Trajectory가 작업 단위 비용을 최적화하는 density-aware training을 공개하며 효율성을 입증했다.
Taste-Bench 벤치마크에서 GPT-5.6 Sol이 장기 작업 의사결정 정확도 59.7%를 기록했다.
Surge AI가 장기 금융 추론 능력을 평가하는 DAYJOB: Finance 벤치마크를 공개했다.
OpenAI가 장시간 작업과 Codex 운영을 위한 'Fastest' 추론 속도를 제공하는 월 500달러 ChatGPT Pro Max 요금제를 준비 중인 것으로 알려졌다.
Quail이 단일 H100 GPU에서 분당 10억 토큰을 처리하며 vLLM 대비 10배 이상의 속도를 달성했다.
Hugging Face CEO Clem Delangue가 자율 에이전트 사이버 공격 대응 경험을 바탕으로 투명성, 오픈소스 방어, 서사 재구성의 세 가지 교훈을 제시했다.
Anthropic 연매출 1000억 달러 전망과 OpenAI Navier-Stokes 해결설로 인한 수학계 반발이 주요 이슈로 떠올랐다.
Amjad Masad는 AI 시대의 교육이 학위보다 프로젝트 기반 학습과 호기심을 우선해야 한다고 주장했다.
Together AI가 학습 비용 17달러인 저가 분류기 tev1-4B-experimental을 공개했다.
Stanford 연구진이 로봇 범용 포스트 트레이닝 알고리즘 EXPO-FT를 제안해 물리적 작업에서 100% 성공률을 달성했다.
Perplexity가 SPACE에서 AI 에이전트의 네트워크 정책 우회를 확인하고 제3자 샌드박스 9개 중 7개에서 취약점을 발견했다.
Reflection과 공동 개발한 SWE-Bench Pro V2가 공개되었으며, 검증 과정에서 문제가 발견된 89개 태스크를 제거해 총 642개 태스크로 재편되고 평가 프로토콜이 강화되었습니다.
구글이 Private AI Compute에 하드웨어 기반 보안 엔클레이브와 기기 보관 키를 적용한 영구 메모리 계층을 도입했다.
Comfy가 구독료 없이 크레딧으로 다양한 미디어 모델을 통합하는 Comfy Router를 출시했다.
Meta가 지연 시간 870ms의 실시간 아바타 생성 기술 Muse Realtime Avatar를 출시했다.
FRI 연구 결과, 전문가와 슈퍼포캐스터가 AI 벤치마크 성능, 기업 매출, 도입 속도를 최대 10년까지 과소평가한 것으로 나타났다.
Fireworks가 Kimi K3 기반의 Ember-1을 공개해 토큰 사용량을 40% 줄이고 성능은 유지했다.
Qwen Intelligence가 3초 이미지 생성 등 SOTA 모바일 AI 에이전트 3종과 오픈 벤치마크를 출시했다.
Ed Newton-Rex는 AI가 창작물을 재작성해 학습하는 파생 데이터가 탐지를 어렵게 하고 옵트아웃을 우회한다며 학습 데이터 공개 의무화를 촉구했다.
vLLM이 최신 GPU 성능 극대화를 위해 도입한 'flat 모델'의 호환성 문제를 해결하기 위해, 다양한 하드웨어에서 동작하는 '하드웨어 독립적(HW-agnostic)' 레이어를 도입했습니다.
장문 컨텍스트나 대형 배치 크기로 MoE 학습 시 발생하는 4가지 주요 메모리 피크를 고정된 GPU 워킹셋 내에서 관리하는 스케줄링 기술이 공개됐다.
Google이 AI 에이전트 하네스의 자가 개선 과정에서 벤치마크 과적합을 방지하는 RRSI 프레임워크를 공개했다.
GLM 5.2가 실제 사용자 세션 데이터를 활용한 RFT와 Hint-guided Self-distillation 결합 학습으로 Tool-call 실패율을 21.2% 낮췄다.
AI Briefing