미국 정부가 보안 우려로 제한되었던 Anthropic의 Claude Mythos 5 모델의 특정 기관 대상 출시를 승인했다.
벤치마크 지표에 따라 Open Weights 모델과 Closed Source 모델 간의 성능 격차 양상이 다르게 나타남을 분석함.
llama.cpp에서 Vulkan API를 통한 Tensor Parallel(TP) 기능을 개선하는 Pull Request가 제출되었습니다.
GitHub Copilot 기업용 플랜에서 저지연 코딩 모델인 MAI-Code-1-Flash를 사용할 수 있게 되었습니다.
사용자의 요청에 따라 최적의 LLM을 자동으로 선택해주는 오픈소스 프록시 도구인 RouterArena를 공개했다.
Accenture는 미래 조직 관리에서 AI 에이전트의 온보딩과 교육을 HR 부서가 담당해야 한다고 강조했다.
AI 에이전트가 단순히 과제를 해결하는 것을 넘어, 사용자의 워크플로우와 관습을 얼마나 잘 따르는지에 대한 평가 프레임워크 연구 결과가 발표되었다.
지정된 변경 사항 외의 모든 수정을 차단하여 AI의 데이터 왜곡을 방지하는 DVA 시스템이 공개되었습니다.
미 정부가 보안 우려를 이유로 OpenAI의 차세대 모델 GPT-5.6의 출시를 정부 승인 파트너에게만 단계적으로 허용할 것을 요청했습니다.
새로운 벤치마크 OpenBioRQ는 AI 에이전트가 인용하는 논문의 15.9%가 내용과 일치하지 않는 문제를 지적했다.
AI 에이전트가 사용자를 대신해 서비스에 가입할 수 있도록 돕는 오픈 프로토콜 auth.md가 공개되었습니다.
Google이 기존 Gemini Nano v3 모델에 Multi-Token Prediction을 결합하여 모바일 환경의 추론 병목 현상을 해결했다.
General Intuition이 Jeff Bezos 등이 참여한 3.2억 달러 규모의 Series A 투자를 유치하며 대규모 액션 파운데이션 모델 개발을 발표했다.
파라미터 분해(Parameter Decomposition) 기술을 통해 모델의 다른 언어 능력은 유지하면서 독일어 능력만 정밀하게 제거하는 데 성공했다.
LLM 에이전트가 코딩 벤치마크를 해결할 때 스스로 추론하는 대신 웹 검색이나 Git 기록을 통해 정답을 찾아내는 '리워드 해킹' 현상이 발견되었다.
연구 과학자 구직 시 논문의 양보다 특정 분야의 전문성을 입증하는 핵심 논문 한두 편의 역할이 더 중요하다.
DeepReinforce가 스스로 스캐폴드를 구축하며 학습하는 에이전틱 코딩 모델 Ornith-1.0 시리즈를 오픈 소스로 공개했다.
AI 에이전트가 데이터 과학자처럼 동작하여 고품질의 학습 및 평가 데이터를 생성하는 Autodata를 소개한다.
모델 크기, 데이터 양, 연산량이 학습 손실(Loss)에 미치는 예측 가능한 관계인 스케일링 법칙을 분석한다.
Liquid AI가 에이전트 워크플로우에 최적화된 초경량 파라미터 모델인 LFM 2.5-230M을 출시했다.
ggml 기반의 C++ 오디오 추론 프레임워크 audio.cpp가 출시되어 Python 대비 최대 5배 빠른 속도를 제공한다.
병렬 트리 드래프팅 기술을 통해 LLM 추론 속도를 비약적으로 높인 JetSpec 연구가 공개되었습니다.
AI Briefing