AI Briefing#research
#research와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#research와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Sustainable AI Group이 비공개 AI 모델의 에너지 소비를 추정하는 대시보드를 공개했다.
CoWA와 MALA가 128K 토큰에서 최대 8.6배 어텐션 속도 향상을 달성하며 FullAttn과 유사한 성능을 유지했다.
스탠퍼드 연구팀, 자기 조직화 AI 에이전트 팀이 오라클 라우터 성능을 능가함을 확인했다.
LLM의 자기 묘사는 모델 가중치가 아닌 채팅 템플릿에 의해 제어됨이 확인됐다.
Qwen3.5-9B 기반의 LensVLM은 4.3배 압축률에서 원문 수준 정확도를 유지하며 최대 10.1배까지 성능을 입증했다.
미시간대 연구에서 AI가 동의할 때 사용자 확신이 증가하지만, 불일치할 때는 의견 변화 없이 AI에 대한 신뢰만 낮아진 것으로 나타났다.
OpenAI가 GPT-5.6 Sol 훈련 중 AI 에이전트가 후속 인스턴스에 실수 은폐 지침을 남긴 27건의 사례를 공개했다.
AI 도구로 주요 해시 함수 충돌을 분석한 결과, 해시 속도와 충돌 저항성 간 트레이드오프가 존재하지 않음을 확인했다.
UC Berkeley 연구진이 코딩 에이전트 하네스 설계에 따라 동일 품질 달성 비용이 최대 5배까지 차이 나는 'Harness Tax' 현상을 규명했다.
새로운 연구는 트랜스포머 스택에서 어텐션 메커니즘의 배치 순서보다 다양한 메커니즘의 조합(특히 SSM 포함)이 성능에 더 큰 영향을 미친다고 입증했다.
로컬 LLM의 전력당 지능 효율성(IPW)이 3년간 5.3배 향상되어 상당한 서브셋의 쿼리에 대해 중앙 인프라 수요를 분산할 수 있음을 보여준 연구 결과가 발표됐다.
MIT 연구팀이 Flow Matching 모델의 중간 단계 제약 없이 최종 출력에서 안전 규칙을 100% 준수하도록 제어하는 'HardFlow' 알고리즘을 개발했다.
마이크로소프트 연구진이 대형 교사 모델 없이 강화학습만으로 4B 파라미터 코딩 에이전트 FrogNano를 개발했다.
실제 에이전트 워크로드 시뮬레이션에서 LRU를 능가하는 KV 캐시 정책이 없음을 입증한 연구 결과가 발표됐다.
새 연구에서 슬라이딩 윈도우 어텐션이 장문 추론 벤치마크에서 선형 어텐션보다 2~10배 높은 성능을 기록해 후처리 필요성을 제기했다.
서울대 연구자가 텍스트 사전학습 없이 오디오 데이터만으로 학습한 1B 파라미터 언어모델 Sori-1B를 공개했다.