퍼센트로 달라졌다.
- 실험은 수학, 코드, 과학과 지시 수행 모델에 한정되고 다중 교사 실험도 교사 2명과 고정된 분야 기반 라우팅만 다뤘다. 교사의 원치 않는 행동도 다른 분야로 퍼질 수 있어, 분야별 분배를 안전 경계로 보면 안 된다고 지적한다.
- 938Computer Vision
TRACE-Bench: Decomposing and Diagnosing Multi-Reference Image Generation
- 요청을 대상 유지, 속성 분리, 속성 적용과 장면 구성의 네 연산으로 표현한다. 같은 수식 구조를 문제 생성, 항목별 채점과 실패 원인 추적에 모두 사용한다.
- 자료는 약 1,600개 평가 사례, 수식 틀 631개와 참고 이미지 약 4,000개로 구성된다. 연산 칸 수 1개부터 8개까지 복잡도를 조절한다.
- 상용 모델 4개와 공개 모델 5개를 비교했다. Nano Banana 2의 네 연산 평균이 0.8205로 가장 높았지만 속성 분리는 0.7384, 속성 적용은 0.7989에 머물렀다.
- Emu3.5 사례 200개를 더 단순한 하위 문제로 쪼개자 전체 진단 결과의 38.5퍼센트가 여러 참고 대상을 함께 구성할 때 생긴 간섭으로 분류됐다. 자동 분석과 사람의 실패 위치 판단은 82.6퍼센트 일치했다.
- 전체 평가는 Gemini-2.5-Pro가 체크리스트를 채점한다. 200개 사례에서 두 모델이 만든 출력 400개를 사람이 다시 확인했을 때 네 채점 모델의 항목별 일치율은 85.4퍼센트에서 88.4퍼센트였다.
- 937Robotics
HAF: Adapting Generalist VLAs to Humanoid Whole-Body Loco-manipulation via Hierarchical Action Flow and Spectral Latent RL
- HAF-VLA는 머리와 이동, 허리, 양팔 조작을 세 단계로 차례로 활성화한다. 단계 표시와 이전 단계의 KV 캐시를 사용해 앞선 몸동작과 뒤의 조작 동작이 이어지게 만든다.
- HAF-Steer는 VLA가 사용하는 시간축 잡음을 이산 코사인 변환으로 압축해 앞쪽 계수 8개만 학습한다. 행동 복제로 시작한 뒤 오프라인 자료와 실제 상호작용을 섞은 SAC 강화학습을 적용하며 VLA 본체는 고정한다.
- TienKung 2.0과 3.0에서 세탁물 넣기, 바구니 옮기기와 공 던지기 등 7개 작업을 시험했다. 작업마다 원격 조작 시연 120개를 모으고, 방법과 작업별로 10회씩 실행했다.
- 7개 작업의 평균 진행 점수는 HAF-VLA가 70.5퍼센트로 가장 강한 비교 모델 파이0.5의 53.3퍼센트보다 높았다. 모든 작업에서 최고 또는 공동 최고 점수를 기록했다.
- HAF-Steer는 두 과제의 기존 위치와 새 위치, 총 4개 조건에서 HAF-VLA의 성공률을 모두 높였다. 예를 들어 새 위치의 장난감 보관은 10회 중 8회 성공에서 10회 성공으로 올랐다. 다만 추가 계산 지연과 기본 VLA의 행동 범위에 묶이는 한계가 있다.
- 936Machine Learning
On the Principles Behind Neural Network Optimizers
- Adam은 항상 수렴하거나 항상 발산하는 것이 아니다. 문제와 미니배치 수에 따라 안전 구간이 달라지며, 배치가 작을수록 두 번째 모멘텀 계수인 베타2를 더 크게 잡아야 한다는 조건을 제시한다.
- 트랜스포머의 헤시안은 학습하면서 거의 블록 대각 구조로 바뀌고 블록마다 곡률 크기도 크게 달라졌다. 저자는 이 구조가 좌표별 학습률을 쓰는 Adam이 SGD보다 유리한 이유라고 설명한다.
- 연속된 큰 행렬 곱이 이런 헤시안 구조를 만든다는 점을 단순 신경망과 무작위 행렬 이론으로 분석했다. 이 관점은 어텐션 헤드마다 Muon 보정을 나누는 설계로도 이어진다.
- Adam-mini는 두 번째 모멘텀 값의 99.9퍼센트 이상을 블록별 스칼라로 바꿔 옵티마이저 상태 메모리를 50퍼센트 줄인다. 기존 Adam은 130억 매개변수 모델에서 두 모멘텀에만 약 104GB가 필요하다고 계산했다.
- C4에서 3,900만부터 10억 매개변수의 Llama 2 구조를 학습하자 Adam-mini가 AdamW의 검증 손실을 비슷하게 따라갔다. 다만 이 원고는 분량 제한이 있는 축약본이라 증명이 빠져 있고, 어텐션과 전문가 혼합 구조의 엄밀한 분석도 후속 과제로 남았다.
- 935Robotics
GigaBrain-0.7: Scaling Embodied Foundation Models to Emergent Capabilities with a Three-System Architecture
- System 2는 PaliGemma2 3B로 장면과 과제를 이해한다. System 1은 PaliGemma2 3B와 0.5B 동작 모델로 제어값을 만들고, System 3는 5B 세계 모델로 미래 영상과 진행도를 예측한다.
- 궤적 자료는 실물 로봇 20,535.65시간, UMI 사람 시연 8,251.83시간, 1인칭 사람 영상 2,862.36시간, 시뮬레이션 1,453.92시간과 세계 모델 생성 4,153.22시간으로 구성된다.
- System 3 절제 실험에서 AgileX PiPER-X의 선물 포장 성공률은 기본 모델 0퍼센트에서 미래 영상과 진행도 조건을 함께 쓸 때 80퍼센트가 됐다. AgileX PiPER의 옷 접기 완료 시간은 107초에서 75초로 줄었다.
- RoboTwin 2.0의 50개 과제에 과제당 깨끗한 시연 50개를 쓰고 한 정책을 함께 추가 학습한 Co-Train 조건에서 Easy 66.8퍼센트, Hard 67.9퍼센트와 평균 67.35퍼센트였다. 파이0.5는 각각 70.7퍼센트, 46.0퍼센트와 평균 58.35퍼센트였다.
- 실물 로봇 과제는 설정당 보통 10회에서 20회만 평가했고 신뢰구간이 없다. 최종 MiMo 점수 0.5704도 평가 자료가 학습에 들어가 독립 시험 결과가 아니다.
- 934Information Retrieval
Ask to Be Sure: Informative Interactions for Confident Multi-Turn LLM Recommendation
- 추천 목록에 나온 영화의 빈도와 순위를 이용해 불확실성을 계산하고, 현재 응답과 다음 사용자 답변이 그 값을 얼마나 줄였는지를 보상으로 삼는다.
- INSPIRED는 학습 대화 801개와 시험 대화 99개, ReDial은 필터링 뒤 학습 8,631개와 시험 1,036개다. 모의 대화는 최대 5턴까지 진행한다.
- 세 번 실행 평균에서 턴 엔트로피 DPO의 INSPIRED 모의 대화 적중률은 27.94퍼센트로 CollabLLM 보상의 26.60퍼센트보다 높았다. ReDial에서는 대화 전체 엔트로피 DPO가 32.83퍼센트로 30.03퍼센트보다 높았다.
- ReDial에서 정답 영화에 도달한 평균은 2.74턴으로 CollabLLM DPO의 2.86턴보다 적었다. 그러나 실제 사람과의 대화 효율을 측정한 값은 아니다.
- 평가는 자동 추천 지표와 LLM 모의 사용자에 의존한다. 추천 5개를 5번 뽑는 설정의 민감도도 검증하지 않았고, 직접 추천 Hit@1은 INSPIRED 3.32퍼센트와 ReDial 2.24퍼센트에 머물렀다.
- 933Research
Contrastive Learning with Variational Regularization for Multi-Session EEG-to-Speech Decoding
- SpREAD 자료는 한 참가자가 화자 18명의 일본어 1,353문장을 들은 EEG다. 각 문장을 서로 다른 날 세 번 측정해 9일 동안 45개 회차를 구성했다.
- 학습, 개발, 평가 표본은 각각 3,195개, 432개와 432개다. 같은 문장의 세 반복 측정은 항상 같은 분할에 넣었다.
- 평가 표본 432개에서 문자 오류율 0.948은 기준 0.968보다 유의하게 낮았다. 학습 표본으로 회차 분류기를 학습하고 개발 표본에서 측정한 정확도는 2.08퍼센트로 우연 수준 2.2퍼센트와 차이가 없었다.
- 대조 학습만 쓰면 음향 상관계수가 0.282에서 0.262로 나빠졌다. 변분 정규화를 더하면 0.274로 회복됐지만 기준보다 좋아진 것은 아니며 화자 정보 향상도 유의하지 않았다.
- 참가자가 한 명이고 화자 18명은 학습과 평가에 공통으로 들어간다. 들은 일본어만 다뤘고 현재 EEG 음성 복원 정확도는 실용 수준과 거리가 멀다.
- 932Research
The New Mathematics of Democracy
- 자체 실험표는 없으며 세 분야의 이론, 실제 선거 자료, 제도 도입 사례와 열린 연구 문제를 모아 해석한다.
- 글이 인용한 약 3천 건의 IRV와 STV 선거 분석에서는 IRV와 콩도르세 방식이 99퍼센트 넘게 같은 승자를 골랐다. 다만 다른 규칙을 실제로 썼다면 유권자 행동도 달라질 수 있다.
- 배낭 투표는 실제 참여예산 선거 32건에 쓰였다. 균등 몫 방식은 폴란드 비엘리치카에서 승인 사업을 하나도 받지 못한 유권자 비율을 기존 방식의 28퍼센트에서 18퍼센트로 낮췄다.
- 겹치는 인구 할당량을 만족하는 시민 패널의 존재를 판정하는 일은 NP 완전이다. 관련 도구 Panelot은 2024년과 2025년의 서로 다른 294일에 시민 의회 추첨 1,071건에 쓰였다.
- 균등 몫 방식은 예산을 남길 수 있고 비례성과 전체 만족도도 충돌할 수 있다. AI는 결정을 대신하기보다 시민의 표현을 검토 가능한 수학 표현으로 옮기는 보조 수단이어야 한다고 본다.
- 931Computer Vision
HiFi-BRep: High-Fidelity Latent Representation for Robust B-Rep Generation
- 면과 모서리를 분리해 처리하되 실제로 연결된 쌍만 정보를 교환하게 한다. 학습 가능한 질의 48개로 입력 길이와 무관한 압축 표현을 만든다.
- 중복 제거와 복잡도 제한 뒤 DeepCAD 형상 8만 3,611개와 ABC 형상 18만 6,148개로 학습했다. Valid는 STEP 내보내기, 물이 새지 않는 폐곡면과 매니폴드 연결을 모두 통과한 비율이다.
- 무조건 생성의 Valid는 DeepCAD 72.20퍼센트, ABC 32.66퍼센트로 DTGBrepGen의 43.20퍼센트와 24.88퍼센트보다 높았다. 다만 ABC의 분포 지표 COV, MMD-CD와 JSD는 모두 DTGBrepGen이 더 좋았다.
- DeepCAD 재구성에서 전체 모델의 Valid는 95.2퍼센트였다. 형상을 먼저 복원한 뒤 연결 관계를 예측하면 69.3퍼센트로 낮아졌고, 비병렬 생성 시간은 형상당 3.83초였다.
- 닫힌 입체와 정해진 최대 면 및 모서리 수만 지원한다. 잘못 잘린 면, 접합부 불일치, 가느다란 면과 자기 교차가 남으며 정확한 교차와 잘라내기는 CAD 커널에 맡긴다.
- 930Robotics
Neurosymbolic Embodied Agents
- 첫 단계는 여러 시점과 시뮬레이터 안에서 직접 열어 보거나 집어 보는 상호작용으로 물체 위치와 관계를 확인한다. 보지 못한 물체를 모델의 추측만으로 상태에 넣지는 않는다.
- 두 번째 단계는 현재 상태에서 조건을 만족하는 행동 토큰만 생성하게 한다. 탐색 시간은 과제당 최대 250초였고 완성된 계획은 실행 중 피드백을 받지 않는다.
- VirtualHome 200개와 ALFWorld의 미공개 분할 134개를 평가했다. 전체 행동 예산은 각각 20회와 55회였으며 모델에는 장면 그래프나 정답 상태를 보여주지 않았다.
- Qwen3.5-27B의 ALFWorld 성공률은 제약만 썼을 때 32.3퍼센트, 탐색만 썼을 때 29.2퍼센트, 둘을 합쳤을 때 95.5퍼센트였다. 같은 모델 크기끼리 두 환경의 비용을 평균하면 생성 토큰은 긴 추론 방식보다 최대 4배 적었다.
- 남은 실패는 주로 첫 단계에 몰렸다. 상태를 잘못 얻은 비율은 VirtualHome 약 2.3퍼센트, ALFWorld 약 4.5퍼센트였으며 작은 물체를 놓치는 시각 오류가 대표적이었다.
- 929AI / General
Improving the matrix multiplication exponent with modern optimization and AlphaEvolve
- 새 결과는 행렬 곱셈의 연산 수가 이론상 입력 크기의 2.371177제곱보다 조금 작은 수준 안에 든다는 상한이다. 실사용 행렬 곱셈 시간을 측정한 결과는 아니다.
- 기존 조합 손실 분석은 최대 재귀 깊이 3에서 약 2만 5천 변수를 썼다. 새 방식은 깊이 4에서 약 700만 변수를 다뤘다.
- 확률 분포는 소프트맥스로 표현하고 최대 엔트로피 분포는 Sinkhorn-Knopp 계산으로 구했다. 자동 미분과 Adam을 쓰고 JAX 텐서 계산으로 병렬화했다.
- 기울기 방식만으로 이전 상한을 약 0.000097 낮췄다. AlphaEvolve가 최적화 코드를 바꾼 뒤 전체 개선 폭은 약 0.000162가 됐으며 후보 한 번은 단일 GPU에서 약 5시간 걸렸다.
- 최종 해를 유리수로 반올림하고 로그에도 안전한 방향의 유리수 경계를 적용해 검증했다. 저자들은 큰 추가 개선에는 새로운 수학 아이디어가 필요하다고 밝혔다.
- 928Robotics
HiPHI: A Large-Scale Benchmark for High-Precision Human Motion and Object-Interaction
- 전체 617.5시간은 전신 동작 371.8시간과 물체 상호작용 245.7시간으로 구성된다. 약 2억 10만 프레임이며, 22개 FrameNet 범주와 세부 동작 표지 214개가 있다.
- 물체 상호작용에는 12개 종류의 실제 물체 40개를 썼다. 무게는 0.45킬로그램에서 6.25킬로그램이며 물체 궤적과 3D 모형이 동기화돼 있다.
- 각 자료에서 최대 5천 개의 1초 구간을 뽑아 비교했다. HiPHI가 차지한 동작 공간 칸은 1,620개로 BONES-SEED의 1,438개보다 많았고, 희귀 영역 비율도 14.1퍼센트로 10.7퍼센트보다 높았다.
- 바닥 기준이 같은 자료끼리 비교했을 때 바닥 관통 깊이는 8밀리미터였다. 물체와 인체가 겹치지 않는 비율은 98.1퍼센트, 물체 표면 20센티미터 안에 인체가 있는 비율은 95.7퍼센트였다.
- 자료량을 3시간과 20시간으로 맞춘 Unitree G1 전신 동작 추적 실험에서 가장 높은 성공률을 보였다. 다만 그래프에 정확한 수치는 없고 실제 로봇 결과도 사례 영상 중심이며, 전체 자료도 논문 작성 시점에는 공개 예정 상태였다.
- 927Robotics
Zetta $ζ$: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence
- LIBERO-Pro는 고정된 파이0.5를, RoboCasa는 고정된 GR00T N1.5를 기본 정책으로 썼다. 감시 코드는 이상을 제안하고 고정된 조정 에이전트가 복구 실행 여부를 결정한다.
- RoboCasa는 과제마다 개발 조건 50개와 별도 시험 조건 50개를 썼다. LIBERO-Pro도 개발 조건 50개와 겹치지 않는 시험 조건 20개를 사용했다.
- RoboCasa는 네 차례 누적 개선을 거치며 73.56퍼센트에서 93.56퍼센트로 올랐다. LIBERO-Pro의 Goal T와 Goal S는 각각 31.0퍼센트에서 92.5퍼센트, 38.0퍼센트에서 89.0퍼센트로 올랐다.
- PnP-Stove에서 익힌 복구 기술을 관련 과제 3개에 추가 개선 없이 적용하자 평균이 64퍼센트에서 84퍼센트로 올랐다. 8대의 A100 실험에서는 동시 실행 16개에서 분당 22.09회를 처리했다.
- 초록의 LIBERO-Pro 90.8퍼센트와 본문 표 3의 전체 평균 71.13퍼센트는 서로 일치하지 않아 여기서는 표 수치를 썼다. 실제 로봇 영상은 제시하지만 정량 평가는 보고하지 않아 시뮬레이션의 개선 폭을 그대로 현실 성능으로 보면 안 된다.
- 926LLMs / NLP
ClawGym II: Exploring Black-Box RL on Agent Harness
- 작업 환경과 실행 도구를 각각 임시 환경에 격리한다. 모델 요청은 중간 서버가 받아 입력 토큰, 출력 토큰과 생성 확률을 기록한다.
- ClawGym-Bench는 코드 검사만 쓰거나 코드 0.7과 평가 기준 0.3을 합산했다. 평가 기준 판정에는 GPT-5.4를 썼고, PinchBench는 멀티모달 과제를 뺀 30개를 평가했다.
- Qwen3-30A3B 계열의 PinchBench 점수는 OpenClaw에서 콜드 스타트 초기 모델의 75.61에서 87.32로 올랐다. Claude Code에서는 원본 모델의 54.14에서 71.42로 올랐다.
- 같은 실행 예산에서 PPO는 256개 과제를 한 번씩, GRPO는 32개 과제를 여덟 번씩 실행했다. 두 방식 모두 약 200회에서 400회 학습 동안 성능이 안정적으로 올랐다.
- JobBench-Easy는 20.46에서 27.20으로, OfficeQA-Full은 8.53에서 21.54로 올랐다. WhiteBox AgentLoop에서 학습한 모델을 OpenClaw로 옮긴 점수는 50.33으로, OpenClaw에서 직접 학습한 62.62보다 낮았다.
- 925Computer Vision
GenRouter: Unified Workflow Routing for Agentic Image Generation
- GenCanvas는 가벼운 직접 생성부터 검색, 공간 밑그림과 반복 검증을 쓰는 무거운 흐름까지 정해진 틀로 제공한다.
- GenRouter는 요구 분석, 후보 제거, 경험 기록 매칭과 품질 대비 비용 필터 순서로 알맞은 흐름을 고른다.
- 주요 비교는 Qwen-Image-2512와 Z-Image-Turbo를 생성기로 쓰고 공통 언어 및 시각 도구를 Kimi K2.5로 맞춘 조건이다.
- 9개 벤치마크에서 뽑은 500개 혼합 문장 실험에서는 세 벤치마크의 경험을 쌓은 뒤 점수가 73.5에서 75.2로 오르고 비용과 시간은 각각 8.7퍼센트와 7.9퍼센트 줄었다.
- 새 벤치마크마다 평가와 분리된 보정 문장 10개를 쓰며, 각 문장에 가능한 작업 흐름과 생성기 조합을 모두 실행한다. 비용과 시간 가중치도 사람이 정하므로 완전한 무준비 적용으로 보기는 어렵다.
- 924Robotics
$τ_0$-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation
- 상위 정책은 현재 관찰, 전체 지시, 이전 작은 작업과 실행 기록을 함께 보고 다음 작업을 제안한다.
- 추가 계산에서는 후보를 여러 단계로 넓히고, 예측한 마지막 장면과 누적 점수로 좋은 후보만 남긴 뒤 최종 작업을 다시 생성한다.
- 긴 작업 4종을 과제당 실제 로봇 10회씩 평가했다. 같은 하위 정책을 쓴 직접 실행의 평균 성공률 27.5퍼센트가 검색 없는 계층형 실행에서 45.0퍼센트로 올랐다.
- 추가 계산을 켠 3개 과제의 성공 횟수는 차 만들기 5회에서 7회, 책 정리 6회에서 9회, 방 청소 5회에서 7회로 늘었다.
- 보지 못한 책 배치의 다음 작업 예측 정확도는 단일 예측 50.0퍼센트, 한 단계 후보 비교 57.5퍼센트, 여러 단계 추가 계산 74.0퍼센트였다. 다만 과제별 추가 학습과 기준값 조정이 들어갔다.
- 923Computer Vision
An Empirical Study of Training Pixel-Space Text-to-Image Diffusion Models
- 같은 Z-Image 구조와 200억 쌍이 넘는 동일 자료 조건에서 예측 공간만 바꾼 실험은 픽셀 사전학습의 느린 수렴을 보여줬다.
- DiP 디코더는 1,024 해상도와 단일 H800에서 디코더만 실행했을 때 매개변수 1,009만 개와 6.02밀리초를 사용했고, GenEval 0.7545와 DPG 87.54를 기록했다.
- 잡음 크기 실험에서는 2가 GenEval 0.7545와 DPG 87.54로 가장 좋았다. 이론에서 나온 값 8은 각각 0.7316과 85.64에 그쳤다.
- 1,024 해상도, 단일 H800과 100회 모델 계산 조건에서 Z-Image 생성 시간은 20.12초에서 4.56초로 줄었고 GenEval은 0.7510에서 0.7644로 높아졌다.
- 같은 Z-Image 비교에서 OneIG는 0.566에서 0.564로, LongText는 0.9332에서 0.9252로 조금 낮아졌다. 검증된 모델 계열도 Z-Image와 FLUX2-klein 두 종류다.
- 922Machine Learning
Proteus: Incremental Memory Activation for Long-Context Sequence Modeling
- 기본 실험은 메모리를 16개 블록으로 나눴다. 읽기와 쓰기를 모두 현재 활성화된 블록에만 허용하고 잠긴 블록은 열릴 때까지 보존한다.
- 13억 매개변수와 학습 토큰 1천억 개 조건에서 Titans의 WikiText 혼란도는 15.36에서 14.94로, LAMBADA 혼란도는 13.18에서 13.03으로 낮아졌다.
- FineWeb에서 8K 문맥으로 학습한 뒤 16K로 평가한 S-NIAH-3에서 Titans 정확도는 21.4에서 29.8로, S-NIAH-2는 69.4에서 74.2로 높아졌다.
- LongBench 6개 과제 평균은 Hope-Attention이 15.72에서 16.65로, Comba가 13.05에서 13.23으로, Titans가 13.80에서 14.15로 올랐다.
- 최적 활성화 순서는 따로 찾지 않았다. MLP 블록으로의 확장도 Hope-Attention 한 구조에서만 확인한 개념 검증 수준이다.
- 921Computer Vision
HarnessEval-W: Agentifying the Evaluation of Visual Worlds
- 평가 항목은 렌더링, 물리 관찰, 탐색 전환, 의도 전환, 물리 전환, 불필요한 장면 변화 억제, 재방문 일관성과 화면 밖 변화까지 8개다.
- 평가기는 질문을 측정 가능한 작은 문제로 나누고, 필요한 기술과 도구만 골라 장면 근거를 수집한다.
- 같은 330개 사례에서 Seedance 2.0이 종합 75.5점으로 1위였다. 다만 모델마다 입력 방식이 달라 완전히 같은 입력 조건의 직접 대결로 보면 안 된다.
- 9개 모델에서 모은 사람의 비교 판단 5천 건과 대조했을 때 의도 전환의 스피어먼 순위 상관계수는 0.93, 물리 전환은 0.87이었다.
- 같은 영상과 GPT-5.5 평가기 조건에서 기존 WBench보다 사람 판단 일치율이 높았다. 다만 검증은 8개 조건 중 두 개에 집중됐고 평가 기술이 준비되지 않은 새로운 상황에는 알맞은 방법을 찾지 못할 수 있다.
- 920Machine Learning
Forecast Collapse in Time-Series Foundation Models
- Finance1K는 2015년부터 2026년 초까지 미국 주식 1,000개의 시간별 자료 28,510개 시점으로 구성된다. 주가 수익률과 거래량 변화를 같은 조건에서 비교한다.
- 주가 수익률처럼 예측 가능한 신호가 적은 목표에서는 정확한 점 예측도 실제 변동보다 작아질 수 있다. 종목별 오차만 줄이는 학습은 같은 시점의 종목 순서를 직접 보장하지 않는다.
- 기준 모델에서 평균제곱오차 학습의 예측 폭은 실제의 0.027배였고 종목 순서를 재는 IC는 0.046이었다. CalibRank는 예측 폭 1.836배에서 IC 0.126을 기록했다.
- 12개 예측 모델에서 CalibRank는 모든 모델의 IC를 높였다. 평균 IC는 0.062에서 0.123으로 올랐고, 평균제곱오차는 0.00043에서 0.00058로 변했다.
- 종목 사이 문제와 해결책은 Finance1K 한 자료에서만 확인됐다. CalibRank는 피어슨 상관계수 하나만 다루며, 꼬리 위험이나 전체 공동분포를 모델링하지 않고 단일 시계열에도 그대로 적용할 수 없다.
- 919AI / General
Scaling Domain Data Repetition in LLM Pretraining
- 코드, 수학, 위키와 의료 4개 분야를 시험했다. 고유 전문 데이터 비율은 전체 학습량의 2.5퍼센트, 5퍼센트와 10퍼센트로 두고 각 데이터를 1회부터 7회까지 반복했다.
- 적정 반복 횟수와 최소 검증 손실의 피어슨 상관계수는 마이너스 0.944였다. 모델 크기와는 0.400, 고유 데이터 비율과는 0.018이었다.
- 수학 데이터의 적정 반복 횟수는 약 5회에서 6회였고 의료 데이터는 약 3회에서 4회였다. 같은 전문 데이터 총량에서 수학은 4회 반복까지 손실 증가가 작았지만 위키는 2회를 넘으면 성능 저하가 뚜렷했다.
- 수학 데이터와 일반 웹 데이터의 총비율을 고정하면, 반복 횟수가 바뀌어도 ArXiv와 뉴스 자료의 검증 손실은 대체로 안정적이었다. 학습률을 일찍 낮추면 더 적은 반복에서도 성능 저하가 시작됐다.
- 한 번의 학습에서는 전문 분야 하나만 반복했다. 여러 분야를 함께 반복할 때의 상호작용과 작은 모델 결과로 큰 모델의 정확한 반복 횟수를 예측하는 공식은 아직 제시하지 않았다.
- 918Computer Vision
Can We Defend Against AI-Generated Video Attacks on Real-World Crisis Events? A Systematic Evaluation of Detectors, Generators and Social Dissemination
- RA-Bench는 실제 영상 1,830개와 생성 영상 16,056개를 합친 17,886개 영상으로 구성된다. 실제 영상은 10개 사회 위험 범주를 다룬다.
- 전통 탐지기 7개의 공개 자료상 AUC는 67.6퍼센트에서 98.6퍼센트였다. RA-Bench의 생성기별 평균은 43.9퍼센트에서 57.3퍼센트에 그쳤다.
- 사람은 오픈소스 생성 영상의 68.6퍼센트를 합성으로 알아봤지만 비공개 생성기 영상은 52.9퍼센트만 알아봤다. 다섯 명 모두 진짜라고 판단한 생성 영상도 633개였다.
- 압축, 화면 축소, 초당 프레임 감소와 뉴스 배지를 모두 적용하자 추가 학습된 멀티모달 탐지기의 평균 생성 영상 탐지율이 46.0퍼센트에서 1.4퍼센트로 떨어졌다.
- 실험은 9개 이미지 기반 영상 생성기와 소리 없는 영상 탐지에 한정된다. 실제 허위 정보에는 음성 합성, 편집과 여러 플랫폼의 반복 처리도 함께 쓰일 수 있다.
- 917Research
The Okinawa Lectures on Entropy
- 클라우지우스, 볼츠만, 깁스, 아인슈타인, 폰 노이만, 섀넌, 레니와 콜모고로프가 엔트로피 개념을 어떻게 확장했는지 역사부터 설명한다.
- 고전 엔트로피는 큰 변동의 확률이 표본 수에 따라 얼마나 빠르게 줄어드는지를 나타내는 값으로 풀이한다. 사노프, 크라메르, 게르트너 엘리스와 바라단 정리를 중심으로 전개한다.
- 고전 및 양자 가설검정에서 한 종류의 오류를 제한했을 때 다른 오류가 줄어드는 속도가 상대 엔트로피와 같다는 점을 설명한다.
- 유한한 양자 상태의 폰 노이만 및 우메가키 엔트로피에서 시작해, 임의의 폰 노이만 대수에서 아라키와 울만의 상대 엔트로피를 정의하는 과정까지 다룬다.
- 마지막에는 고전의 콜모고로프 시나이 엔트로피와 양자 동역학 엔트로피를 연결한다. 자료의 배열과 접근법, 일부 증명을 빼면 새 내용은 없다고 저자가 밝히며 열역학 제2법칙과 블랙홀 적용은 다루지 않는다.
- 916Computer Vision
Self-Supervised Visual On-Policy Distillation
- 교사 모델은 깨끗한 이미지를 본다. 학생 모델은 같은 이미지의 손상된 버전을 보고 자기 답을 만든 뒤 교사의 출력 분포를 배운다.
- 가장 좋은 설정은 학생 이미지의 해상도를 원본의 0.3배에서 0.6배로 낮추고, 절반의 확률로 가우시안 잡음을 더하는 방식이었다.
- 학습에는 Qwen3.5 4B와 9B를 사용했다. 평가는 시각 인식 6종과 수학 추론 3종에서 진행했다.
- FineVision 질문 1만 2천 건으로 학습한 4B 모델의 시각 인식 6종 평균은 70.68퍼센트에서 77.44퍼센트로 6.76퍼센트포인트 올랐다.
- 같은 이미지를 교사와 학생에게 보여 준 실험은 평균 70.52퍼센트에 그쳤고 정보 차이를 준 전체 방법은 76.35퍼센트였다. 다만 일부 분석은 주요 평가보다 짧은 출력 제한을 사용했다.
- 915LLMs / NLP
SimpleOPD: Simple Tokenizer-Agnostic On-Policy Distillation for Long-Context Reasoning
- 두 모델에서 같은 문자열 구간을 차지하는 토큰만 교사 모델의 점수와 연결하고, 맞지 않는 부분에는 학생 모델 자체의 점수를 사용한다.
- 교사 모델은 10만 토큰이 넘는 추론이 가능한 SU-01이다. 학생 모델은 Qwen3, Qwen3.5, Intern-S2, GLM-4.7과 Gemma-4 계열이다.
- ProofBench는 DeepSeek-V4-Flash가 채점했으며 Intern-S2의 점수는 21.70에서 44.50으로 올랐다. AnswerBench는 76.03에서 80.10, AIME25는 88.33에서 95.00으로 올랐다.
- 수학 자료만으로 학습했지만 Intern-S2의 HiPhO 점수는 38.6에서 41.1, FrontierScience Research는 1.7에서 5.0으로 올랐다.
- 종료 토큰의 교사 모방 손실을 제외하고 초기 학생 모델과의 출력 분포 차이를 제한하자 답변 잘림 비율이 거의 0까지 낮아졌다. 다만 Gemma의 AnswerBench는 68.8에서 67.5로 떨어져 모든 능력이 함께 좋아진 것은 아니다.
- 914Computer Vision
Marionette: Predicting World States, Rendering Geometry, Painting Appearance
- ActionGPT가 행동을 고르고 PoseGPT가 자세를 만든다. 고정된 그래픽 처리기가 뼈대와 가림 관계를 계산한 뒤 영상 생성 모델이 외형을 입힌다.
- 동작 모델은 초당 20프레임의 1,395개 구간으로 학습했고, 현재 동작 범위는 한 종류의 몬스터에 한정된다.
- 48개 시험 구간에서 잘못된 행동을 강제로 넣자 관절 오차가 0.272미터에서 0.357미터로 31퍼센트 늘어, 행동 토큰이 자세를 통제한다는 점을 보였다.
- 지면 충돌 규칙을 적용하자 관절이 땅을 뚫는 프레임 비율이 0.337에서 0.114로 줄었다. 거리 제한 규칙은 캐릭터 사이 거리를 21.2미터에서 5.1미터로 낮췄다.
- 영상 품질 지표 FVD는 831로 픽셀 기반 모델의 975보다 낮았지만 신뢰 구간이 겹쳤다. 장기 외형 변화와 학습 때와 다른 자세 입력 문제도 남아 있다.
- 913Computer Vision
SPARGen: Unifying Spatial Perception and Reasoning through Native Multimodal Generation
- 기존 시스템은 3D 복원과 공간 질문 답변을 서로 다른 모델이나 별도 모듈로 처리하는 경우가 많았다.
- SPARGen은 카메라 자세와 텍스트 답변은 토큰으로 만들고, 깊이와 점 지도, 광학 흐름은 이미지처럼 생성한다.
- 공간 추론, 시각 기하와 광학 흐름 자료를 함께 학습했으며, 64대의 H100 GPU에서 10만 번 학습했다.
- 공개 모델 비교에서 공간 추론 15개 세부 항목 중 13개가 1위였다. 추가 학습 없이 진행한 KITTI 광학 흐름 평가에서는 EPE 4.09와 F1-all 13.34를 기록했다.
- 전문 3D 모델 VGGT가 일부 복원 지표에서는 더 좋았다. 정규화된 깊이와 점 지도를 예측하므로 실제 미터 단위의 절대 크기도 알아낼 수 없다.
- 912AI / General
Intern-S2-Mobius: Foundation Model with Decoupled Knowledge and Reasoning
- 기존 트랜스포머는 지식 저장과 추론 계산이 층마다 묶여 있어, 다른 층의 지식이 필요하면 여러 층을 거쳐야 한다.
- Mobius는 모든 추론 층이 같은 지식 저장소를 읽게 하고, 토큰을 출력하기 전에 내부의 연속된 표현을 반복해서 다듬는다.
- 7B 비교에서는 기존 트랜스포머가 전체 학습 데이터를 썼을 때의 점수에 Mobius가 62.6퍼센트의 데이터로 도달했다.
- 35B 모델은 일반 평가 평균 67.88을 기록했다. 원래 Qwen3.5-35B와 비슷한 정확도를 유지하면서 질문 입력부터 답변 완료까지의 속도를 약 4배 높였다고 보고했다.
- 한 선형대수 사례에서는 같은 정답을 516개 토큰으로 내고 원래 모델은 2,364개를 썼다. 다만 짧은 추론과 높은 데이터 효율이 생기는 원리는 아직 가설 수준이다.
- 911Robotics
PRM-as-a-Judge 1.5: A Toolkit for Robot Process Assessment
- 성공률만 보면 거의 성공한 실패와 시작부터 막힌 실패를 구분할 수 없고, 성공 과정의 망설임과 불필요한 동작도 놓친다.
- 실행 영상을 진행 곡선으로 바꾼 뒤 도달 수준, 진행 효율, 정체, 후퇴와 회복을 여러 지표로 계산한다.
- 새 지표인 FNS는 실패가 성공에 얼마나 가까웠는지, DRR은 큰 후퇴 뒤 얼마나 회복했는지, SQS는 성공 과정이 얼마나 안정적이었는지를 보여준다.
- RoboDojo에서 성공률과 과정 지표의 모델 순위가 달랐고, 시뮬레이션과 실제 환경의 순위 상관도는 0.18에서 0.58에 머물렀다.
- RoboPulse++는 700개 실행 궤적과 사람 주석 구간 2,244개로 평가 모델을 검사한다. 진행 감소 구간의 최고 F1 점수도 0.63이어서 결과를 절대값처럼 받아들이면 안 된다.
연구에서 제품 적용까지
운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.
보유기술 보기