AI Briefing#research-paper
#research-paper와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#research-paper와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Stepped MoE 프레임워크가 1~4B 파라미터를 동적으로 지원하며 벤치마크에서 2~5% 성능을 개선했다.
FactorEngram은 기저 수준 게이팅으로 340M 및 1B 백본의 언어 모델 성능을 개선했다.
WFD 프레임워크가 초안과 검증을 동시 배치해 Huginn-3.5B에서 4.81배 속도 향상을 달성했다.
Hinton과 Bengio가 AI R&D 자동화로 인한 지능 폭발과 통제 상실 위험을 경고했다.
NeurIPS 2026 논문이 위상적 OOD 일반화를 위한 동역학 시스템 재구성 기법을 제안했다.
NeurIPS 채택된 Functional GD의 adaptive representations가 global minimizer 수렴과 신경망 대비 압도적 성능을 입증했다.
Jane Street 연구진이 시퀀스 가중치와 손실 감소 간 관계가 모델 크기에 따라 비단조적으로 변하는 현상을 규명했다.
텍스트 생성 없이 LLM 간 KV-cache를 직접 연결해 지연을 줄이고 정확도를 높이는 C2C 프레임워크가 공개됐다.
하이퍼네트워크를 통해 실시간 상호작용 데이터를 가중치로 변환하고 베이지안 방식으로 온라인 업데이트하는 '무한 파라미터 LLM' 아키텍처가 제안되었다.
Multiverse Computing이 주제 전체가 아닌 특정 하위 집합만 거부하는 'Narrow-boundary safety' 기법으로 과잉 거부를 74%에서 4%로 낮췄다.
LLM의 확산을 바이러스 전파 모델로 분석한 연구가 임계점 초과 시 인지 능력의 급격한 저하와 기술적 고착화를 경고했다.
언어 모델이 사고 과정 중 주의가 필요한 영역을 스스로 선언해 연산 비용을 최대 52% 줄이는 'Declarative Attention' 기법이 공개됐다.
브라질 연구팀이 레거시 코드를 AI 에이전트가 이해할 수 있는 운영 명세로 변환하는 다중 에이전트 프레임워크 'Reversa'를 공개했다.
Alexia Jolicoeur-Martineau 연구팀이 슬라이딩 윈도우 어텐션과 어텐션 싱크를 결합해 선형 어텐션을 대체하는 논문을 공개했다.
Perplexity 실사용 데이터를 통해 AI 에이전트가 업무 시간을 87% 단축하고 업무 범위를 확장함을 입증했다.
긴 컨텍스트가 모델의 활성화 상태를 변화시켜 RLHF 기반의 안전 제약을 약화시킨다는 연구 결과가 발표되었다.
초등학교 5학년 수준의 데이터로 학습된 LittleLearner를 통해 LLM의 지식 습득 및 능력 한계를 분석했다.
Anthropic이 Claude의 대화 데이터를 분석해 모델 버전과 언어에 따른 가치관 변화를 측정하는 '가치 축(Value Axes)' 연구를 발표했다.