AI Briefing#reinforcement-learning
#reinforcement-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#reinforcement-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Figma의 Qwen 3.8 27B 기반 후학습 모델이 내부 평가에서 Sol 6.1을 추월했다
Qwen3 0.6B로 GRPO 학습 시 KL 항 제거가 성능 붕괴 방지와 효율 향상에 핵심임을 확인했다.
HarborRL이 Qwen과 GLM 모델을 지원하는 단일 에이전틱 RL 파이프라인을 통합했다
Qwen3.8-27B의 20회 연속 성공 과제가 38개에서 107개로 늘었다.
Kimi K3.1 Pro가 100만 토큰 컨텍스트와 8.3% 환각률로 성능을 입증했다.
LG AI Research의 LOAM이 LLM으로 RL 공간을 설계해 학습 속도를 3배 높였다.
NVIDIA가 4GB VRAM에서 동작하는 대화형 에이전트용 소형 모델 Nemotron 3.5 Bolt E4B를 공개했다.
OpenEnv가 AAIF 프로젝트로 합류하고 v0.10.0이 출시되어 에이전트 학습 환경 개발이 중립 재단 하에서 진행됐다.
ThinkingBox RL 학습으로 Qwen3.8-27B의 신뢰성 지표가 21.10%까지 상승했다.
NVIDIA와 Pollen Robotics가 Isaac Lab 3.0에서 Microduck 로봇 보행 정책 학습 워크플로우를 공개했다.
Google Cloud와 NVIDIA가 Vera Rubin 기반 A5X 플랫폼의 일반 가용성을 발표했다.
JOLT가 단일 모델로 교사와 학생을 공동 학습해 GRPO보다 정확도와 샘플 효율을 높였다
합성 데이터로 학습한 360M 모델이 터미널 시뮬레이션에서 기존 베이스라인을 상회했다
Ornith-1.5-122B가 강화 학습으로 작업 생성부터 롤아웃까지 공동 최적화한다
HybridAgent가 성능 10.4% 향상과 비용 절감을 달성했고, Raw-RAG가 복잡한 메모리 시스템을 능가했다.
Alibaba QwenGyre 논문은 긴 에이전트 롤아웃으로 인한 on-policy 드리프트와 하네스 복잡성 문제를 제기했다.
삼성전자 영국 연구소가 기기 내 LLM 추론 정확도를 높이는 CG-TTRL 프레임워크를 공개했다.
Microsoft Research가 개별 학생의 학습 패턴을 모방하는 시뮬레이터 StudentSim을 공개하고, 이를 활용해 AI 튜터의 지도 품질을 검증하는 방법을 제시했습니다.