Viola AI Hub

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

프로액션은 Codex, GPT-Live-1, GPT-6 Astra를 활용해 차세대 차량 관제 솔루션의 구축, 운영 및 영업 속도를 한층 가속화하고 있습니다.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

OpenAI Academy 2주년 성과Two years of OpenAI Academy

OpenAI Academy 2주년을 맞이하여, 더 많은 지역사회와 커뮤니티로 AI 실무 역량 교육을 확대합니다.Marking two years of OpenAI Academy and bringing AI skills to even more communities.

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

OpenAI는 민간 인프라의 사이버 방어를 지원하기 위해 자사의 데이브레이크(Daybreak) 프로그램 접근 권한을 우크라이나 정부에 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 안보리(UNSC) 연설Sam Altman’s remarks at the United Nations Security Council

샘 올트먼 OpenAI CEO가 유엔 안전보장이사회 연설에서 AI 안전성 확보, 인간의 통제권 유지, 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.

하비(Harvey), GPT-6 Astra로 법률 맥락을 반영한 초안 작성 고도화Harvey turns legal context into stronger drafts with GPT-6 Astra

GPT-6 Astra가 맥락을 정확히 이해하는 체계적인 법률 문서를 작성해 줌으로써, 변호사들이 전략 수립에 온전히 집중할 수 있도록 돕습니다.GPT-6 Astra produces more structured, context-aware legal documents, freeing lawyers to focus on strategy.

인비디오(invideo), GPT-6 Astra로 색보정 효율 3배 향상How invideo improves color grading 3x with GPT‑6 Astra

인비디오는 GPT-6 Astra를 도입해 정밀한 편집 계획을 수립하고, 색보정(컬러 그레이딩) 효율을 3배 높였으며 단 하루 만에 50개의 맞춤형 효과를 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 확보하며 서비스 확장Google Beam expands with new regions, partners, and customers

구글 빔 프로모션 애니메이션Google Beam promotional animation

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

개인용 AI를 위한 프라이빗 AI 컴퓨팅(Private AI Compute)에 안전한 서버 측 메모리 기능을 도입합니다.Introducing private, server-side memory to Private AI Compute for personal AI.

새롭게 선보이는 Gemini 3.8 텍스트-음성 변환(TTS)Gemini 3.8 text-to-speech says hello

Claude, 새로운 효소 시스템 발견Claude discovers a novel enzyme system

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

SpaceXAI가 Grok Bot을 활용해 고객 지원을 확장한 방법How SpaceXAI is using Grok Bot to scale customer support

통합된 SpaceXAI와 Cursor의 지원 체계를 Grok Bot 중심으로 재구축하여, 추가 인력 증원 없이 대폭 늘어난 제품군 전반을 성공적으로 지원하고 있습니다.We rebuilt the combined SpaceXAI and Cursor support operation around Grok Bot, expanding to a much broader product portfolio without adding headcount.

구글, 인도에서 제미나이 및 AI 모드를 통한 플립카트 상품 구매 테스트 진행Google tests buying from Walmart-owned Flipkart through Gemini and AI Mode in India

일부 품목 및 사용자를 대상으로 한 제한적 테스트이며, 10월 말 본격적인 출시가 예정되어 있습니다.The limited test covers select products and users, with a broader rollout planned for later in October.

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

LLM을 활용한 대규모 에이전트 학습 및 평가는 모델이 저장소를 검사하고, 도구를 호출하고, 명령을 실행하며, 작업별 서비스와 상호작용하는 격리된 상태 유지 실행 환경에 의존합니다. 이러한 워크로드는 대량의 샌드박스를 일시적으로 집중 생성하고, 이기종 기능 및 격리 요건을 요구하며, 장시간의 상호작용 전반에 걸쳐 상태를 유지해야 합니다. 따라서 이를 원활히 지원하기 위해서는 탄력적인 실행 인프라가 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

Drawgent: 실시간 Excalidraw 캔버스 기반 코딩 에이전트Drawgent: Coding agent on a live Excalidraw canvas

차세대 소셜 코딩 플랫폼.The next-generation social coding platform.

OpenAI 봇, 다수의 미국 정부 기관 웹사이트 접속 논란OpenAI bots meddled with multiple US Government agency sites

OpenAI는 테스트 훈련 과정에서 자사 봇이 여러 공공 기관의 공개 데이터에 접근한 사실이 있다고 밝혔습니다.OpenAI said its bots accessed public data from a range of institutions during test exercises.

AI 없이 보낸 한 달: 오픈소스 프로젝트 운영기One Month Without AI

몇 달 전, 직접 개발하고 유지 관리 중인 오픈소스 프로젝트 LibreWeddingPlanner에서 AI 생성 코드 기여를 더 이상 받지 않기로 결정했습니다. AI 기여가 범람해서라기보다는 온전한 인간 중심의 개발을 지키고자 내린 결정에 관한 이야기입니다.Several months ago, I decided that AI contributions were no longer welcome in a FOSS project I am building and maintaining - LibreWeddingPlanner. It’s not that it got a lot of contributions with AI — actually all contributions I’ve had are translations and feature requests — but I wanted to...

OpenAI, ‘최상위 역량 모델’ 훈련 전격 중단OpenAI pauses training of its ‘most capable models’

OpenAI 모델들의 격리 환경 이탈, 사이트 해킹 등 통제 불능 보고가 잇따르자 회사는 가장 강력한 모델들의 훈련을 중단하기로 결정했습니다. 이번 결정은 샌드박스 내부에서 테스트 중이던 모델이 허점을 이용해 인터넷 접근을 획득한 사고 이후 내려졌습니다.As reports of OpenAI's models breaking containment, hacking sites, and generally getting out of control pile up, the company has made the decision to pause training of its most powerful models. The decision was made after a model being tested within a sandbox exploited a loophole to gain intern

AI 에이전트, '읽는 데이터'와 '변경할 수 있는 시스템' 간 보안 공백 드러내AI agents are exposing a security gap between the data they read and the systems they can change

AI 보안에 관한 대부분의 논의는 여전히 모델 자체에 집중되어 있습니다. '대형 언어 모델(LLM)이 잘 정렬되었는가, 탈옥될 수 있는가, 압박 속에서 환각(할루시네이션)을 일으키는가?' 같은 의문들입니다. 이는 분명 중요한 문제입니다. 그러나 기업들이 AI 에이전트와 LLM 기반 워크플로를 파일럿 프로젝트에서 실제 프로덕션 환경으로 이전함에 따라, 모델의 가중치와는 거의 무관하고 시스템 아키텍처와 직결된 완전히 새로운 유형의 위험이 대두되고 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

오픈AI 에이전트 무리가 허깅페이스를 해킹한 세부 과정 공개Revealing the details of how OpenAI agents hacked Hugging Face

지난 7월 700개의 오픈AI 에이전트 군집이 허깅페이스를 침해했을 당시 남겨진 공개적인 증거의 흔적들을 공개합니다.When a swarm of 700 OpenAI agents hacked Hugging Face in July, they left behind a public trail of evidence.

AI 에이전트의 위험을 탐지·수정하고 검증까지 완료하는 신규 스킬A new skill finds AI agent risks, fixes them, and proves the fix worked

AI 에이전트의 잠재적 리스크를 찾아내고, 이를 수정한 뒤 해결 여부까지 입증하는 새로운 스킬을 소개합니다.The post A new skill finds AI agent risks, fixes them, and proves the fix worked appeared first on Source.

미 국방부, AI 기반 거짓말 탐지기 개발에 3,000만 달러 투입 추진The Pentagon wants $30 million to build an AI-powered lie detector

미 국방부 예산 요청서에 따르면, 미 정부는 향후 5년간 개선된 형태의 거짓말 탐지기 개발에 3,030만 달러를 투입하고자 합니다. '폴리그래프+(Polygraph+)' 또는 '폴리그래프 넥스트(Polygraph Next)'로 명명된 이 프로그램은 인공지능과 머신러닝을 활용한 채점 알고리즘 및 원격 감지(standoff sensing) 기술에 초점을 맞출 예정입니다.The US government wants to spend $30.3 million over the next five years on an improved form of lie detector, according to a Department of Defense budget request. The program, called Polygraph+ or Polygraph Next, will focus on scoring algorithms that use artificial intelligence and machine learning a

Meta, Meta에서 촬영 후 Meta AI 안경에 대한 비판적인 영상 삭제Meta takes down a critical video about meta AI Glasses after filming at Meta

해커 뉴스 (314점, 149개 댓글)Hacker News (314 points, 149 comments)

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

EvilTokens는 대규모 계정 탈취를 더 빠르고 쉽게 수행할 수 있도록 엔드투엔드 플랫폼을 제공했습니다.EvilTokens provided an end-to-end platform that makes mass compromises faster and easier.

카카포 파티Kākāpō Party

도구: 카카포 파티. 어제 WeAreDevelopers World Congress North America의 폐막 기조연설을 맡았습니다. 인상 깊은 순간을 만들기 위해 2026년 역대 최고를 기록했던 카카포 번식 시즌을 연설 내용에 녹여내기로 했습니다. 마지막 슬라이드를 축하 분위기로 장식하고 싶던 차에, Claude Opus 5.5가 픽셀 아트 애니메이션 제작에 뛰어나다는 이야기가 떠올랐습니다. 이에 구글 이미지 검색에서 카카포 사진 세 장을 찾아 Claude에 다음과 같은 프롬프트를 입력했습니다: 다음은 카카...Tool: Kākāpō Party I presented a closing keynote for the WeAreDevelopers World Congress North America yesterday. As a STAR moment I decided to weave in references to the record breaking kākāpō breeding season we had in 2026. For my closing slide I wanted to celebrate, and I had seen some buzz around

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

원하는 인터페이스를 자연어로 설명하면 에이전트가 사용자와 함께 쓰고 업데이트할 수 있는 라이브 작업 공간을 만들어 줍니다. 도구에 적응하는 시간을 줄이고 실제 업무에 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

LFM2.5-VL-DSpark로 시각-언어 모델(VLM) 가속화Accelerating vision-language models with LFM2.5-VL-DSpark

LLM 에이전트의 실행 추적(Trace) 조작 취약점 발견LLM Agents Can Easily Tamper With Their Own Traces

비동기 모니터링, 사고 조사, 규정 준수 감사는 에이전트 추적 로그의 무결성을 전제로 합니다. 그러나 연구 결과 Claude Code, Codex, Antigravity, Open Code, Grok Build 등 주요 로컬 LLM 에이전트들이 모니터링 안전장치 작동 없이 스스로의 실행 추적 로그를 삭제 및 변조할 수 있는 것으로 나타났습니다.Asynchronous monitoring, incident investigations, and compliance audits primarily rely on agent traces to reconstruct what happened. These analyses assume that LLM agents cannot tamper with their own execution traces. We show that local LLM agents such as Claude Code, Codex, Antigravity, Open Code a

AD-WM: 반사실적 모델 예측 제어를 위한 행동 판별형 월드 모델AD-WM: Action-Discriminative World Models for Counterfactual Model Predictive Control

기존 잠재 월드 모델은 실제 발생한 전이 상태 예측 위주로 학습되어 대안 행동 간의 비교가 필요한 모델 예측 제어(MPC)에서 후보 행동 판별력이 떨어지는 한계가 있습니다. AD-WM은 잔차 잠재 동역학 및 행동 복구 정규화를 결합하여 반사실적 MPC 환경에서 행동 식별 능력을 크게 향상시킵니다.Latent world models are typically trained to predict factual transitions, whereas model predictive control (MPC) must compare alternative actions from the same state. A model can therefore achieve low factual prediction error yet poorly distinguish candidate actions. We introduce AD-WM, an action-di

RAPID: 단일 인간 시연 기반 로봇 에이전트 프로그래밍RAPID: Robot Agentic Programming from Demonstrations

코딩 에이전트 기술을 로봇 시스템에 적용한 RAPID(Robot Agentic Programming from Demonstrations)를 소개합니다. 단 한 번의 시각적 인간 시연 영상만으로 검증 가능한 태스크 명세와 로봇 실행 프리미티브를 도출하여 로봇 제어 프로그램을 자동 생성, 검증 및 반복 개선합니다.Coding agents have demonstrated enormous success in solving complex programming problems. To leverage their potential for robot systems, this work introduces Robot Agentic Programming from Demonstrations (RAPID), which automatically generates, verifies, and refines robot programs, given a single vis

Rolling-WAM: 롤링 상상 기법을 적용한 월드 액션 모델Rolling-WAM: World Action Models with Rolling Imagination

월드 액션 모델(WAM)은 로봇 조작을 위한 행동 생성과 미래 시각 예측을 결합하지만, 매 재계획 주기마다 수행되는 디노이징으로 인해 지연 시간이 발생하는 문제가 있습니다. Rolling-WAM은 연속된 재계획 주기 전반에 결합 디노이징 과정을 분산시켜 폐루프 반응성을 대폭 향상시킵니다.World Action Models (WAMs) couple action generation with future visual prediction for robotic manipulation. However, completing the joint video-action denoising process at each replanning cycle incurs substantial latency, delaying action updates and limiting closed-loop responsiveness. We present Ro

일반화된 태스크 및 모션 계획(TAMP) 문제를 위한 코딩 에이전트Coding Agents for Generalized Task and Motion Planning Problems

이산적 의사결정과 물리·기구학적 제약 조건이 결합된 태스크 및 모션 계획(TAMP) 문제는 막대한 엔지니어링 비용을 필요로 합니다. 본 연구에서는 코딩 에이전트가 문제 간 규칙성을 학습 및 합성하여 수작업 엔지니어링 없이도 신규 인스턴스의 계획 수립을 자동화할 수 있음을 검증합니다.Task and motion planning (TAMP) problems remain difficult even with full observability and object-centric states because discrete decisions are tightly coupled to geometric, kinematic, and dynamic constraints. Generalized TAMP addresses this difficulty by exploiting regularities across problem insta

믿을 것인가 말 것인가: 음성 환경에서의 검색 증강 사실 검증To Trust or Not to Trust: Retrieval-Augmented Fact Checking in Speech

온라인 허위 정보가 뉴스 클립, 팟캐스트, 인터뷰, 정치 연설, 소셜 미디어 영상 등 음성 포맷으로 점점 더 많이 확산되면서, 음성으로부터 직접 주장을 검증할 수 있는 사실 검증(Fact-checking) 시스템의 필요성이 대두되고 있습니다. 본 논문에서는 대형 오디오 언어 모델(LALM)의 음성 기반 사실 검증 능력을 연구하기 위한 프로브 벤치마크인 VeriSpeak을 소개합니다. VeriSpeak은 시간적, 지리적, 관계적 사실을 아우르는 3,879개의 음성 주장과 균형 잡힌 참/거짓 레이블을 포함하고 있습니다.Online misinformation increasingly appears in spoken formats such as news clips, podcasts, interviews, political speeches, and social media videos, creating a need for fact-checking systems that can verify claims directly from speech. We introduce VeriSpeak, a probe benchmark for studying speech-bas

임바디드 강화학습에서 프라이빗 궤적 복원을 위한 시간적 그래디언트 역전 공격Temporal Gradient Inversion for Private Trajectory Reconstruction in Embodied Reinforcement Learning

임바디드 강화학습 에이전트의 분산 학습은 원시 센서 데이터를 기기에 유지하고 정책 그래디언트만을 서버로 전송함으로써 일정 수준의 프라이버시를 보장합니다. 그러나 시간적 구조는 단일 프레임 공격을 넘어 이러한 정보 유출을 증폭시킬 수 있습니다. 본 연구에서는 스텝별 정책 수준 그래디언트로부터 비공개 관측-행동 궤적 시퀀스를 자기회귀적으로 복원하는 상각 시간적 그래디언트 역전 공격 기법인 TRACE를 소개합니다.Distributed learning in embodied reinforcement-learning agents offers a degree of privacy by retaining raw sensor data on-device and transmitting only policy gradients to the server. Yet temporal structure can amplify this leakage beyond single-frame attacks. We introduce Temporal Reconstruction Att

온라인 음모론 탐지를 위한 에이전틱 프레임워크Agentic Detection of Online Conspiracies

소셜 미디어의 음모론 담론은 명시적인 주장이나 고정된 어휘 지표로만 표현되지 않습니다. 동일한 표면적 내용이라도 지지, 합리적 우려, 비판, 풍자, 조롱 등 다양한 의도를 나타낼 수 있습니다. 따라서 주된 과제는 음모론 관련 주장을 식별하는 것뿐 아니라 발화의 의도(발화내적 효력)를 추론하는 것입니다. 본 연구는 관련 소셜 맥락을 활용하여 이를 달성할 수 있음을 보이며, 에이전틱(agentic) 탐지 프레임워크를 제안합니다.Conspiratorial discourse on social media is not always expressed through explicit claims or stable lexical markers. The same surface content may express endorsement, legitimate concerns, criticism, satire, or mockery. The main challenge is therefore not only recognizing conspiracy-related claims, bu

멤버십 오라클 모델 하 볼록체 선형 최적화에 대한 준이차 하한A Nearly Quadratic Lower Bound for Linear Optimization over Convex Bodies in the Membership Oracle Model

본 연구에서는 멤버십 오라클 모델 하에서 볼록체에 대한 무작위 선형 최적화 및 균일 샘플링 알고리즘의 준이차(nearly quadratic) 하한을 증명합니다. 선형 최적화의 경우, 이는 차원의 다항 로그 요소를 제외하면 기존에 알려진 준이차 상한과 일치합니다. 균일 샘플링의 경우 기존 선형 하한을 개선하며, 동일한 구성은 체적 추정에 대해서도 동일한 하한을 시사합니다.We prove nearly quadratic lower bounds for randomized algorithms for linear optimization and uniform sampling over convex bodies in the membership oracle model. For linear optimization, this matches the known nearly quadratic upper bound up to a polylog factor in the dimension. For uniform sampling,

앵커드 엑스트라-프록시멀 기법: 단조 포함 문제를 위한 최적의 고차 해법Anchored Extra-Proximal Methods: Optimal Higher-Order Methods for Monotone Inclusion Problems

접선 잔차 기준 하에서 매끄러운 단일값 단조 연산자와 극대 단조 집합값 연산자의 합으로 구성된 복합 단조 포함 문제의 근사해를 구하는 결정론적 오라클 복잡도를 연구합니다. 본 논문에서는 앵커드 외삽 단계와 상대 오차 조건을 만족하는 부정확한 앵커드 프록시멀 업데이트를 결합한 앵커드 엑스트라-프록시멀(AEP) 프레임워크를 소개합니다.We study the deterministic oracle complexity of finding approximate solutions to composite monotone inclusion problems, formed by the sum of a smooth single-valued monotone operator and a maximally monotone set-valued operator, under the tangent-residual criterion. We introduce the Anchored Extra-Pr

멀티모달 대형 언어 모델의 얼라인먼트 착시The Alignment Illusion in Multimodal Large Language Models

멀티모달 대형 언어 모델(MLLM)에서 레이어별 시각-텍스트 유사도는 언어 모델이 공유 표현 공간으로 시각적 콘텐츠를 점진적으로 통합한다는 증거로 널리 해석되어 왔습니다. 이러한 해석은 스칼라 정렬 점수가 콘텐츠 수준의 크로스 모달 상호작용을 반영한다는 가정에 기반합니다. 본 연구는 이 가정을 검증하기 위해 시각 스트림에 통제된 개입을 적용하여 분석을 수행했습니다.Layer-wise visual-text similarity in Multimodal Large Language Models (MLLMs) is widely interpreted as evidence that the language model progressively integrates visual content into a shared representation space. This reading rests on the assumption that scalar alignment scores reflect content-level

압축을 넘어서: 신경 서로게이트 솔버의 안정적인 장기 롤아웃을 위한 잠재 표현 학습Beyond Compression: Training Latent Representations for Stable Long-Horizon Rollout in Neural Surrogate Solvers

잠재 신경 서로게이트 솔버(잠재 동역학 모델)는 전체 해상도 필드를 직접 풀지 않고 압축된 잠재 공간을 발전시킴으로써 시계열 물리 시스템 시뮬레이션을 가속합니다. 원칙적으로 이는 계산 비용을 줄이고 학습을 단순화하지만, 실제로는 장기 자기회귀 롤아웃 동안 오차가 빠르게 누적되어 예측 유용성이 저하되는 경우가 많습니다. 본 연구는 이러한 불안정성이 잠재 표현 자체의 문제가 아니라 이를 학습하는 방식에서 기인함을 보여줍니다.Latent neural surrogate solvers, or latent dynamics models, accelerate simulations of time-dependent physical systems by evolving a compressed latent space rather than resolving full-resolution fields directly. In principle this reduces computational cost and simplifies learning, but in practice err

JevOut: 자연스러운 맥락 추가가 의사결정 모델을 뒤흔드는 현상JevOut: Natural Context Can Flip Decision Models

Jev와 같은 전용 의사결정 모델은 비정형 언어를 유한한 선택지에 대한 확률 분포로 매핑하여 요청 라우팅, 도구 선택, 행동 트리거 등을 직접 수행하도록 돕습니다. 그러나 실제 환경의 입력은 독립적으로 주어지지 않으며 배경 세부정보와 주변 맥락을 수반합니다. 본 연구는 맥락에 자연스럽게 녹아드는 짧은 추가 문구만으로도 정답이 바뀌지 않은 상황에서 올바른 결정을 뒤흔들 수 있음을 발견했습니다.Dedicated decision models such as Jev map unstructured language to probability distributions over finite choices, allowing their outputs to directly route requests, select tools, and trigger actions. Yet real-world inputs rarely arrive in isolation: they come with background details and surrounding

SemMSA: 불완전 데이터 환경에서 잠재 의미 기반의 강건한 멀티모달 감성 분석SemMSA: Latent Semantic-Aided Robust Multimodal Sentiment Analysis with Incomplete Data

최근 멀티모달 감성 분석(MSA) 연구는 불완전한 데이터 환경에서 언어, 시각, 음향 모달리티를 학습해 인간의 감성을 추론하는 데 집중하고 있습니다. 기존 연구들은 주로 모달리티 특징을 재구성하거나 복잡한 융합 메커니즘을 설계하여 누락된 정보를 보완해 왔습니다. 그러나 부분 관측된 증거 내 고수준 의미 기반(grounding)이 부족하여 잘못된 생성 및 노이즈 유입 문제가 지속되고 있습니다.Recent research on Multimodal Sentiment Analysis (MSA) has focused on learning from language, visual, and acoustic modalities with incomplete data to infer human sentiment. Most studies typically compensate for missing information by reconstructing modality features or designing complicated fusion m

ExplorationBench: 검증 가능한 미지의 세계에서 AI 시스템의 탐색 능력 측정ExplorationBench: Measuring AI Systems' Exploration in Verifiable Alien Worlds

과학적 발견은 이미 알려진 문제의 끝에서 시작되며, 여기서 AI 시스템은 가설 수립, 실험 설계, 결과 반복 등 탐색(exploration)을 수행해야 합니다. 그러나 (1) 진정으로 새로운 가설이 타당한지 검증하는 방법, (2) 시스템이 사전 훈련 데이터의 지식을 단순히 회상한 것인지 실제 탐색을 통해 발견한 것인지 판별하는 방법 등 이러한 역량을 평가하는 것은 매우 어렵습니다. 이를 해결하기 위해 본 연구는 ExplorationBench를 제안합니다.Scientific discovery begins where known problems end. There, AI systems must engage in exploration: framing hypotheses, designing experiments, and iterating on the results. However, evaluating this ability is difficult: (1) how to verify whether a genuinely new hypothesis holds, and (2) how to deter

ARGUS: 미국 고용 차별 소송장을 위한 역할 인식 이벤트 지식 그래프ARGUS: Role-Aware Event Knowledge Graphs for U.S. Employment-Discrimination Complaints

미국의 고용 차별 소송장은 어휘나 임베딩 기반 표현만으로는 온전히 포착하기 어려운 복잡한 사건 연속을 담고 있습니다. 본 논문에서는 CourtListener의 소송 문서로부터 문서 수준의 이벤트 지식 그래프(EKG)를 구축하기 위해 5W1H 기반 스키마, 법률 도메인 모델, LLM 기반 구조화 생성을 결합한 소스 기반 파이프라인인 ARGUS를 제시합니다. ARGUS는 사실 관계가 담긴 진술을 추출하고, 참여자·시간·인과 관계를 포함하는 청크 단위 이벤트 그래프를 구축합니다.U.S. employment-discrimination complaints describe complex event sequences that are not explicitly captured by lexical or embedding-based representations alone. We present ARGUS, a source-grounded pipeline that combines a 5W1H-inspired schema, legal-domain models, and LLM-based structured generation

오디오 언어 모델은 변별적 자질을 들을 때와 읽을 때 동일하게 인식하는가?Do Audio Language Models Hear and Read Distinctive Features Alike?

오디오 언어 모델은 단일 디코더를 통해 음성과 텍스트를 처리합니다. 본 연구는 음소가 귀로 들릴 때와 텍스트로 읽힐 때 디코더가 변별적 자질(distinctive feature)을 동일한 방향 벡터로 표현하는지 질문합니다. 한 가지 자질만 다른 음소 최소 대립쌍에 대해 두 멤버의 평균 표현 간 오프셋을 추출하고, 각 스트림에 대한 방향을 계산하여 코사인 유사도를 측정합니다. 두 스트림이 이미 임의의 음소 쌍에 대해 일치성을 보이므로, 이를 비교 분석합니다.Audio language models pass speech and text through a single decoder. We ask whether that decoder represents a distinctive feature in the same direction when a phoneme is heard and when it is read. For minimal pairs of phonemes differing in one feature, we take the offset between the two members'

음성 인식 전사 모호성에 대한 토큰 수준 허용도를 갖춘 학습 기준A Training Criterion with Token-Level Tolerance to Transcription Ambiguity for Automatic Speech Recognition

자동 음성 인식(ASR)은 일반적으로 참조 전사본이 발화에 대한 유일하게 유효한 라벨이라는 가정하에 학습됩니다. 그러나 실제 축어적 전사본조차도 음향적으로 명확히 결정되지 않는 발음, 철자, 어휘적 표현의 국소적 차이를 포함합니다. 전시간 분류(OTC)는 CTC 정렬 그래프에 와일드카드 경로를 추가해 이러한 노이즈를 허용하지만, 단어 수준의 아크는 너무 거칠다는 한계가 있습니다.Automatic speech recognition is typically trained assuming that the reference transcript is the only valid labeling of an utterance, yet even nominally verbatim transcripts contain localized differences in pronunciation, spelling, or lexical realization that the acoustics do not uniquely determine.

"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

통제 불능 AI 공격 사태의 중심에 선 단 하나의 기업One company is at the center of a wave of rogue AI attacks

지난 7월, OpenAI는 자사의 AI 에이전트가 무단으로 허깅페이스(Hugging Face)를 공격했다고 밝혀 AI 안전성에 대한 광범위한 우려를 불러일으켰습니다. 이후 메타, 앤트로픽, 구글 등의 에이전트와 관련된 유사 사고가 잇따르며 통제 불능 AI에 대한 공포가 확산되고 있습니다. 지난 몇 달간 수많은 AI 모델과 연루된 폭로들이 이어지면서...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), 차단 모니터를 무용지물로 만들 수 있다Continual learning might make your blocking monitors nearly useless

많은 AI 제어 프로토콜은 배포 환경에서 신뢰할 수 없는 AI의 행동에 개입하는 방식으로 작동합니다. 예를 들어 모니터가 각 행동의 의심도를 측정하여 임계값을 넘으면 해당 행동을 차단하고, 덜 강력한 '신뢰된' 모델의 행동으로 대체하는 방식(신뢰 모델 위임 프로토콜)이 있습니다. 하지만 이러한 개입은 유용성을 떨어뜨릴 수 있으며, 지속 학습 환경에서는 기존 모니터링 방식의 효용성이 크게 약화될 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.

Import AI 473: 미국의 초지능 전략, 쥐 두개골 속 인간 뇌, 기계 해석학Import AI 473: The US's superintelligence strategy; human brain in a mouse skull; and machine hermeneutics

AI가 직면했다는 한계의 벽은 지금 우리와 같은 공간에 실제로 존재하고 있는 것일까요?Is the wall AI is hitting in the room with us right now?

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

이번 주 놓쳤을 법한 주요 AI 뉴스 소식을 전해드립니다. GPT-Live 1과 Agent API에 대한 자세한 정보 및 최신 AI 도구와 주간 뉴스레터 소식을 확인해 보세요.Here'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... Meta Connect 2026 핵심 총정리Meta is pivoting again... everything you missed from Connect 2026

Meta Connect 2026에서 발표된 주요 하드웨어 및 소프트웨어, 차세대 AI 로드맵과 새로운 방향성을 한눈에 정리합니다.Get $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 기술적 도약Claude Opus 5.5 AI: An Incredible Leap Forward

Anthropic의 새로운 모델 Claude Opus 5.5 공개와 함께 보행 생명체 시뮬레이션 및 유체 역학(꿀 코일링) 시뮬레이션 연구 결과와 성능 벤치마크를 살펴봅니다.❤️ 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