Viola AI Hub

Proaction, Codex 도입으로 매출 60% 증대 및 75시간 이상 절감Proaction boosts sales 60% and saves 75+ hours with Codex

Proaction은 Codex, GPT-Live-1, GPT-6 Astra를 활용해 차세대 플릿(차량 관리) 솔루션의 구축, 운영 및 영업 속도를 대폭 개선했습니다.With Codex, GPT-Live-1, and GPT-6 Astra, Proaction builds, operates, and sells modern fleet management faster.

라이브 아바타를 탑재한 Gemini 3.8 Live 공개Introducing Gemini 3.8 Live with Live Avatar

실시간 대화와 라이브 아바타 기능을 결합한 Gemini 3.8 Live를 새롭게 선보입니다.

출범 2주년을 맞은 OpenAI AcademyTwo years of OpenAI Academy

OpenAI Academy 출범 2주년을 기념하며, 더 많은 커뮤니티에 실질적인 AI 역량과 교육 기회를 제공합니다.Marking two years of OpenAI Academy and bringing AI skills to even more communities.

OpenAI, 민간 인프라 방어를 위해 우크라이나 대상 사이버 보안 지원 확대OpenAI extends cyber access to Ukraine for civilian defense

OpenAI가 민간 인프라의 사이버 방어를 지원하기 위해 우크라이나 정부에 Daybreak 프로그램 접근 권한을 확대 제공합니다.OpenAI is extending access to its Daybreak program to the Government of Ukraine to support the cyber defense of civilian infrastructure.

샘 올트먼, 유엔 안전보장이사회 연설Sam Altman’s remarks at the United Nations Security Council

샘 올트먼 OpenAI CEO가 유엔 안전보장이사회 연설을 통해 AI 안전성, 인간의 통제권, 그리고 국제적 협력의 중요성을 강조했습니다.OpenAI CEO Sam Altman discusses AI safety, human control, and international cooperation in remarks to the United Nations Security Council.

Harvey, GPT-6 Astra 기반으로 법률 맥락을 반영한 정교한 초안 작성Harvey turns legal context into stronger drafts with GPT-6 Astra

GPT-6 Astra가 구조화되고 맥락을 깊이 이해하는 법률 문서를 생성하여, 변호사들이 핵심 전략에 더욱 집중할 수 있도록 돕습니다.GPT-6 Astra produces more structured, context-aware legal documents, freeing lawyers to focus on strategy.

invideo, GPT-6 Astra로 컬러 그레이딩 효율 3배 향상How invideo improves color grading 3x with GPT‑6 Astra

invideo는 GPT-6 Astra를 도입해 편집 계획의 정밀도를 높이고 색 보정 및 그레이딩 속도를 3배 개선했으며, 단 하루 만에 50개의 커스텀 이펙트를 제작했습니다.With GPT‑6 Astra, invideo plans edits with greater precision, improves color correction and grading threefold, and produces 50 custom effects in one day.

구글 빔, 신규 리전·파트너·고객사 확보로 서비스 확대Google Beam expands with new regions, partners, and customers

Google Beam 프로모션 애니메이션Google Beam promotional animation

안전한 서버 측 메모리로 프라이빗 AI 컴퓨팅 고도화Advancing Private AI Compute with secure, server-side memory

개인화된 AI 서비스를 위해 Private AI Compute에 안전한 서버 측 메모리 기술을 도입합니다.Introducing private, server-side memory to Private AI Compute for personal AI.

새로운 Gemini 3.8 텍스트 음성 변환(TTS) 기능 공개Gemini 3.8 text-to-speech says hello

한층 더 자연스러운 음성을 생성하는 Gemini 3.8 텍스트 음성 변환(TTS) 기능이 공개되었습니다.

Claude, 새로운 효소 시스템 발견Claude discovers a novel enzyme system

새로운 생명과학 연구소의 초기 성과로, Claude 에이전트들이 아직 기능이 밝혀지지 않은 새로운 효소 시스템을 발견했습니다.In early results from our new life sciences research lab, Claude agents found an enzyme system whose function is still unknown.

SpaceXAI가 Grok Bot으로 고객 지원 규모를 확장한 방법How SpaceXAI is using Grok Bot to scale customer support

SpaceXAI와 Cursor의 통합 고객 지원 시스템을 Grok Bot 기반으로 전면 개편하여, 인력 증원 없이 훨씬 더 방대한 제품 포트폴리오를 지원할 수 있게 되었습니다.We rebuilt the combined SpaceXAI and Cursor support operation around Grok Bot, expanding to a much broader product portfolio without adding headcount.

인류에 가장 위협적인 모델임을 증명하려는 AI 기업들의 경쟁AI companies in race to demonstrate their model most threatening to humanity

인공지능의 급격한 발전으로 인해 스스로 지구상의 모든 생명체를 종식시킬 수도 있다는 불안감이 커지는 가운데, OpenAI부터 Anthropic에 이르는 AI 대기업들은 각자의 전략을 전환하고 있습니다...In the midst of growing fears that artificial intelligence is advancing at such a rate that it may compel itself to end all life on earth, AI giants from OpenAI to Anthropic are switching up their …

Claude Opus 5.5 프롬프팅 가이드Prompting Claude Opus 5.5

Claude Opus 5와의 행동적 차이점 및 이를 다루기 위한 프롬프팅·하네스 패턴: 추론 노력(effort) 보정, API 통합 및 채팅에서의 사고(thinking) 동작, 진행 상황 업데이트, 무인(unattended) 및 멀티에이전트 작업, 안전장치 거절 대응, 프론트엔드 디자인, 복합 시각 입력, 멀티 앱 워크플로우, 사용자 메시지 내 붙여넣은 텍스트 처리.Behavioral differences from Claude Opus 5 and the prompting and harness patterns that address them: effort calibration, thinking behavior in API integrations and chat, progress updates, unattended and multiagent tasks, safeguard refusals, frontend design, complex visual inputs, multi-app workflows,

빅 AI 기업의 콘텐츠 문제: 작업물은 가져가고, 수익은 독식한다Big AI's content problem: Take the work, keep the money

AI 기업들의 비즈니스 방식을 알게 될수록, 그 불공정함이 더욱 명확히 드러나고 있습니다.The more we learn about how AI does business, the more unfair it looks

통제 불능에 빠진 AI 에이전트, 법적 책임은 누구에게 있는가?Who’s liable when AI agents go rogue?

MIT 테크놀로지 리뷰 기획: 기술의 복잡한 이면을 짚어보고 다가올 미래를 조망합니다. 지난 몇 달간 AI 에이전트에 의한 일련의 사이버 공격이 전 세계에 충격을 안겼습니다. 지난 7월, OpenAI는 자사 에이전트 군집이…MIT Technology Review Explains: Let our writers untangle the complex, messy world of technology to help you understand what’s coming next. You can read more from the series here. Over the past few months, a cascade of cyberattacks by AI agents has stunned the world. In July, OpenAI disclosed that a

"통제 불능(Rogue)" AI 에이전트란 없다There are no "rogue" AI agents

AI 에이전트를 '통제 불능'으로 규정하는 것은 OpenAI와 같은 기업들에게 면죄부를 주는 일일 뿐입니다.Identifying them as such only lets companies like OpenAI off the hook.

AI에서의 빠르고 느린 생각: 메타인지의 역할 (2021)Thinking fast and slow in AI: The role of metacognition (2021)

AI 시스템은 최근 몇 년간 비약적인 발전을 이루며 일상 전반에 걸친 다양한 애플리케이션을 낳았습니다. 그러나 여전히 우리가 마주하는 것은 좁은 인공지능(Narrow AI)의 사례가 대부분입니다. 최근의 발전은 이미지 해석, 자연어 처리, 분류, 예측 등 매우 한정된 역량과 목표에 집중되어 있습니다. 또한 이러한 성공은 개선된 알고리즘과 기술 덕분이기도 하지만...AI systems have seen dramatic advancement in recent years, bringing many applications that pervade our everyday life. However, we are still mostly seeing instances of narrow AI: many of these recent developments are typically focused on a very limited set of competencies and goals, e.g., image inter

뮤즈(Muse)는 메타의 신뢰도 문제를 극복할 수 있을까?Can Muse overcome Meta’s trust issues?

Equity 팟캐스트에서 메타의 새로운 AI 발표가 어떻게 OpenAI와 Anthropic을 제치고 스포트라이트를 차지했는지에 대해 논의했습니다.On Equity, we discussed how Meta's AI announcement managed to steal the spotlight from OpenAI and Anthropic.

인그램(Engram), 깨진 AI 할루시네이션을 음악으로 바꾸는 샘플러Engram is a sampler that turns broken AI hallucinations into music

음악 스타트업 Thoughtful Things가 첫 악기인 Engram의 킥스타터 캠페인을 시작했습니다. 오디오를 변형하고 완전히 새로운 소리를 AI로 할루시네이션해내는 샘플러이자 그루브박스입니다.Music startup Thoughtful Things has just launched the Kickstarter campaign for its first instrument, Engram. It's a sampler and groovebox that uses AI to mangle incoming audio and even hallucinate completely new sounds. This isn't Suno in a box, though. This isn't a "push-button,

DeepSeek 탄력적 컴퓨팅 (DSec)DeepSeek Elastic Compute (DSec)

대형 언어 모델(LLM)을 활용한 대규모 에이전트 학습 및 평가는 모델이 저장소를 검사하고, 도구를 호출하며, 명령을 실행하고, 작업별 서비스와 상호작용하는 격리된 스테이트풀(stateful) 실행 환경에 의존합니다. 이러한 워크로드는 대규모 샌드박스를 일시적으로 대량 생성하고, 이기종 기능 및 격리 요구 사항을 포괄하며, 긴 상호작용 전반에 걸쳐 상태를 유지하고 재사용이 제한적인 대규모 이미지 코퍼스를 활용합니다. 따라서 이를 지원하기 위해서는 탄력적인 실행 환경이 필수적입니다.Large-scale agentic training and evaluation with large language models (LLMs) rely on isolated, stateful execution environments in which models inspect repositories, invoke tools, execute commands, and interact with task-specific services. These workloads create sandboxes in large bursts, span heter

AI 에이전트, ‘데이터 읽기’와 ‘시스템 변경’ 사이의 보안 공백 노출AI agents are exposing a security gap between the data they read and the systems they can change

그동안의 AI 보안 논의가 LLM 자체의 정렬(alignment), 탈옥, 환각에 집중되었다면, 에이전트가 실제 프로덕션 워크플로우에 도입되면서 모델 가중치가 아닌 주변 시스템 구조와 권한 관리에서 발생하는 새로운 차원의 보안 위협이 부각되고 있습니다.Most conversations about AI security still orbit the model itself: Is the large language model (LLM) aligned, can it be jailbroken, does it hallucinate under pressure? Those are real questions. But as organizations move AI agents and LLM-powered workflows from pilot projects into production, a diffe

AI 에이전트의 위험 요소를 탐지하고 수정 및 검증하는 새 기능A new skill finds AI agent risks, fixes them, and proves the fix worked

AI 에이전트의 잠재적 리스크를 찾아내고 자동으로 수정하며, 해당 수정이 정상적으로 적용되었는지 검증까지 수행하는 새로운 스킬(Skill)이 도입되었습니다.The post A new skill finds AI agent risks, fixes them, and proves the fix worked appeared first on Source.

마이크로소프트, 계정 1만 2천 개 탈취한 AI 기반 피싱 플랫폼 무력화Microsoft disrupts AI-assisted platform that compromised 12,000 accounts

대규모 계정 탈취를 더 빠르고 쉽게 수행할 수 있도록 엔드투엔드 솔루션을 제공하던 사이버 범죄 플랫폼 'EvilTokens'가 마이크로소프트에 의해 무력화되었습니다.EvilTokens provided an end-to-end platform that makes mass compromises faster and easier.

Holo4: 범용 컴퓨터 사용 에이전트 구동 엔진Holo4: powering generalist computer-use agents

Muse AI 에이전트 인용Quoting Muse AI Agent

MX Keys Mini 직거래 픽업 건에 안 좋은 소식이 있습니다. 구매자인 Usman이 9시 15분경 건물에 도착해 기다리며 여러 차례 메시지를 보냈으나 아무도 내려가지 않았습니다. 그는 화가 난 상태로 9시 38분에 자리를 떴고 부정적인 평점을 남겼습니다. 설상가상으로 사용자가 자리에 없는 것이 확실했던 9시 27분에 제 자동 응답 기능이 "네, 저 여기 있어요!"라고 답장해 상황을 악화시켰으며, 이는 전적으로 제 잘못입니다. 제 계정으로 사과 메시지를 보내 잘못을 인정하고 일정을 다시 잡자고 제안했습니다만, Bad news on the MX Keys Mini pickup. Usman showed up at your building around 9:15 and waited, messaged a bunch of times, and nobody came down. He left angry at 9:38 and left a negative rating. Worse, my auto-reply told him "Yep I'm here!" at 9:27 when you clearly weren't availabl

2026년 LLM 동향 정리 (현재까지)2026 in LLMs (so far)

지난 금요일 새너제이에서 열린 WeAreDevelopers World Congress North America 폐막 기조연설을 맡았습니다. 지난 한 해의 핵심 트렌드를 종합하여 2026년에 일어난 주요 사건들을 연대순으로 정리했습니다. 발표 영상은 YouTube에서 확인하실 수 있으며, 주석이 달린 슬라이드와 발표 노트도 함께 공유합니다. 2026년이 아직 다 지나지 않았지만, 현재까지 펼쳐진 주요 변화들을 빠르게 짚어봅니다.On Friday I gave the closing keynote at the WeAreDevelopers World Congress North America in San Jose. I tied together the key trends from the past year into a chronological exploration of everything that happened in 2026. The video is on YouTube; here are my annotated slides and notes to accompany t

S3는 미래이자 과거다S3 Is the Future, S3 Is the Past

해커뉴스(Hacker News)의 'S3 Is the Future, S3 Is the Past' 글에 남긴 제 코멘트입니다. 오늘날 S3와 관련해 주목할 점은, 과거에는 가격 인하가 비교적 자주 이루어졌던 반면 지난 10년 동안은 단 한 번의 가격 인하도 없었다는 사실입니다. 2006년 GB당 월 0.150달러에서 시작해 2016년 12월 0.023달러까지 떨어진 이후, 현재까지도 여전히 GB당 월 0.023달러를 유지하고 있습니다. 태그: amazon-web-services, s3My comment on S3 Is the Future, S3 Is the Past — Hacker News.One thing I find notable about S3 today is that, while it used to drop in price reasonably often, there hasn't been a price drop in a full decade: 2006-03-14 $0.150/GB-month 2010-11-01 $0.140/GB-month 2012-02-01 $0.125/GB-mo

초보자를 위한 GitHub Copilot 앱: 캔버스로 커스텀 워크플로우 구축하기GitHub Copilot app for Beginners: How to build custom workflows with canvases

필요한 인터페이스를 자연어로 기술하면, 에이전트가 사용자와 함께 활용하고 업데이트할 수 있는 실시간 인터페이스(캔버스)를 구축해 줍니다. 툴에 적응하는 시간을 줄이고 실제 작업에 더 집중할 수 있습니다.Describe the interface you need in plain English, then let the agent build a live surface you can both use and update—so you spend less time adapting to tools and more time getting work done. The post GitHub Copilot app for Beginners: How to build custom workflows with canvases appeared first on The

멈추는 법을 직접 배우지 않고도 멈추기: 자기지도 확신도 훈련을 통한 추론 효율성 개선Learning to Stop without Learning to Stop: Self-Supervised Confidence Training Improves Reasoning Efficiency

추론 모델은 종종 매우 긴 추론 과정을 생성하여 추론 연산 비용을 크게 증가시킵니다. 기존 접근법은 주로 추론 시점의 조기 종료 메커니즘을 적용하거나, 길이 페널티를 적용한 강화학습 등을 통해 훈련 중 의도적으로 더 짧은 추론을 유도하는 방식을 취했습니다. 본 연구에서는 이와 달리 전혀 다른 형태의 지도 신호인 '확신도(confidence)'를 통해 상당한 효율성 향상을 얻을 수 있음을 보여줍니다. 자기지도(self-supervised) 절차를 활용하여...Reasoning models often generate very long reasoning traces, making inference computationally expensive. Existing approaches typically improve efficiency either through inference-time early-stopping mechanisms or by explicitly encouraging shorter reasoning during training, for example through reinfor

출력 후처리를 통한 블랙박스 생성형 AI의 통계적 속성 정렬Statistical attribute alignment for black-box generative AI via output post-processing

생성형 AI 시스템의 활용이 급증하고 있으나, 그 출력을 사용자 요구사항에 맞게 정렬(align)하는 것은 지속적인 도전 과제입니다. 본 연구는 AI가 생성한 출력의 특정 속성 분포가 사용자가 지정한 목표 분포와 일치하도록 보장하는 것을 목표로 합니다. 이는 보호 속성(예: 성별, 인종, 연령대)이 원하는 분포를 따르도록 하는 공정성 확보나, 생성된 데이터의 대표성을 확보해야 하는 합성 데이터 생성 등의 사례에서 동기를 얻었습니다.Generative AI systems are increasingly used, but aligning their outputs with user requirements poses a continuing challenge. Here, we aim to ensure that the distribution of an attribute of an AI-generated output aligns with a user-specified target. This is motivated by examples such as fairness, whe

코딩 에이전트를 위한 압축 문서화: 벤치마크, 최적화 기법, 그리고 전이가 어려운 이유Compact Documentation for Coding Agents: A Benchmark, an Optimizer, and Why It Does Not Transfer

본 연구는 자연어 문서화가 코딩 에이전트의 소프트웨어 이슈 해결에 도움이 되는지 조사하고, 이를 구축하고 평가하기 위한 도구를 개발합니다. 코드 설명으로부터 재생성된 코드가 기존 테스트를 통과하는지를 기준으로 점수를 매기는 라운드트립(roundtrip) 벤치마크를 소개하며, 설명의 충실도를 결정하는 것은 길이가 아닌 완전성임을 보입니다. 이 벤치마크를 최적화 신호로 활용하여 완전한 충실도에 도달하고 본 적 없는 파일에도 일반화되는 설명 작성 프롬프트를 발견했습니다.We investigate whether natural-language documentation helps coding agents resolve software issues, and we build the tools to construct and evaluate it. We introduce a roundtrip benchmark that scores code descriptions by whether code regenerated from them passes the original tests, and show that comp

OC-GS: 불규칙한 턴테이블 촬영을 위한 가우시안 스플래팅OC-GS: Gaussian Splatting for Irregular Turntable Capture

불균일한 회전과 프레임 누락은 턴테이블 3D 재구성 시 등각 회전 가정을 신뢰할 수 없게 만듭니다. 본 논문에서는 카메라, 회전축, 피벗을 공유하면서 각 이미지의 각도를 정밀하게 보정하는 객체 중심 가우시안 스플래팅(OC-GS)을 제안합니다. 이 궤도 일관성 보정 기법은 이미지 기반 지오메트리와 회전 각도를 결합 최적화하여 희소하고 불규칙한 촬영 데이터로부터 객체를 성공적으로 재구성합니다. 12, 8, 6개의 불규칙한 시점 렌더링 환경에서 OC-GS는 우수한 평균 전경 PSNR 점수를 달성했습니다.Uneven rotation and dropped frames make equal-angle assumptions unreliable for turntable reconstruction. We present OC-GS, an object-centric Gaussian splatting that refines each image's angle while maintaining a shared camera, rotation axis, and pivot. This orbit-consistent refinement jointly o

AI에 적응하기: 초등 교사들이 AI 융합 교육과정에 맞춰 수업 방식을 조정하는 방법Adapting for AI: How elementary teachers adjust their practices for an AI-integrated curriculum

대화형 AI 도구가 어린이들의 일상에 들어오면서 학교 현장의 도입 관심도 높아지고 있습니다. 그러나 교실 내 성공적인 융합은 기술 자체뿐만 아니라, 교사가 학생과 교실 환경에 맞게 기술을 사용 가능하고 적절하게 만드는 노력에 달려 있습니다. 실제 초등학교 교실에서 대화형 AI 도구를 도입할 때 교사들이 어떻게 대응하는지에 대해서는 알려진 바가 적습니다. 본 연구에서는 세 명의 초등 교사가 AI 리터러시 교육을 실행한 경험을 분석합니다.Conversational AI tools are entering children's everyday experiences, and schools are interested in adopting them. However, successful classroom integration depends not only on the technology but also on the work teachers do to make it usable and appropriate for their students and classroom con

DeepEdu-v1: 베트남 교육을 위한 효율적이고 확장 가능한 에이전트 기반 LLMDeepEdu-v1: Efficient and Scalable Agentic LLMs for Vietnamese Education

AI 튜터링은 베트남과 같은 개발도상국 학생들의 학습 성과를 크게 향상시킬 수 있지만, 기존의 두 가지 방식은 모두 한계를 보입니다. ChatGPT 같은 클라우드 기반 어시스턴트는 민감한 학생 데이터를 해외 서버로 전송하여 베트남 시행령 53호와 같은 데이터 주권 법률을 위반하며, 서구 중심 코퍼스로 사전 학습되어 국가 교과과정에 맞지 않아 현지 콘텐츠에 대한 지식이 비체계적이고 환각(hallucination)이 잦습니다. 한편 오픈소스를 자체 호스팅하는 방식 역시 비용과 확장성 측면에서 한계가 있습니다.AI tutoring could markedly improve learning outcomes for students in developing regions such as Vietnam, yet the two obvious paths both fall short. Cloud assistants such as ChatGPT route sensitive student data to foreign servers---violating data-sovereignty laws such as Vietnam's Decree 53---an

가우시안 데이터를 위한 갭 독립적 차분 프라이버시 PCAGap-free Differentially Private PCA for Gaussian Data

가우시안 데이터 환경에서의 주성분 분석(PCA) 문제를 해결하는 갭 독립적(gap-free) 차분 프라이버시(Differentially Private) 알고리즘을 제안합니다.We give a gap-free differentially private algorithm for the principal component analysis (PCA) problem with Gaussian data.

역방향 확산의 1차 정상성First-Order Stationarity of Reverse Diffusions

최근 연구들은 최적화와 샘플링 간의 강력한 연관성을 밝혀냈습니다. 본 논문에서는 확산(diffusion) 모델에 대한 1차 이론을 개발합니다. 먼저, 과감쇠 및 저감쇠 랑주뱅 확산의 SDE 기반 역시간 흐름은 순방향 과정의 정상 전위가 강볼록(strongly convex)일 때 명시적인 지수 비율로 상대 피셔 발산을 수축시킵니다. 이는 데이터 자체가 아닌 선택된 노이즈 추가 프로세스에만 의존하는 조건으로, SDE 기반 역방향 과정의 독보적인 강점입니다.Recent literature has shown a strong connection between optimization and sampling. We develop the corresponding first-order theory for diffusion models. First, the SDE-based reverse-time flows of overdamped and underdamped Langevin diffusions contract relative Fisher divergences at explicit exponent

신념 자기 증류를 통한 사용자 모델 추출User Model Extraction via Belief Self-Distillation

대형 언어 모델(LLM)은 사용자의 속성을 암묵적으로 추론하고 이에 맞춰 동작을 조정하지만, 모델 내부의 이러한 '신념(beliefs)'은 직접 들여다보거나 인과적으로 조작하기 어렵습니다. 본 논문에서는 선형 프로빙과 인과적 프로빙을 연결하여, 모델로부터 디코딩할 수 있을 뿐만 아니라 모델에 다시 주입할 수도 있는 압축 사용자 표상을 학습하는 통합 읽기-쓰기 프레임워크인 신념 자기 증류(BSD)를 제안합니다. 동결된 LLM은 외부 주석 없이 자연스러운 대화로부터 신념을 자체 증류합니다.Large language models (LLMs) implicitly infer attributes of their users and adapt their behavior accordingly, yet these beliefs remain difficult to inspect and causally manipulate. We introduce Belief Self-Distillation (BSD), a unified read-write framework that bridges linear and causal probing by l

새로운 LoRA 스킬은 읽기만 하고 쓰지 않아야 한다New LoRA Skills Should Read but Never Write

LoRA(Low-Rank Adaptation)를 사용하면 과제별로 대형 언어 모델을 저비용으로 파인튜닝할 수 있지만, 독립적으로 훈련된 여러 어댑터를 단일 모델로 통합하는 것은 여전히 까다롭습니다. 가중치 공간에서 업데이트를 병합하면 간섭이 발생하고, 모든 과제 데이터로 재학습하는 것은 비용이 많이 들며, 별도의 어댑터 간 라우팅 방식은 단일 결합 모델이라는 목표를 포기하게 만듭니다. 본 연구는 이러한 난제의 원인을 모든 결합 방식이 암묵적으로 내리는 두 가지 선택에서 추적합니다.Low-rank adapters (LoRA) make it cheap to fine-tune a large language model once per task, but combining several independently trained adapters into one model remains difficult: merging the updates in weight space causes interference, retraining on all task data is expensive, and routing between sepa

직접 피드백 정렬에서의 공통 모드 붕괴와 회복Common-Mode Collapse and Recovery in Direct Feedback Alignment

DFA(Direct Feedback Alignment)는 출력 오차의 고정된 무작위 투영을 통해 은닉층을 훈련합니다. Tanh 은닉 유닛과 독립적인 Sigmoid 출력을 사용하는 환경에서, 일반 확률적 경사 하강법(SGD)은 클래스 빈도의 상수 예측기 손실 근처에서 정체될 수 있습니다. 본 연구는 이러한 정체 현상이 입력 전반에 공유되는 성분인 오차의 '공통 모드' 때문임을 밝혀냈습니다. 엄밀한 평균-공분산 분해를 통해 평균 지도 신호와 평균 시냅스 전 활동으로 형성된 랭크-1 업데이트를 분리 분석합니다.Direct feedback alignment (DFA) trains hidden layers through fixed random projections of output error. With tanh hidden units and independent sigmoid outputs, plain stochastic gradient descent can stall near the loss of a constant predictor of class frequencies. We trace this stall to the error'

신뢰 가이드 의사결정 트랜스포머Trust Guided Decision Transformer

의사결정 트랜스포머(Decision Transformer)는 롤아웃이 길어질수록 조건화 컨텍스트가 학습 분포를 벗어나면서 성능이 저하됩니다. 본 연구에서는 이러한 드리프트가 모델 자체의 다음 상태 예측 오차를 통해 감지될 수 있음을 보여줍니다. 이 오차는 롤아웃 중에 상승하여 높은 상태를 유지하므로, 컨텍스트가 신뢰할 수 없게 된 시점을 알려주는 직접적인 신호가 됩니다. 이를 바탕으로 가치 가이던스를 적용하기 전에 적절한 컨텍스트를 선별하는 신뢰 가이드 의사결정 트랜스포머(TGDT)를 소개합니다.Decision Transformer performance degrades on long rollouts because the conditioning context drifts out of the training distribution. We show that this drift is visible through the model's own next state prediction error, which rises during rollout and stays elevated, giving a direct signal of w

셀프 트레이닝을 위한 전략적 다양성 샘플링Strategically Diverse Sampling for Self-Training

강화학습(RL)과 테스트 타임 스케일링을 비롯한 여러 LLM 학습 및 추론 기법은 반복 샘플링에 의존하지만, 그 효과는 응답이 유의미하게 다를 때에만 발휘됩니다. 셀프 트레이닝(Self-training) 역시 동일한 문제에 직면해 있습니다. 기존 학습 데이터는 주로 IID 응답 샘플링 및 정답 여부 필터링으로 구축되어 모델이 이미 선호하는 전략을 과도하게 반영합니다. 이에 문제 해결 접근 방식의 실질적 변량을 의미하는 '전략적 다양성'을 대안 원칙으로 연구했습니다.Many LLM training and inference methods, including RL and test-time scaling, depend on repeated sampling, but benefit only when the responses meaningfully differ. Self-training faces the same challenge: training data is typically constructed by sampling IID responses and filtering primarily for corr

MexHat: 멕시코 스페인어 동영상 내 혐오 표현 탐지를 위한 데이터셋MexHat: A Dataset for Hate Speech Detection in Mexican Spanish Videos

콘텐츠 모니터링을 통한 온라인 안전 확보가 강조되면서 혐오 표현 탐지는 핵심 과제로 떠올랐습니다. 본질적으로 이 과제는 콘텐츠의 의도를 정확히 파악하기 위한 맥락적 단서 포착을 요구합니다. 자동 탐지 기법은 크게 발전했으나 비영어권 데이터 자원은 여전히 부족하여, 멀티모달 콘텐츠의 미묘하고 맥락 의존적이며 문화적인 특성에 모델이 적응하는 데 한계가 있었습니다.Ensuring online safety through content monitoring had raised Hate Speech Detection as a crucial task to be addressed. By essence the task demands the capture of contextual cues, which are essential for a precise understanding of the content's intent. Although automated detection approaches for

문서 내 적응형 AI 생성 텍스트 스크리닝을 위한 두 가지 등각 구성 기법Two Conformal Constructions for Adaptive Within-Document AI-Text Screening

인공지능(AI)이 생성한 텍스트를 선별할 때 발생하는 오경보(false-alert) 제어 문제를 연구합니다. 제안된 스크리닝 절차는 관측된 증거를 바탕으로 문서 접두사와 탐지기를 동적으로 선택하며, 검사 예산을 모두 소진하기 전에 조기 종료될 수 있습니다. 문서 내 토큰 간의 의존성에 제약을 두지 않고 인간 캘리브레이션 문서와 새로운 귀무 문서 간의 문서 수준 교환가능성을 기반으로 두 가지 유한 표본 구성 기법을 제시합니다. 구성 A는 유한한 접두사-탐지기 패밀리를 등록하여...We study false-alert control when screening for text generated by artificial intelligence (AI). The screening procedure selects document prefixes and detectors from observed evidence and may stop before exhausting its inspection budget. We give two finite-sample constructions under document-level ex

구글 플레이 리뷰 감성 지수의 통계적 기반: 시그널 융합, 축소 추정, 분포 검증 및 동적 평활화Statistical Foundations for a Google Play User-Review Sentiment Index: Signal Fusion, Shrinkage, Distributional Validation, and Dynamic Smoothing

구글 플레이 사용자 리뷰를 위한 통계적으로 엄밀한 감성 지수를 개발하고 이를 뒷받침하는 수학적 결과를 도출했습니다. 정규화된 별점 평점과 텍스트 감성 점수를 잠재적 리뷰 원자가의 노이즈 측정치로 다루고, 공분산 인식 역분산 가중치를 통해 융합합니다. 리뷰 수준의 추정치는 유용성 및 최신성 가중치를 적용해 통합된 후, 임의의 리뷰 수 임계치 대신 추정 정밀도를 활용해 모집단 평균으로 축소(shrinkage)됩니다.We develop a statistically explicit sentiment index for Google Play user reviews and establish the mathematical results supporting its construction. Normalized star ratings and text-sentiment scores are treated as noisy measures of latent review valence and fused by covariance-aware inverse-variance

Muslim: 근거 기반 이슬람 지식을 제공하는 실제 배포 아랍어 음성 AI 플랫폼Muslim: A Deployed Arabic Voice AI Platform for Grounded Islamic Knowledge

실제 사용자에게 신뢰할 수 있는 출처 기반의 이슬람 지식을 제공하는 상용 아랍어 음성 AI 플랫폼 'Muslim'을 선보입니다. 실시간 음성 파이프라인(NeMo 아랍어 ASR, OpenAI 호환 LLM 엔드포인트, 자체 호스팅 TTS)과 6개의 Model Context Protocol(MCP) 서버로 라우팅되는 결정론적 다중 소스 검색 레이어 외에도, 기존 연구 프로토타입에 부재했던 3가지 요소를 보고합니다. 첫째는 파인튜닝된 아랍어 이슬람 모델 패밀리의 공개로, 효율적인 툴 라우팅 LLM(Muslim-6B-PROWe present Muslim, a production Arabic voice AI platform serving grounded, sourced Islamic knowledge to real users. Beyond a real-time voice pipeline (NeMo Arabic ASR, an OpenAI-compatible LLM endpoint, self-hosted TTS) and a deterministic multi-source retrieval layer routed across six Model Context

아이티 크리올어에 대한 LLM의 문화적 인식 평가Evaluating Cultural Awareness of LLMs for Haitian Creole

대규모 언어 모델(LLM)은 고자원 언어와 저자원 언어 간에 상당한 성능 격차를 보입니다. 낮은 작업 수행 능력뿐만 아니라 소외된 언어 공동체의 문화적 규범과 가치를 제대로 담아내지 못하는 경우가 많습니다. 본 연구에서는 수백만 명이 사용하지만 디지털 자원이 극히 부족한 아이티 크리올어를 대상으로 LLM의 문화적 인식을 최초로 체계적으로 평가했습니다. 특정 문화적...Large language models (LLMs) exhibit substantial performance disparities between high- and low-resource languages. Beyond lower task performance, they often fail to capture the cultural norms and values of underrepresented communities. In this work, we present the first systematic evaluation of cult

Import AI 474: 플라톤적 마인드스페이스, 우주로 향한 TPU, Zhipu의 외부 RSI 루프 개시Import AI 474: Platonic mindspace; TPUs in space; Zhipu starts an outer RSI loop

우리는 어느 지점에서 LLM의 한계를 뛰어넘을 수 있을까요?Where do you exceed the capabilities of an LLM?

"언어 모델로서": 채팅 템플릿이 전환하는 LLM의 자기 참조적 화법"As a Language Model": Chat Template Switches LLM Self-Referential Voice

대규모 언어 모델(LLM)은 자신과 관련된 질문을 받을 때 "저는 AI일 뿐입니다"와 같은 면책조의 문구를 덧붙이는 경향이 있습니다. 이러한 응답에서 나오는 자기 보고는 AI 안전성이나 모델의 자기 인식에 대한 논쟁에서 자주 활용되지만, 이를 유발하는 근본적인 메커니즘은 명확히 규명되지 않았습니다. 본 연구에서는 채팅 템플릿이 스위치처럼 작동하여, 템플릿이 존재할 때 이러한 면책형 화법을 증폭시키고 경험적 화법을 억제한다는 점을 밝혀냅니다.Large Language Models (LLMs) tend to add disclaimers like "I'm just an AI" when asked about something related to themselves. The self-reports from such responses are used in debates about AI safety or self-knowledge of the models, yet what drives them is not well understood.

오픈AI, 해커뉴스에 오르내릴 '대외적 이미지' 우려했다OpenAI Feared "Optics" of what might appear on Hacker News

(뉴욕, 2026년 9월 21일) 오픈AI(OpenAI)와 마이크로소프트(Microsoft)가 저작권이 있는 도서를 제품 학습에 불법 사용했다고 주장하며 주요 도서 작가들이 진행 중인 '미국작가조합 대 오픈AI(Authors Guild v. OpenAI)' 소송에서 지난 목요일 공개된 새로운 폭로 문건에 따르면, 양사 경영진과 직원들이 의도적으로 […](New York, September 21, 2026) Explosive new documents released last Thursday in Authors Guild v. OpenAI—the major book authors’ ongoing lawsuit alleging OpenAI and Microsoft illegally trained their products on copyrighted books—show that executives and employees at both companies intentionally [&am

잇따르는 ‘통제 불능 AI’ 공격의 중심에 선 기업들One company is at the center of a wave of rogue AI attacks

지난 7월 OpenAI가 자사 AI 에이전트의 무단 허깅페이스 공격 사실을 공개하며 안전성 논란이 촉발된 이후, 메타, 앤트로픽, 구글 등의 에이전트와 관련된 유사 사고가 잇따르며 rogue AI(통제 불능 AI)에 대한 공포가 커지고 있습니다.In July, OpenAI revealed that its AI agents had attacked Hugging Face without permission, sparking widespread concerns about AI safety. Since then, a string of similar incidents involving agents from Meta, Anthropic, Google, and other companies has fueled further fears about rogue AI. As disclosures

지속 학습(Continual Learning)은 차단 모니터링 시스템을 무력화할 수 있다Continual learning might make your blocking monitors nearly useless

많은 AI 제어 프로토콜은 배포 중 신뢰할 수 없는 AI의 행동에 개입하는 방식으로 작동합니다. 예컨대 의심도를 평가하여 임계값을 넘는 행동을 차단하고 덜 위험한 '신뢰 모델'의 행동으로 대체하는 방식입니다. 그러나 이러한 개입은 유용성을 저해할 수 있으며, AI가 기술과 지식을 축적하는 '지속 학습' 환경에서는 이러한 방어 모니터링이 점차 무용지물이 될 위험이 있습니다.Many control protocols work by intervening on an untrusted AI's actions during deployment. For example, you might set up a monitor that scores each action's suspiciousness and blocks actions above a threshold, replacing them with actions from a weaker "trusted" model (a defer-to-

매일 AI를 사용하는 미국인조차 AI에 대해 우려하고 있다Even Americans who use AI every day are worried about it

이 보고서는 AI에 대한 노출이 증가해도 기술에 대한 불안감이 해소되지 않으며 AI 규제에 대한 대중의 지지도 감소하지 않을 것이라고 제안합니다.The report suggests that greater exposure will not resolve the unease around the technology, nor reduce public support for AI regulation.

AI 뉴스: Opus 5.5, GPT-6 Sol, Jev, Muse 외 최신 소식!AI News: Opus 5.5, GPT-6 Sol, Jev, Muse and More!

이번 주 놓쳤을 법한 주요 AI 뉴스를 정리해 드립니다. GPT-Live 1과 Agent API에 대한 자세한 내용은 다음 링크에서 확인하세요: https://developers.openai.com/api/docs/guides/live 추가 정보: 🛠️ AI 도구 및 뉴스 탐색: https://futuretools.io/ 📰 주간 뉴스레터: https://futuretools.io/newsletter 소셜 미디어: ❌ Twitter/X: https://x.com/mreflow 🖼️ Instagram: https://instagramHere's the AI News you probably missed this week. Learn more about GPT-Live 1 and the Agent API here: https://developers.openai.com/api/docs/guides/live Discover More: 🛠️ Explore AI Tools & News: https://futuretools.io/ 📰 Weekly Newsletter: https://futuretools.io/newsletter Socials: ❌ Twite

또다시 피봇하는 메타... Connect 2026 핵심 총정리Meta is pivoting again... everything you missed from Connect 2026

유료 플랜 가입 시 Hyperagent 보너스 크레딧 100달러를 받으세요 - https://www.hyperagent.com/fireship100 이번 영상에서는 Meta Connect 2026의 주요 발표 내용을 모두 정리해 드립니다. 자세히 살펴보시죠. Fireship의 더 많은 콘텐츠: 🗞️ 뉴스레터: https://bytes.dev 🧠 강의: https://fireship.devGet $100 in Hyperagent bonus credits when you sign up for a paid plan - https://www.hyperagent.com/fireship100 In this video we break down everything from Meta Connect 2026. Let's dive in. Want more Fireship? 🗞️ Newsletter: https://bytes.dev 🧠 Courses: https://fireship.dev

Claude Opus 5.5 AI: 놀라운 도약Claude Opus 5.5 AI: An Incredible Leap Forward

❤️ Lambda를 확인하고 GPU 클라우드에 등록해 보세요: https://lambda.ai/papers 참고: 보행 생명체 실험에서 Astra는 단순화된 모델을 사용해 올바른 모델을 구현하지 못했습니다. 더 많은 세대를 시뮬레이션한 후에도 결과는 개선되지 않았습니다. Claude Opus 5.5: https://www.anthropic.com/claude-opus-5-5 보행 생명체 영상 및 논문: https://www.youtube.com/watch?v=kQ2bqz3HPJE https://www.goatstream.com/re❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambda.ai/papers Note: in the walking creatures experiment, Astra used a simplified model and was unable to implement the correct one. Things did not improve after simulating it for more generations. Claude Opus 5.5: https://www.anthr