Viola AI Hub

GPT-6 제품군 모델 가이드A model guide for the GPT-6 family

스타트업이 GPT-6 모델을 선택하고 추론 강도(reasoning effort)를 조정하며, 프롬프트와 스킬을 개선하고 툴을 연계해 프로덕션 워크플로를 구축하는 방법을 알아보세요.Learn how startups can choose GPT-6 models, tune reasoning effort, improve prompts and skills, coordinate tools, and prepare workflows for production.

채텀 파이낸셜, 오픈AI와 함께 자본시장 전문성 확장Chatham scales its capital markets expertise with OpenAI

채텀 파이낸셜(Chatham Financial)이 코덱스(Codex)와 GPT-5.6을 활용해 기술을 구축하고 워크플로를 재설계함으로써, 거래 검증 시간을 기존 30분에서 4분 미만으로 대폭 단축했습니다.Chatham Financial uses Codex and GPT-5.6 to build technology and redesign workflows, cutting trade validation from 30 minutes to under 4.

2026년 9월 발표된 최신 AI 소식The latest AI news we announced in September 2026

9월 AI 주요 업데이트를 소개하는 영상A video showing the September AI updates

Claude Frontier Academy: 엔지니어 1만 명 양성에 1억 달러 투자Claude Frontier Academy: $100M to train 10,000 engineers

Claude Frontier Academy는 Anthropic 자체 기준에 부합하는 Frontier 현장 배치 엔지니어(Frontier Deployed Engineers)를 양성합니다. 이는 2027년 말까지 10,000명을 육성하기 위한 1억 달러 규모의 프로젝트입니다.Claude Frontier Academy trains Frontier Deployed Engineers to the standard of Anthropic’s own — a $100 million commitment to train 10,000 by the end of 2027.

영원한 보완재: 혁신을 뒷받침하는 실행력The eternal complement

고급 AI는 획기적인 아이디어 뒤에 따르는 일상적인 반복 업무에서 가장 큰 진가를 발휘할 수 있습니다. 실행력이 향후 경제 구조와 발전 속도를 어떻게 바꿀 수 있는지 살펴보세요.Advanced AI may matter most for the routine work behind breakthrough ideas. Explore why execution could shape the next economy and the pace of progress.

앨버트슨스, 내부 혁신으로 유통 경험을 재정의하는 방법How Albertsons Companies is reimagining retail from the inside out

앨버트슨스(Albertsons Cos.)가 챗GPT 엔터프라이즈와 오픈AI API를 도입해 임직원의 업무 효율을 높이고, 수백만 고객의 식료품 쇼핑을 한층 더 편리하게 개선하고 있습니다.Albertsons Cos. is using ChatGPT Enterprise and the OpenAI API to help teams work faster and make grocery shopping easier for millions of customers.

소셜 클럽 더 덴, 챗GPT 워크 도입으로 매주 10~15시간 업무 절감The Den frees up 10-15 hours a week to grow with ChatGPT Work

새 지점 오픈을 준비 중인 소셜 클럽 더 덴(The Den)이 챗GPT 워크(ChatGPT Work)를 활용해 지원금 신청서 작성 시간을 3일에서 2시간으로, 주류 면허 관련 서류 준비 시간을 4일에서 3시간으로 줄였습니다.As it opens a new location, the social club prepares grant applications in 2 hours instead of 3 days and liquor-license materials in 3 hours instead of 4 days.

바클레이스, 운영 고도화 및 고객 경험 개선을 위해 Claude 도입 확대Barclays scales Claude to upgrade operations and improve client experience

영국계 글로벌 종합 금융 그룹 바클레이스(Barclays)가 전 세계 사업 부문에 안전한 엔터프라이즈급 AI 시스템을 통합하고자 Anthropic과의 전략적 협력을 확대합니다.Barclays, the British universal bank, is expanding its strategic collaboration with Anthropic to integrate secure, enterprise-grade AI systems across its global operations.

조직적 모델 증류 시도 차단Disrupting a coordinated model-distillation campaign

오픈AI가 보호 대상인 모델의 추론 메커니즘을 무단 추출하려는 조직적인 움직임을 차단한 경위와 적대적 증류(adversarial distillation) 공격에 대응하기 위한 방어 강화 조치를 공유합니다.Learn how OpenAI disrupted a campaign to extract protected model reasoning and is strengthening defenses against adversarial distillation.

Gemini 4 Argon: 프론티어 인텔리전스의 새로운 도약Gemini 4 Argon: our next era of frontier intelligence

SynthID Bio 공개Introducing SynthID Bio

생물학적 기능을 유지하면서 AI가 생성한 단백질에 워터마크를 삽입하는 기술의 개념 검증(PoC) 연구입니다.Proof of concept for watermarking AI-generated proteins while preserving biological function.

팀 봇(Team Bots): 일하면서 함께 학습하는 공유형 AI 팀원Team Bots: shared AI teammates that learn as they work

Grok Bot에 필요한 파일과 앱, 전문 지식을 부여한 뒤 이를 팀원들과 공유해 보세요. 팀 전체가 동일한 컨텍스트를 기반으로 협업할 수 있습니다.Give a Grok Bot the files, apps, and expertise it needs, then share it so your whole team can work from the same context.

Show HN: macOS 내 모든 사진과 동영상 프레임을 검색하는 AI 검색 도구Show HN: AI search for every photo and every frame of video on macOS

macOS의 모든 폴더 내에 있는 사진 및 비디오의 각 프레임까지 딥 검색할 수 있는 온디바이스 AI 검색 도구 - allenv0/SCMDeep AI search for every photo and every frame of video in any folder on macOS - allenv0/SCM

AI 시대, 순수 수학 연구의 미래는?What's the Future for Pure Math Research in the Age of AI?

스티븐 울프럼(Stephen Wolfram)이 언어 개발자이자 과학 연구자라는 독보적인 관점을 바탕으로 순수 수학과 AI의 미래에 대한 견해를 전합니다.Stephen Wolfram chimes in about the future of pure math and AI based on his unique perspective of language creator and scientific researcher.

망가진 조직 문화 때문에 OpenAI를 떠났습니다I quit OpenAI because its culture is broken

해커 뉴스 (추천 315점, 댓글 550개)Hacker News (315 points, 550 comments)

르쿤, AI의 인류 멸종 및 최근 발생한 '통제 불능' 사건에 "전혀 우려 안 해"LeCun has "zero concerns" about AI wiping out humanity, recent "rogue" incidents

전 메타(Meta) 수석 AI 과학자가 최근 발생한 AI의 돌발 행동 사건과 효과적 이타주의에 대한 견해를 밝히고, 신생 기업인 AMI Labs에 대한 향후 계획을 공유했습니다.The former Meta chief AI scientist shares his take on recent rogue AI incidents and effective altruism, as well as plans for his new company, AMI Labs.

Claude 및 Claude Code에서 Opus 5.5 최대한 활용하기Getting the most out of Opus 5.5 in Claude and Claude Code

Claude 앱 및 Claude Code에서 Opus 5.5 프롬프트를 작성하고 장기 실행 작업을 조율하며 결과를 확인하는 방법.How to prompt Opus 5.5, steer a long run, and check your results in Claude apps and Claude Code.

OpenAI 안전 리더 사임, AI 기업 조직 문화가 '망가졌다'고 경고OpenAI safety leader quits, warning AI company's culture is 'broken'

데이비드 로빈슨(David Robinson)이 급속도로 발전하는 기술에 대해 업계가 더욱 주의를 기울여야 한다고 촉구하는 내부 고발자 대열에 합류했습니다.David Robinson joins other insiders in urging industry to take more care over rapidly developing technology

OpenAI 안전 담당 직원, 사내 '문화가 무너졌다'며 사임OpenAI safety employee resigns, claiming the company’s ‘culture is broken’

데이비드 로빈슨은 스스로 인정하듯 선도적인 AI 기업을 퇴사하며 심각한 경고를 남기는 '일종의 클리셰' 같은 인물이 되었습니다.By his own admission, David Robinson is “something of a cliché”: an employee at a leading AI company who issues a dire warning while resigning from their job.

캡콤, 'AI와 함께 게임을 제작하는 미래' 대비 중Capcom is preparing for a ‘future where we create games together with AI’

캡콤의 신작 '프라그마타(Pragmata)'는 AI의 위험성을 다루고 있지만, 정작 개발진은 이 기술을 긍정적으로 바라보고 있습니다. '캡콤 오픈 콘퍼런스 RE: 2026'에서 프로그래머 이시다 사토시는 RE 엔진 고도화를 위한 REX 프로젝트의 향후 비전과 AI 협업 계획을 발표했습니다.Capcom's Pragmata might be all about the horrors of AI, but in practice the studio doesn't seem so down on the tech. During the Capcom Open Conference RE: 2026 programmer Satoshi Ishida gave a presentation with the mouthful of a title: "The Outlook and Future of the REX Project, Furth

애플, AI 에이전트의 권한 남용을 막기 위해 '전체 디스크 접근' 권한 체계 변경Apple changes full-disk access permissions to curb abuse from AI agents

메타는 기존 전체 디스크 접근 권한(FDA)만으로는 뮤즈의 메시지 판독을 제어하기에 충분치 않다고 주장했으나, 애플은 이에 반박하며 권한 체계를 새롭게 손질했습니다.Meta says FDA isn't sufficient to Muse reading messages. Apple begs to differ.

MIT와 사카나 AI, LLM 심사위원을 활용해 자기개선 코딩 에이전트의 평가 비용을 낮추는 프레임워크 공개New MIT and Sakana AI framework uses an LLM judge to cut evaluation costs for self-improving coding agents

코딩 에이전트는 프롬프트, 도구, 코드를 스스로 수정하며 성능을 개선할 수 있지만, 어떤 변화가 실제로 효과적인지 파악하고 검증하는 것은 까다롭고 비용이 듭니다. 이번 프레임워크는 LLM 판별기를 통해 이러한 평가 비용을 획기적으로 절감합니다.Coding agents can improve by changing the prompts, tools and code that guide their work. But finding which changes actually help and are worth preserving is challenging and expensive.Read more

마이크로소프트 디지털 방어 보고서: AI가 사이버 보안 지형을 재편하는 방식Microsoft Digital Defense Report: How AI is reshaping the cybersecurity landscape

본 게시물 'Microsoft Digital Defense Report: How AI is reshaping the cybersecurity landscape'는 Source에 처음 게재되었습니다.The post Microsoft Digital Defense Report: How AI is reshaping the cybersecurity landscape appeared first on Source.

자율형 AI로 재정의하는 엔터프라이즈 인텔리전스Redefining enterprise intelligence with autonomous AI

엔터프라이즈 AI는 더 이상 먼 미래의 목표가 아니라 본격적인 운영 단계에 진입했습니다. 모델 성능은 대다수 기업이 흡수할 수 있는 속도보다 빠르게 발전하고 있으며, 성능 대비 비용은 계속 하락하고 있습니다. 전 세계 AI 투자는 2026년 2조 5천억 달러에 달해 전년 대비 44% 증가할 전망입니다.Enterprise AI is no longer a future ambition. It is in full operational flight. Model capabilities are advancing faster than most organizations can absorb, while the cost of performance continues to fall. Globally, AI investment is set to reach $2.5 trillion in 2026, up 44% from the previous year. F

거의 모든 서비스에 기본 '하드 예산 상한선'이 필요한 이유We're going to need default hard budget caps on pretty much everything

앞으로 수개월, 수년 동안 전 세계에 절실히 필요해질 제품 기능이 하나 있습니다. 바로 '기본 하드 예산 상한(Hard budget caps)'입니다. 종량제 서비스와 API에서 '월 $X를 넘으면 서비스를 즉각 차단하고 에러를 반환'하도록 설정하는 기능을 의미합니다. 이는 반드시 하드 리밋이어야 합니다. '월 $X 초과 시 경고 이메일 발송' 같은 소프트 캡은 결코 충분하지 않습니다. 코딩 에이전트와 개인용 에이전트(친근한 UI로 감싼 코딩 에이전트)는 새로운 작업을 띄우는 장Here's a product feature which the world is going to need a whole lot more of over the coming months and years: default hard budget caps. I'm talking about the feature of pay-by-usage services and APIs that lets you say "after $X/month, cut this thing off and return errors". Thes

에이전트는 완료했다고 했지만, 데이터베이스의 생각은 달랐다The Agent Said It Was Done. The Database Disagreed.

AI가 바꾸는 개발자의 업무 방식: 강화해야 할 세 가지 핵심 역량AI is changing developer work. Here are three skills to strengthen.

AI 에이전트를 적절히 지휘하고 출력을 비판적으로 검토하며, 개발 워크플로의 중심에 엔지니어링 판단력을 유지하는 방법을 다룹니다. 본 게시물 'AI is changing developer work. Here are three skills to strengthen.'은 The GitHub Blog에 처음 게재되었습니다.Learn to direct AI agents, critically review their output, and keep technical judgment at the center of your workflow. The post AI is changing developer work. Here are three skills to strengthen. appeared first on The GitHub Blog.

모든 것을 애니메이션화하는 단 하나의 기반: 실시간 아바타를 위한 가우시안 블렌드셰이프 증류One Basis to Animate Them All: Gaussian Blendshape Distillation for Real-Time Avatars

3D 가우시안 아바타는 빠른 렌더링을 지원하지만, 실시간 애니메이션화 과정에서 연산 비용이 큰 신경망 추론 병목에 자주 직면합니다. 본 연구에서는 사전 학습된 아바타 모델의 애니메이션이 신원 무관 블렌드셰이프의 선형 결합으로 매우 근사하게 표현될 수 있음을 증명하여 이 문제를 해결합니다. 이를 바탕으로 매 프레임의 무거운 신경망 디코딩을 경량 계수 예측기로 대체하는 증류 기법인 GALA(선형 근사를 통한 가우시안 애니메이션)를 소개합니다.3D Gaussian avatars support fast rendering, however, their real-time animation is often challenged by the costly neural inference. We address this bottleneck and show that the animation of pretrained avatar models can be closely approximated by a linear combination of identity-independent blendshape

KaliBench: 런타임 없이 검증 가능한 보상을 지원하는 칼리 리눅스 기반 사이버 보안 도구 활용 벤치마크KaliBench: A Fine-Grained Benchmark for Cybersecurity Tool Use on Kali Linux with Runtime-Free Verifiable Rewards

LLM이 분석가의 의도를 도구 호출로 변환하는 사이버 보안 워크플로에 점점 더 활발히 적용되고 있습니다. 그러나 기존 평가는 지식 기반 평가나 엔드투엔드 에이전트 과제에 치중되어 있어, 실제 환경의 사이버 보안 도구를 실행할 수 있는 명령어를 생성하는 능력을 직접적으로 측정하지 못합니다. 미세한 구문 오류나 잘못된 플래그-값 매핑조차 치명적인 CLI 환경에 보안 운영이 크게 의존한다는 점에서 이러한 한계는 매우 결정적입니다.LLMs are increasingly applied to cybersecurity workflows, where they are expected to translate analysts' intent into tool invocations. However, existing evaluations focus on knowledge-based assessments or end-to-end agentic tasks, and do not directly measure LLMs' ability to generate execu

재구성하고, 연습하고, 실전으로: 임바디드 에이전트를 위한 유도형 자기 개선 프레임워크Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents

다양한 작업에 걸쳐 신뢰할 수 있는 로봇 역량을 구축하려면 기술 개발, 보상 설계, 인지-제어 통합 등 막대한 사람의 노력이 요구됩니다. 본 연구에서는 모델 가중치를 업데이트하지 않고도 로봇 실행 시스템을 자율적으로 개선할 수 있는 프레임워크인 RPG(Reconstruct, Practice, Go Real)를 제안합니다. RPG는 오프라인 데이터셋에서 조작 역량을 식별하고 시뮬레이션 환경에 연관된 연습 과제를 구축하며, 연습 과정에서 실행 피드백과 특권 정보를 활용합니다.Building reliable robot capabilities across diverse tasks requires substantial human effort to develop and maintain skills, design rewards, and integrate perception with control. We present Reconstruct, Practice, Go Real (RPG), a framework for autonomous improvement of robot execution systems withou

ScholarCatalyst: 새로운 연구에 영감을 주는 논문 검색 벤치마크ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research

위대한 과학자들을 위대하게 만드는 것은 무엇일까요? AI가 미해결 과제에서 성과를 내기 시작했음에도, 방대하게 축적되는 연구 자료 속에서 새로운 문제에 꼭 필요한 선행 아이디어가 무엇인지 직관적으로 포착하는 역량은 여전히 과학자들이 훨씬 앞서 있습니다. 이러한 역량을 연구하기 위해 본 논문에서는 완료된 프로젝트를 진전시킨 선행 연구를 직접 경험한 연구자들의 데이터를 활용했습니다. 저자 어노테이션을 확장 가능한 자동화 파이프라인으로 구축한 ScholarCatalyst를 소개합니다.What makes great scientists great? Even as AI systems start to make progress on open problems, scientists remain far ahead of them at sensing which prior idea, buried in an ever-growing archive of research, a new problem needs. To study this skill, we draw on researchers who know firsthand which ear

SILSA: 위상 보존 고해상도 3D 생성을 위한 슬라이딩 윈도우 슬라이스 잠재 공간SILSA: Sliding-Window Slice Latents for Topology-Preserving High-Resolution 3D Generation

고해상도 3D 생성은 복셀 잠재 표현과, 활성 구조를 먼저 예측한 후 로컬 형상을 합성하는 다단계 파이프라인에 점차 더 의존하고 있습니다. 이러한 방식은 효과적이지만 연속적인 표면을 수많은 로컬 토큰으로 파편화하여 생성 비용을 높이고, 얇거나 복잡하게 연결된 형상의 위상학적 일관성을 저해하는 문제를 안고 있습니다. 본 논문에서는 조밀한 슬라이딩 윈도우 슬라이스 잠재 공간으로 형상을 표현하는 위상 인식 3D 생성 프레임워크인 SILSA를 제안합니다.High-resolution 3D generation increasingly relies on voxel latents and multi-stage pipelines that first predict active structure and then synthesize local geometry. While effective, this design fragments continuous surfaces into many local tokens, inflates generation cost, and often weakens topologi

VISTA: 상호작용형 환경에서의 추론을 위한 시각 하네스VISTA: A Visual Harness for Reasoning in an Interactive World

본 연구는 멀티모달 모델이 뛰어난 추론 능력을 갖추고 있으며 적절한 하네스(Harness)를 통해 다양한 인터랙티브 환경의 과제를 해결할 수 있음을 보여줍니다. 범용 멀티모달 모델에 장기적 시각 능력을 부여하는 비주얼 하네스인 VISTA를 소개합니다. VISTA를 통해 모델은 시각적 관찰로 환경을 직접 인지하며, 과거 관찰 결과를 원본 형태 그대로 보존하는 무손실 시각 메모리를 유지할 수 있습니다.We show that multimodal models possess strong reasoning abilities and that an appropriate harness can unlock their potential to solve tasks across diverse interactive environments. We introduce VISTA, a visual harness that gives a general-purpose multimodal model long-horizon vision. VISTA allows th

임베딩 예측을 통한 이미지 생성 성능 향상Embedding Prediction Helps Image Generation

확산 트랜스포머(Diffusion Transformer)에서는 클래스 레이블이나 텍스트 프롬프트를 한 번 임베딩한 후 모든 디노이징 단계에서 동일한 조건을 재사용합니다. 본 연구는 예측된 임베딩이 이러한 조건을 대신할 수 있는지 탐구합니다. 차세대 임베딩 예측 자기회귀(NEPA)는 트랜스포머가 시퀀스의 다음 연속 임베딩을 예측하도록 훈련합니다. 생성 과정에서 깨끗한 이미지는 노이즈가 있는 이미지 뒤에 이어지므로, 그 임베딩은 조건 및 노이즈 이미지의 다음 임베딩이 됩니다.In diffusion transformers, a class label or a text prompt is embedded once, and the same condition is reused at every denoising step. We ask whether predicted embeddings can serve as this condition instead. Next-Embedding Predictive Autoregression (NEPA) trains a Transformer to predict the next cont

TACO: LLM 파인튜닝을 위한 3진수 절대최대 열 단위 1-희소 옵티마이저TACO: Ternary Absolute-max Column-wise One-sparse Optimizer for LLM Fine-Tuning

대규모 언어 모델(LLM)의 풀 파라미터 파인튜닝은 상당한 옵티마이저 상태 메모리 오버헤드를 발생시켜 최신 GPU에 올릴 수 있는 모델 크기를 제한합니다. 기존 접근법은 옵티마이저 상태를 압축하거나, 1차 그래디언트를 배제하거나, 조밀한 상태를 유지하면서 업데이트 지오메트리를 변경합니다. 최근 도입된 Muon 옵티마이저는 행렬값 업데이트로 메모리를 줄이지만, AdamW와 지오메트리가 달라 AdamW 기반 모델 파인튜닝 시 성능 저하를 유발할 수 있습니다.Full-parameter fine-tuning of large language models (LLMs) incurs substantial optimizer state memory overhead, limiting the model sizes that fit on modern GPUs. Existing approaches either compress optimizer state, abandon first-order gradients, or change the update geometry while retaining dense sta

그래프 상의 비용 증강 슈뢰딩거 브릿지는 정확히 풀린다: 학습된 제어를 대체하는 파인만-카츠 틸트Cost-augmented Schrödinger bridges on graphs are exactly solvable: a Feynman-Kac tilt replaces learned control

그래프 상의 일반화된 슈뢰딩거 브릿지는 방문한 상태에 비용을 부과하면서 두 분포 사이로 질량을 이동시킵니다. 기존에는 비용을 복원하는 시간차 페널티를 두고 제어된 연속시간 마르코프 연쇄의 전이율을 학습하는 방식으로 접근했습니다. 그러나 상태 비용은 파인만-카츠(Feynman-Kac) 틸트를 통해 기준 프로세스로 통합될 수 있습니다. 이를 통해 비용 증강 브릿지는 틸트된 기준 프로세스에 대한 일반 브릿지가 되며, 페널티가 불필요해집니다.The generalized Schrödinger bridge on a graph moves mass between two distributions while charging a cost for the states visited. It has been approached by learning the rates of a controlled continuous-time Markov chain, with a temporal-difference penalty that restores the cost. A state cost folds in

누락된 프리미티브: 거대 언어 모델의 수학적 추론 진단 및 복구The Missing Primitive: Diagnosing and Repairing Mathematical Reasoning in Large Language Models

대규모 언어 모델(LLM)은 최신 고난도 수학 문제에서 눈부신 역량을 보여주었으나, 풀이의 바탕이 되는 구조적 수학적 이해를 실제로 갖추고 있는지는 여전히 불분명합니다. 본 논문에서는 LLM의 수학적 이해 역량을 진단하고 이를 사후 학습(post-training) 개선에 활용하기 위한 체계적인 첫걸음을 내딛습니다. 먼저, 구조적 수학 능력을 탐색하기 위한 '수학적 프리미티브(Mathematical Primitive)' 개념을 제시합니다.While Large Language Models (LLMs) have demonstrated striking capabilities on frontier mathematical problems, it remains unclear whether they possess the structural mathematical understanding underlying their solutions. In this paper, we take a first step toward systematically studying mathematical

방향을 믿고 보폭을 탐색하라: LLM 파인튜닝을 위한 0차 및 1차 결합 최적화 기법Trust the Direction, Search the Step: Zero-and-First-Order Methods for LLM Fine-Tuning

스텝 크기(학습률 보폭) 선정은 대규모 신경망 최적화의 핵심 과제입니다. 보수적인 스텝은 수렴을 늦추고, 공격적인 스텝은 수렴을 불안정하게 만듭니다. 본 연구에서는 0차 및 1차 최적화(ZFO)를 결합하여 방향 선택과 스텝 크기 조절을 분리하는 경량 프레임워크를 제안합니다. ZFO는 신뢰도 높은 1차 옵티마이저로 방향을 결정한 뒤, 해당 1차원 부분공간을 따라 0차 평가만을 수행하여 최적의 이동 거리를 탐색합니다.Step-size selection remains a central challenge in large-scale neural network optimization; conservative steps slow convergence, while aggressive steps can destabilize it. We combine \textbf{Z}ero-and-\textbf{F}irst-\textbf{O}rder optimization~(ZFO) and propose a lightweight framework that decouples

희소 오토인코더 피처 강화를 통한 내재적 무질서 단백질 영역(IDR)의 생성 모델링Generative modeling of intrinsically disordered protein regions by reinforcing sparse autoencoder features

내재적 무질서 단백질 영역(IDR)은 전사 조절, 신호 전달, 세포 내 위치 결정 등 세포 내 주요 과정에서 중심적인 역할을 하지만, 기능적 설계는 여전히 난제로 남아 있습니다. 구조 기반 설계법은 IDR에 적용하기 어렵고, 기존 단백질 언어 모델은 전체 단백질 서열로 학습되어 접힌 도메인에 편향된 사전 분포를 학습합니다. 본 논문에서는 이를 극복하는 자기회귀 단백질 언어 모델인 IDiom을 소개합니다.Intrinsically disordered protein regions (IDRs) play central roles in cellular processes such as transcriptional regulation, signal transduction, and subcellular localization, yet their functional design remains challenging. Structure-based design methods do not readily apply to IDRs, and existing p

모든 절제(Ablation)는 투여량이다: 카운터웨이트와 자가 복구의 겉모습Every Ablation Is a Dose: Counterweights and the Semblance of Self-Repair

언어 모델의 특정 구성 요소를 절제(ablate)하면 다른 구성 요소들이 이를 조정하고 보상하는 것처럼 보이는 현상이 발생합니다. 자가 복구(self-repair)로 불리는 이 현상은 반복적으로 관찰되었으나 그 메커니즘은 불분명했습니다. 지금까지의 가장 체계적인 연구는 자가 복구가 노이즈에 불과하며 단일한 설명이 어렵다고 결론지었습니다. 그러나 본 연구는 절제 이전부터 이미 존재하던 '게인(gain)'이라는 단일 메커니즘이 원인이라고 주장합니다.Ablate a component of a language model, and other components often appear to adjust and compensate. This phenomenon, termed self-repair, has been observed repeatedly, but its mechanism remains unclear. The most systematic study to date concluded that self-repair is noisy and unlikely to have a singl

AutoCompact: 장기 코딩 에이전트의 컨텍스트 압축 시점 학습AutoCompact: Learning When to Compact Context in Long-Horizon Coding Agents

코딩 에이전트는 코드 검사, 검색, 편집, 테스트로 이어지는 긴 궤적을 거치며 리포지토리 수준의 소프트웨어 엔지니어링 작업을 해결합니다. 작업이 진행됨에 따라 초기 탐색 정보는 노후화되므로, 컨텍스트 관리는 단순한 오버플로 방지를 넘어섭니다. 즉, 언제 압축하고 어떤 작업 상태를 보존하며 어떻게 작업을 이어갈지 결정해야 합니다. 본 연구에서는 에이전트 정책의 일부로 이러한 결정을 내리도록 훈련하는 AutoCompact를 소개합니다.Coding agents solve repository-level software engineering tasks through long trajectories of code inspection, search, editing, and testing. As a task progresses, earlier exploration becomes stale, so managing context is more than avoiding overflow: an agent must decide when to compact, what working

지식 접근에서 소스 학습으로: 소스 특화 역량 개발From Knowledge Access to Source Learning: Developing Source-Specific Competence

대규모 언어 모델(LLM) 에이전트는 연속적인 지식 집약적 작업을 수행하기 위해 외부 영구 소스에 점차 더 의존하고 있습니다. 기존 방식은 소스 콘텐츠에 접근하고 구성하는 방식을 개선하고, 에이전트 메모리 시스템은 이전 상호작용의 재사용 가능한 지식을 보존합니다. 하지만 동일한 소스의 반복 사용은 해당 소스에 대한 이해를 점진적으로 개선하는 기회가 아니라 단순한 반복 접근으로 취급되는 경우가 많습니다. 본 연구에서는 재사용 가능한 소스 특화 역량을 개발하는 '소스 학습'을 탐구합니다.Large language model (LLM) agents increasingly rely on persistent external sources to solve sequences of knowledge-intensive tasks. Existing methods improve how source content is accessed and organized, while agent-memory systems preserve reusable knowledge from prior interactions, but repeated use

키워드 벤치마크의 오류 허용: 소형 언어 모델의 도구 사용 검증을 위한 저비용 진단 사다리Keyword Harnesses Fail Open: A Cheap Diagnostic Ladder for Tool-Use Claims in Small Language Models

키워드 매칭 벤치마크는 소형 모델이 실제로 수행하지 않은 도구 사용에 점수를 부여하는 오류를 범할 수 있습니다. 동일한 아키텍처를 공유하는 스페인어 보안 언어 모델 쌍에서 이러한 위양성(false positive)을 확인하고, 엄격하면서도 비용 효율적인 진단 사다리를 제안합니다. 전용 SFT가 없는 661.6M 파라미터 모델과 60억 토큰의 도구-SFT를 거친 1,109M 모델은 동일한 디코더와 토크나이저를 사용하며 관대한 도구 사용 지표에서 거의 동일한 점수를 기록했습니다.Keyword-matching benchmarks can credit small models for tool use they never perform. We document such a false positive in a matched-architecture pair of Spanish security language models and propose a ladder of strict, cheap diagnostics. A 661.6M parameter model (approx. 65% code/technical text; no d

샘플링을 통한 파인튜닝: 생각보다 뛰어난 SFT의 학습 역량Finetuning with Sampling: SFT Learns Better Than You Think

최첨단 모델에 새로운 역량을 도입하는 것은 사후 학습의 오랜 목표였으며, 주로 지도 파인튜닝(SFT)과 강화학습(RL)이 활용되어 왔습니다. 전통적인 통념에 따르면 RL은 기존 역량을 잃지 않고 새로운 작업에 강력한 일반화를 가능하게 하는 반면, SFT는 취약한 일반화와 파국적 망각을 겪기 쉽다고 여겨집니다. 동시에 SFT는 오프 폴리시(off-policy) 전문가 데이터로부터 학습할 수 있는 반면, RL은 성공적인 경로를 탐색하는 모델의 능력에 의존해야 합니다.Introducing new capabilities to frontier models has long been the goal of posttraining, which predominantly employs supervised finetuning (SFT) and reinforcement learning (RL) to this end. Conventional wisdom dictates that RL enables strong generalization on new tasks without losing existing capabil

Argo-Bench: 엔터프라이즈 규모 워크플로 기반 데이터 에이전트 평가 벤치마크Argo-Bench: Evaluating Data Agents on Enterprise-Scale Workflows

실제 엔터프라이즈 데이터 사이언스 및 분석 워크플로는 수십 개의 테이블 전반에 걸친 추론, 통계 분석 수행, 그리고 결과에 따른 실행 조치를 요구합니다. 기존 텍스트-to-SQL 벤치마크는 단순 쿼리 생성만을 평가하며 정답 레이블의 오류도 빈번히 지적되었습니다. 또한 실제 엔터프라이즈 웨어하우스는 보안상 공개가 어려워 비즈니스 이벤트가 단일 테이블에 담기는 공개 데이터셋에 의존해 왔습니다. 이에 엔터프라이즈 환경을 반영한 평가 프레임워크 Argo-Bench를 소개합니다.Real-world enterprise data science and analytics workflows require reasoning across dozens of tables, performing statistical analyses, and acting on the results. Established text-to-SQL benchmarks evaluate query generation alone, and audits have found their answer keys frequently wrong. Because real

AI든 '초지능'이든, 실제 구매하는 소비자는 2%에 불과Call it AI, call it Super Intelligence, only 2% of consumers are buying it

이번 주 백악관은 저커버그, 베조스, 머스크, 앤트로픽의 다리오 아모데이 등 주요 빅테크 CEO들을 한자리에 모아 트럼프 대통령이 '도덕적 구속력'이 있다고 칭한 AI 안전 서약에 서명하도록 했습니다. 트럼프 대통령은 AI의 명칭을 '초지능(Super Intelligence)'으로 공식 리브랜딩하는 행정명령에도 서명했으며, 메타와 OpenAI는 자사 AI 제품에 더 친근한 이미지를 입히고 있습니다.This week, the White House got nearly every major tech CEO in one room — Zuckerberg, Bezos, Musk, and Anthropic’s Dario Amodei among them — to sign an AI safety pledge that President Donald Trump called “morally binding.” Trump 

백악관에 따르면 이제는 AI가 아니라 '초지능'이다It’s not AI anymore, it’s ‘super intelligence’ (according to the White House)

이번 주 백악관은 저커버그, 베조스, 머스크, 앤트로픽의 다리오 아모데이 등 주요 빅테크 CEO들을 소집해 트럼프 대통령이 '도덕적 구속력'을 지닌다고 표현한 AI 안전 서약에 서명하도록 했습니다. 트럼프 대통령은 AI를 공식적으로 '초지능'으로 재명명하는 행정명령을 발표했으며, 메타와 OpenAI는 AI 제품을 더욱 친근하게 다듬고 있습니다.This week, the White House got nearly every major tech CEO in one room — Zuckerberg, Bezos, Musk, and Anthropic’s Dario Amodei among them — to sign an AI safety pledge that President Donald Trump called “morally binding.” Trump 

내생적 정렬(Endogenous Alignment)에는 상호 의존성이 필수적이다Endogenous Alignment Requires Dependence

내생적 정렬에 관한 논의에서, 인간이 자녀를 사회적 규범에 맞추는 방식에 강화학습보다 모방 학습이 더 본질적인 역할을 한다는 주장이 제기되었습니다. AI 정렬 과정에서도 상호 의존성과 모방의 가치가 핵심 요소로 꼽힙니다.My post on endogenous alignment got several excellent comments. Among them, one from Karl Krueger argued that imitation learning is more important for how humans align their children than reinforcement learning. Teasing out which is more important seems hard, but I agree I was wrong to ignore the im

美 법원, 구글 AI 오버뷰(AI Overviews) 대상 반독점 소송 기각Judge dismisses antitrust lawsuits over Google’s AI Overviews

로이터 통신에 따르면, 美 연방법원이 체그(Chegg)와 펜스케 미디어(PMC)가 제기한 반독점 소송 2건을 기각했습니다. 원고 측은 구글이 AI 검색 기능으로 웹사이트 트래픽을 가로채고 있다고 주장했으나, 법원은 구글의 손을 들어주며 원고의 주장을 기각했습니다.A federal judge has dismissed a pair of antitrust lawsuits filed by Chegg and Rolling Stone parent company Penske Media Corporation, which accused Google of driving away web traffic with its AI-powered search features, as reported earlier by Reuters. US District Judge Amit Mehta takes Google's

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

LLM의 한계를 뛰어넘는 지점은 어디인가? 우주 환경의 TPU 연산과 Zhipu의 재귀적 자기개선(RSI) 루프 등 최신 AI 기술 이슈를 다룹니다.Where do you exceed the capabilities of an LLM?

AI 뉴스: Dots, GPT-6.1 Sol, Sonnet 5.5, Gemini 4 및 최신 주요 동향AI News: Dots, GPT-6.1 Sol, Sonnet 5.5, Gemini 4, and everything you need to know

이번 주 놓치지 말아야 할 AI 핵심 뉴스를 전해드립니다. Dots, GPT-6.1 Sol, Sonnet 5.5, Gemini 4 등 차세대 모델 출시 소식과 에이전트 자동화의 최신 흐름을 정리합니다.Here's the AI News you probably missed this week. See what Optimizely’s Virtual Teammates can automate for you at https://optimizely.com/mattwolfe Discover More: 🛠️ Explore AI Tools & News: https://futuretools.io/ 📰 Weekly Newsletter: https://futuretools.io/newsletter Socials: ❌ Twiter/X: h

실제로 돈을 벌 수 있는 단 하나의 OpenAI 발표...The one OpenAI announcement that can actually make you money...

https://fastino.ai/ 에서 더 빠르고 공개 가중치(open-weight)를 지원하는 Jev 버전을 사용해 보세요. 코드 FIRESHIPFIVE를 입력하면 무료 크레딧을 받을 수 있습니다. 이번 영상에서는 OpenAI DevDay 2026에서 놓친 모든 소식을 정리해 드립니다. 함께 살펴보시죠. #코딩 #프로그래밍 더 많은 Fireship 콘텐츠가 궁금하다면? 🗞️ 뉴스레터: https://bytes.dev 🧠 강의: https://fireship.devTry the faster, open-weight version of Jev at https://fastino.ai/. Use code: FIRESHIPFIVE to get free credits. In this video we'll cover everything you missed at OpenAI Dev Day 2026. Let's dive in. #coding #programming Want more Fireship? 🗞️ Newsletter: https://bytes.dev 🧠 Courses: https:/