태그: Headliner

19개의 게시물

• 
  아틀라스와 공간 컨텍스트 2026-09-02

  페이-페이 리는 언어 모델이 세계를 서술할 뿐 공간을 다루지는 못한다고 말해왔습니다. World Labs가 9월 1일 공개한 아틀라스는 그 주장을 설계로 옮긴 모델입니다.

• 
  오토 모드와 파이썬 모듈 섀도잉 2026-09-02

  앤트로픽은 프롬프트 인젝션 성공률 0.00%라고 했고 연구자는 60~80%로 뚫었습니다. 두 숫자가 다 맞는 이유와, 20년 된 파이썬 기법이 왜 지금 되살아났는지 봅니다.

• 
  AI가 써주는데 왜 어셈블리어로 개발하지 않나 2026-09-02

  사람이 어셈블리를 안 쓰는 이유가 어렵기 때문이라면, AI가 대신 써주는 지금은 써야 맞습니다. 그런데 벤치마크 세 개가 같은 답을 냅니다. 최상위 모델의 어셈블리 테스트 통과율이 51.5%, CUDA 커널 성공률이 2.4%, 학습 데이터가 적은 아키텍처에서는 성능이 무너집니다. 추상화는 사람의 한계 때문에 생긴 게 아니라 검증과 이식을 위해 생겼습니다.

• 
  2026. 08. 이달의 인물 - Hao Fei, Zhiyu Li, Chengsong Huang 2026-09-01

  2026년 8월, 모델 안에 무엇을 두고 바깥에 무엇을 남길지 경계선을 다시 그은 연구자들을 돌아봅니다.

• 
  소니·워너 채플이 앤트로픽을 고소했습니다 2026-09-01

  네 번째 음악 소송입니다. 달라진 건 규모가 아니라 청구 구조입니다. 학습이 아니라 수집 경로를 때리고, 저작권 관리정보 제거를 건당 2만 5천 달러로 따로 겁니다.

• 
  앤트로픽 블랙리스트와 조달법 3252조 2026-08-30

  국방부가 앤트로픽에 붙인 공급망 위험 딱지가 8월 27일 위법 판정을 받았습니다. 같은 사건에서 4월에는 앤트로픽이 졌습니다. 두 결론이 갈린 이유가 이 판결의 크기를 정합니다.

• 
  Verbalizable Representations Form a Global Workspace in Language Models 2026-07-07

  Anthropic이 언어모델 내부에서 인간의 의식 접근(access consciousness)과 유사한 기능을 하는 신경 표상 집합을 발견했습니다. J-space라 이름 붙인 이 표상은 Claude가 무엇을 생각하고 있는지 겉으로 드러나지 않는 순간에도 읽어낼 수 있게 해주며, 안전성 모니터링에도 실제로 활용되고 있습니다.

• 
  Gated Attention for Large Language Models - Non-linearity, Sparsity, and Attention-Sink-Free 2026-06-15

  어텐션 출력 뒤에 헤드별 시그모이드 게이트 하나. PPL -0.2, MMLU +2점, 어텐션 싱크 소멸. NeurIPS 2025 Best Paper.

• 
  Open Knowledge Format - AI 에이전트를 위한 데이터 공유 표준 2026-06-14

  Google Cloud가 제안한 OKF는 AI 에이전트가 데이터를 이해할 수 있도록 마크다운과 YAML 프론트매터로 지식을 표현하는 개방형 표준입니다. CLAUDE.md와 옵시디언 볼트 같은 패턴의 데이터 카탈로그 버전입니다

• 
  MinerU2.5 - Document Parsing Vision-Language Model 2026-06-14

  1.2B 파라미터로 고해상도 문서의 정확한 파싱을 달성한 MinerU2.5의 2단계 분리 아키텍처와 데이터 엔진을 분석합니다.

• 
  Recursive Multi-Agent Systems 2026-04-30

  AI 에이전트 하나가 작업을 받습니다. 그 에이전트가 작업을 쪼갭니다. 쪼개진 작업들을 새로운 에이전트들에게 넘깁니다. 그 에이전트들도 또 쪼갭니다. AI가 AI를 낳는다. 재귀적 멀티에이전트 시스템이 무엇이고, AI의 불편한 미래는 어디로 향하는지 정리합니다.

• 
  Depth Anything 3 Recovering the Visual Space from Any Views 2025-11-18

  또이트댄스입니다. Depth Anything 3는 한 장의 이미지든 여러 장의 영상이든, 카메라 포즈 정보가 있든 없든 상관없이 3D 기하 정보를 예측하는 모델입니다. 평범한 트랜스포머 하나와 단순한 깊이-광선(depth-ray) 표현으로 이전 최고 성능을 44% 능가하는 성능을 달성했으며, 모든 데이터를 공개 학술 데이터셋으로만 학습했습니다.

• 
  Kimi Linear An Expressive, Efficient Attention Architecture 2025-11-05

  현대 트랜스포머의 약점을 개선한 새 어텐션 구조 Kimi Linear를 소개합니다. 선형 어텐션 기반으로 효율과 성능을 동시에 끌어올린 접근을 다룹니다.

• 
  Video models are zero-shot learners and reasoners 2025-09-24

  자연어 처리가 변화한 이유가 대규모 언어 모델이라면 컴퓨터 비전이 변화한 이유는 비디오 모델입니다. 믿고 보는 Google DeepMind의 최신 비디오 모델 연구 논문입니다. Veo 3가 명시적으로 학습하지 않은 다양한 시각적 작업을 제로샷 방식으로 해결할 수 있다고 제안합니다.

• 
  Why Language Models Hallucinate 2025-09-17

  언어 모델의 환각(Hallucination) 현상을 통계적 관점에서 분석한 논문을 요약합니다. 환각이 사전훈련의 필연적 결과이며, '모르겠다'를 처벌하는 현재의 평가 방식 때문에 사후훈련 후에도 지속되는 구조적 문제를 지적하고 해결책을 제시합니다.

• 
  DINOv3 2025-09-15

  Meta AI의 70억 파라미터 자기지도학습 모델 DINOv3 논문을 요약합니다. 라벨 없이 이미지 특징을 학습하는 이 모델의 거대한 아키텍처, 데이터 큐레이션 전략, 그리고 패치 일관성을 유지하는 혁신 기술 'Gram Anchoring'을 중심으로 설명합니다.

• 
  Prefix-Tuning Optimizing Continuous Prompts for Generation 2025-09-13

  Prefix-Tuning 논문을 요약하며, 대형 언어모델의 파라미터를 고정한 채 작은 연속적 프롬프트(prefix)만 최적화하는 효율적인 튜닝 방법을 설명합니다. 전체 파인튜닝 대비 적은 파라미터로 경쟁력 있는 성능을 내는 원리와 장점을 다룹니다.

• 
  You Only Look Once, Unified Real-Time Object Detection 2025-09-02

  실시간 객체 탐지의 시대를 연 YOLO(You Only Look Once) 논문을 요약합니다. 전체 이미지를 단일 신경망에 한 번만 통과시켜 객체의 경계 상자와 클래스를 동시에 예측하는 혁신적인 통합 아키텍처의 원리와 성능을 설명합니다.

• 
  Attention Is All You Need 2025-09-01

  'Attention Is All You Need'는 RNN을 버리고 셀프 어텐션만으로 시퀀스를 처리하는 Transformer 아키텍처를 제안한 2017년 논문입니다. 기계 번역에서 당시 SOTA를 경신했고, 이후 BERT·GPT·Claude를 포함한 거의 모든 대형 언어 모델의 기반이 되었습니다.