AI
언어모델과 영상·이미지·음성 생성 AI의 출시, 가격 변화, 신기술과 벤치마크를 다룹니다.

영상 토큰 압축을 과제별로 비교한 VidToC
압축 효과는 영상 이해 과제에 따라 달랐고, 연구진은 모델의 기본 구조에 따른 차이도 비교했다.
최근 7일11.17 – 11.22
대조 학습 뒤 AI 안전장치 우회 탐지 정확도 상승
별도 분류기 훈련 없이 새 입력이 유해·무해 대표점 중 어디에 더 가까운지 판별하는 방식이다.
SLAM-ASR 받아쓰기에서 유도 헤드 역할 밝혀
연구진은 일부 헤드 쌍이 주의 신호의 잡음을 줄이고 직전에 생성한 단어에 주의를 더 집중시켰다고 밝혔다.
언어모델 가중치 이식으로 수학 추론 성능 개선
이식한 층이 추론 관련 구간과 많이 겹칠수록 개선 폭이 컸다는 연구 결과이다.
로봇 물체 배치 기법 DOCK, 모의 과제 15개 해결
집게에 잡힌 물체의 이동을 로봇 관절 각도로 추정해 학습에 썼다.
휴머노이드 보행 실험서 e-prop 생존율 100%
생물 신경계를 닮은 학습법이 비생물학적 비교 기준과 같은 생존율을 기록했다.
초록 저장한 논문 탐색 도구, 검색 순위 지표 개선
논문을 추천할 때 주제 관련성과 저자의 연구 이력을 점수에 반영하고 항목별 근거를 보여준다.
의료 AI 조작, 답변보다 내부 신호에서 더 자주 탐지
연구진은 기존 변환 도구와 범용 판정 모델로 재학습 없이 실험했다.
심장 PET 보정에 흉부 CT 사전학습 적용
환자별 CT를 따로 촬영하지 않고 심장 PET의 신호 감쇠를 보정하는 방법이다.
표면 모델 없이 물체 자세 추정하는 학습법 공개
물체의 자세와 실제 크기 표기로 표면 복원에 쓸 관측점을 고르는 방식이다.
숨소리까지 문장에 표시하는 음성 인식 모델 발표
연구진이 공개한 평가 결과에 따르면, 이 모델은 사람이 정답을 표시한 평가에서 평균 종합점수 선두를 차지했다.
음성 합성 첫 출력 390 ms 기록한 AI 모델 논문 공개
텍스트·이미지·음성을 한 모델에 입력하고, 참조 음성을 바탕으로 말을 합성하는 방식이다.번역 모델 압축 뒤 처리 시간 최대 5.3배로 증가
논문 초록에 따르면 메모리 사용량은 줄었고 종합 번역 점수는 대체로 약 1점 이내에서 변화했다.
AI 삽화CaDO, 인과 추론 데이터의 정답 오류 자동 보정
연구진은 질문을 검증 가능한 형식으로 바꾸고, 보정 과정에서 기존 정답을 얼마나 보존했는지 비교했다.
재난 게시물 사이 인과관계 찾는 STAGE 공개
연구진은 게시물 간 관계를 학습에 넣었을 때 산불과 허리케인에서 성능 개선 폭이 달랐다고 보고했다.
KIWI-EP, vLLM 출력 토큰당 시간 단축
전문가 모델에 토큰을 보내고 각 모델의 처리 결과를 모으는 방식을 재설계했다.
AI 삽화1인칭 작업 영상 오류 탐지에서 통합 모델이 앞서
연구진 평가에서 동작 단계와 시간 구간, 수행 결과를 함께 예측한 모델이 분리형보다 높은 오류 탐지 점수를 기록했다.
영어·표준중국어 평가에서 나타난 모델별 맥락 추론 차이
연구진은 대화 문항에서 언어 모델이 사람 참가자보다 발화를 문자 그대로 해석하는 경향이 강했다고 보고했다.
의학 객관식 한 번에 푸는 모델 정답률 46.0%
언어 모델을 고정하고 질문과 보기의 유사도를 비교하는 부분만 학습한 결과이다.
추가 학습 없는 언어 모델 가중치 복구 실험 공개
Pythia에서는 고정 투영법이 실시간 선택과 비슷한 성적을 냈고, 복합 결함에서는 두 절차가 같은 계열의 연산을 썼다.
언어 모델 가중치에 재학습 없이 산술 회로 삽입
논문은 계산 규칙을 가중치에 옮기는 방식을 예제 기반 미세조정과 비교했다.
픽셀 생성 없는 전신 식별 모델 IDWorld 제안
같은 복장이나 고정된 시점에서 사람의 특징이 어떻게 달라지는지 예측해 식별에 반영하는 모델이다.
관측 기간 늘린 실험에서 고객 행동 예측 성능 상승
논문은 관측 기간을 늘렸을 때의 지표 상승 폭이 순차 모델 계열 간 차이보다 크다고 보고했다.
ReLay로 회로 배치 생성의 모델 호출 비용 절감
연구진은 기존 회로 배치에서 코드를 복원하고 반복되는 설계 절차를 공용 함수로 등록했다.
이미지 생성 캐시로 그림 속 단어 정확도 하락
연구진은 오차가 클 부분만 다시 계산하는 GuideCache로 입력 지시 반영 수준을 회복했다고 보고했다.
활성화 함수 FAct 재사용해 이미지 분류 정확도 개선
함수별로 학습 설정을 조정한 실험의 16개 조건 중 11개에서 고정한 FAct가 1위를 기록했다.
연구진, TuringPAI 차량 내 12 Hz 경로 생성 발표
논문은 차량 내 실행에 NVIDIA Orin-X 칩 하나를 썼다고 명시했다.
AI 삽화담낭 수술 영상에서 안전 기준 오승인 줄인 판정법
전문가 의견이 갈린 영상의 오승인과 안전 기준을 충족한 영상의 제때 승인율이 함께 낮아졌다.
조회 누락을 짚은 구조화 기록은 답변과 겹쳤다
핵심 항목의 판정이 사전에 정한 사람 검증 기준에 못 미쳐 저자는 기록을 추가한 효과를 결론 내리지 않았다.
기본 지시문으로 설정별 모의 시선을 가른 모델
연구진은 볼 곳을 글로 먼저 쓰게 한 방식이 시선과 무관한 속성 변화에도 반응했다고 보고했다.
목차로 긴 문서 구조 복원하는 TETHER 공개
TETHER는 별도 학습 없이 목차와 본문을 연결해 각 장과 절의 범위를 구분하는 방식이다.
문장 길이 조절로 확산 모델 번역 속도 높인 TRAC
연구진 실험에서 모델 호출 횟수는 줄었고 번역 품질 지표 COMET의 거시 평균은 0.02점 하락했다.
AI로 재현·진단한 버그 보고서 유효성 높아
연구진은 버그 재현·진단에 AI를 쓸 때 더 높은 유효성을 보고했다.
연구진, RoCoKV 시험서 추론 속도 향상 보고
연구진은 추론 중 모델의 확신에 따라 KV 캐시 압축 강도를 바꾸도록 설계했다.
AI 삽화로고가 가시광·적외선 영상 AI 응답에 미친 영향
연구진은 두 종류의 영상에서 목표 응답이 동시에 최상위에 오르는지를 비교했다.
양쪽 유방 영상 비교로 인공지능 판독 성능 개선 보고
공개 초록에는 판독 성능이 얼마나 개선됐는지 제시되지 않았다.
검색 증강 생성 시스템을 처음부터 짠 에이전트
시작 코드 없이 시스템을 짠 조합이 별도 실험에서 사람 설계의 점수도 높였다.
음식 무게에 비례하지 않은 AI의 열량 추정치
무게당 열량에 제시한 무게를 곱하자 적은 양과 많은 양에서 오차가 줄었다.
의료용 언어 모델 인증에 추론 단계 감사 제안
저자들은 정답 위주 평가가 잘못된 인과 추론을 놓칠 수 있다고 지적했다.
영상 언어 모델, 질문 없이 고른 입력도 상위권
연구진은 토큰 한도가 낮을 때 질문을 의미 단서로 나누는 방식이 특정 증거를 찾는 데 도움이 됐다고 밝혔다.
시각언어 모델 추론 비용 낮춘 4비트 양자화
이미지와 글에서 정보를 찾는 구조를 보존하고, 추론 도중의 판단을 원래 모델에 맞춘 연구이다.
프로그램 추론 정확도 최대 22%포인트 개선
입출력 예시를 골라 묻는 알고리즘이 언어모델 단독 에이전트와 비교됐다.
AG-JEPA, 초기 인지장애 분류 성능 개선
연구진은 뇌 부위별 특징을 학습해 진단과 질병 진행 예측 성능을 높였다고 발표했다.
스페인어 운임 협상 음성 AI 비교 결과 공개
금액 인식 오류율과 청취자 기준 응답 지연을 함께 비교한 연구이다.
WebArena-Pro, 음성·영상 웹 에이전트 평가
서로 다른 모델을 결합한 Codex와 Claude Code가 공동 최고 점수로 보고됐다.
보안 과제 658개로 언어모델 훈련 환경 공개
실행 결과를 검증하는 학습 구조를 제시했으며, 공개 성적의 비교 기준은 CTF 보안 과제이다.
입력당 한 번 실행하는 에이전트 학습법 공개
FlashREINFORCE 연구진은 입력별 반복 실행을 줄이면서 학습 안정성을 유지했다고 밝혔다.
번역 모델 압축 연구, 평가지표에 따라 달라진 품질 판정
자동 평가 지표의 판단이 갈린 연구로, 압축 뒤 후보 번역을 다시 고르는 절차도 함께 다뤘다.
AI 추론을 그래프로 바꿔 정답 예측 성능 개선
연구진은 초기 계획과 종합 단계의 의존 관계에서 정답·오답 추론의 차이를 분석했다.
휴대전화 처방전 판독, 약물 재현율 67% 보고
같은 사진을 재평가한 연구는 약물 누락 감소와 처리 시간 증가를 함께 보고했다.
CECAR, 전문가 선택 바꿔 기기 내 추론 가속
기존 캐시 기반 경로 선택에 전문가 재사용 예측을 반영한 설계이다.
두나무 금융 AI 논문, 메인·워크숍에 나뉘어 채택
채택 내역은 발표 경로를 보여 주며, 연구 성능에 대한 판단에는 논문별 실험 조건이 필요하다.오답 학습으로 공간 추론 개선, 일반화는 제한
연구진은 공간 학습 문항에 따른 성과와 모델별 한계를 함께 보고했다.
언어모델 수정 효과는 평가 조건에 따라 달랐다
거부 제거와 어휘 축소 논문은 수정 뒤 동작을 평가 조건과 함께 살폈다.
CivilBench가 드러낸 토목 AI의 수치 추론 한계
연구진은 수치 사전정보와 외부 지식의 보완 효과도 모델의 근거 해석·활용 능력에 달렸다고 밝혔다.
뇌파 이해 평가에서 드러난 시각언어 모델의 정렬 병목
EEGProbe 연구진은 신호 없이 정답을 맞히는 지름길을 줄이고, 뇌파와 다른 형식의 정보를 연결하는 능력을 시험했다.
루마니아어 문법 평가서 학습 데이터별 성능 차이
같은 학습량에서 BabyBabelLM이 영상 자막보다 대체로 우세했으며, 초록은 독립 재현 결과를 보고하지 않았다.
게임 엔진 간 장면 구성 경험 재사용 설계 공개
SceneAgent는 장면 구성 경험을 엔진 연동부와 분리했고, 지침 재사용에 따른 실행 비용도 검토 대상으로 제시했다.
AI가 짠 일정 최적화 코드, 미해결 문제 기록 개선
같은 장비와 실행 예산을 적용한 비교에서 AI 작성 코드가 상용 도구보다 작은 하한 격차를 기록했다.
시계열 예측 평가셋 공개…추세와 충돌한 글의 오차
과거 추세와 충돌한 글이 예측 오차를 키운 조건과 수정 폭을 제한한 효과를 살핀 연구이다.
대상별 탐지기 학습 없는 위성영상 검색 방식 평가
Lens 저자들은 위치 편향을 줄인 영상 특징으로 검색했으며, 클래스별 최적 임곗값에서 성능을 보고했다.
AI 삽화발신 음성 AI의 통화 상대 가려내는 FEND 제안
사람과 음성사서함·자동응답 시스템·AI를 구분해 서로 다른 통화 대응을 돕도록 설계됐다.
STaG, 사람 설명문 없는 새 환경 적응법 제안
기존 환경의 설명문과 새 환경의 이미지를 활용해 텍스트 정렬과 시각적 차이를 함께 다루는 연구이다.
PERFARENA, 생성 코드의 실행 비용 평가
정답 여부에 실행 시간·메모리·에너지 측정을 더한 코드 평가 도구이다.
RAWATTA, 추가 학습 없이 이미지 200장 처리
어텐션 연산에 8비트 정밀도를 적용하고 보정 검사에서 필요한 층만 16비트로 유지한 방식이다.
언어 모델의 가중치 편집, 무작위 안내 대비 이점 없어
저자들의 반복 평가에서는 정밀도 차이가 작게 측정됐으며, 초기 가중치 편집 실행의 검증에도 한계가 보고됐다.
의료 AI의 미완성 추론에서 기존 진단 추출
연구진은 추론에 남은 진단과 답변 완성, 정답 여부를 구분했다.
광물 탐사 AI 평가서 필요 이상의 실험 제안
연구진은 필요한 실험을 찾는 재현율은 높지만 제안의 정밀도는 낮다고 보고했다.
언어 모델 평가, 정답 점수 넘어 내부 처리 추적
지식 회상과 추론 과제에서 나타나는 내부 처리 차이를 평가에 반영하는 틀을 제안했다.
시민의 AI 규칙 수정 돕는 AI-Voyager 제안
정부 문서의 근거 구절을 연결했지만 참여 연구에서 인용이 원문 확인으로 이어진 경우는 드물었다.
AI 삽화소형 언어모델 반복 평가에도 남은 참여자 구성 영향
평가 결과를 합쳐도 참여자 구성의 영향은 남아, 연구진은 강제 순위 대신 후보군과 격차를 보고하도록 제안했다.
일주일 전11.10 – 11.16
서울대 피지컬 AI, 원격 모델 호출 빈도 감소
보도가 소개한 핵심은 센서 제어와 AI 추론을 통합해 원격 모델 호출을 줄인 구조이다.
맥 개발 명령 처리량 높인 메탈 샌드박스 공개
명령 처리량 실험과 세션 기록 추정치는 서로 다른 조건을 적용한 결과이다.
위성영상 벡터 차이로 사건 완료 시점 예측 연구
시점별 영상의 의미 차이로 사건을 수집하고 예측 모델을 훈련하는 접근을 제시했다.
영상 이해 평가서 드러난 대사·발화자 연결 격차
연구진은 시각 정보의 효과가 질문 유형에 따라 달랐다고 밝혔다.
수정 적은 사이트서 AI 선호 어휘 29% 증가
답변 수정 비중에 따라 어휘 증가 양상이 달랐지만, 실제 모델 사용은 관측하지 않은 연구이다.
회전기계 진단 모델, 정확도 99.40% 발표
연구진은 여러 운전 조건의 공개 데이터셋으로 평가했으며, 초록에 실제 산업 설비 검증 결과는 공개하지 않았다.
열화상 3D 복원 기술, 카메라 위치 정보 생략
컬러 영상과 장면별 추가 학습 없이 새로운 장면을 복원한다는 연구이다.
이미지 생성 AI 평가 순위 뒤집은 검증 방식
전체 점수가 비슷해도 개별 이미지 판정은 엇갈렸고, 모델 순위도 사람 평가와 달랐다.
중국 판결문 생성 AI 평가할 진단 기준 공개
법률 특화 모델과 범용 모델의 강점은 평가 항목에 따라 달랐다는 연구 결과이다.
산스크리트어 번역 AI, 언어 구조 더해 점수 개선
연구진이 밝힌 구절당 추론 비용은 단일 모델 대비 약 9배이다.
GPU·CPU 혼합 풀이법, 최적화 문제 점수 개선
별도 학습 없이 GPU가 계산한 변수값을 CPU 풀이기에 전달하는 방식이다.
Sophon, 공개 모델의 공간 추론 병목 보정
연구진은 공간 정보를 갖춘 모델도 답변에 이를 활용하는 경로에서 실패한다고 분석했다.
MIGRO, 모델 교체 뒤 재구축 대비 품질 99.9% 유지
연구진은 기억을 모델과 분리해 후속 모델도 기록을 읽고 확장하도록 설계했다고 밝혔다.
영상의 기억 가능성 높이는 MemCrafter 제안
연구진은 예상 신경 반응을 바탕으로 영상 생성 지시문을 반복 수정하는 방식을 제안했다.
가중치 일부 삭제로 전체 미세조정 수준 성능 향상
학습 결과의 저장 용량 감소와 기존 능력 유지가 함께 제시된 연구 발표이다.
추가 학습 없이 닮은 물체 가려내는 이미지 분할
물체 후보를 먼저 찾고 참조 이미지와 대조해 원하는 대상의 영역을 나누는 방식이다.
로봇 동작 변화에 적응하는 세계 모델 AFTER-WM
연구진은 학습된 모델을 고치지 않고 지속 시간이 다른 보정을 결합하는 방식을 제안했다.
FreeDeshadow, 선택한 객체의 그림자 제거
점·선·텍스트로 대상을 지정하면 해당 객체가 만든 그림자만 제거하도록 설계했다.
재학습 없이 물리장 예측하는 PhysICL 공개
시뮬레이션 예시로 새 격자의 물리량 분포를 추론하며 모델 가중치를 고정한 방식이다.
언어모델 오류 감지와 사전 경고 구분하는 평가법 제시
연구진은 응답 분류 점수가 비슷한 탐지기도 오류 전 경고 성과는 달랐다고 밝혔다.
언어모델 교란 탐지, 분류기와 자기보고 격차
연구진은 교란 위치를 찾는 성공이 내부 계산 전반에 대한 접근을 뜻하지는 않는다고 지적했다.
긴 문맥 AI 처리량 높인 토큰 병렬화 설계
모델을 나눠 배치하되 요청별 어텐션은 해당 서버에서 끝내는 구조가 처리량 비교의 핵심이다.
AVCC, 다음 발언자 예측에 사람 평가 기준 추가
단일 카메라·마이크로 기록한 대화에서 사람과 모델의 예측을 같은 사례로 평가하는 구성이다.
Alania-2, 터키어 음성 합성 오류율 낮춰
숫자와 이름을 발음대로 풀어 쓰는 변환기를 적용한 결과도 논문에 제시했다.
확산 언어 모델 가속하는 블록 병렬 수정 기법 공개
B3는 추가 학습 없이 적용하는 방식으로, 연구진은 기존 모델과 동등한 생성 품질을 보고했다.
제목의 감정 표현 따라 달라진 AI의 심각도 평가
논문은 기사 본문을 함께 제공하자 제목 표현에 따른 심각도 편향이 줄었다고 보고했다.
재게시 환경서 AI 조작 영상 탐지 한계 드러나
연구진은 생성기·내용 변화와 재게시 압축을 탐지 성능 저하의 별도 원인으로 분석했다.
드론용 재난 분류 모델 저장 용량 0.1 MB로 설계
picoEmergencyNet 연구진은 모델 크기를 키우는 대신 재난 분류에 맞춘 구조 설계를 제시했다.
아동의 비언어 상호작용 평가하는 AI 기준 제시
연구진은 시각언어모델이 맥락 인식보다 행동과 대인관계 단서 해석에서 약점을 드러냈다고 보고했다.
기후 예측 AI의 시뮬레이션 줄이는 합성 시나리오
현실적인 배출 경로 대신 극단적인 조건을 학습시키는 접근으로, 실행 횟수 감소와 예측 성능은 구분해서 읽어야 한다.
소규모 데이터 LIS의 안전 정렬 성능 개선 주장
연구진은 안전성과 과도한 거절을 함께 다뤘으며, 초록은 평가 모델과 벤치마크별 점수를 보고하지 않았다.
영어 토큰 줄인 다단어 학습, 모델 평가는 남았다
연구진은 압축 효과를 보고했지만, 이를 적용해 학습한 모델은 평가하지 않았다.
법률 AI, 추론과 정답의 학습 비중 조절법 제안
추론과 정답의 학습 비중을 맞추고, 최종 평가에 미치는 영향에 따라 보조 보상을 조정하는 방식이다.
다국어 문서 이해 평가서 언어별 성능 격차 지속
연구진은 모델 규모가 커져도 언어별 점수 차이가 줄지 않았다고 보고했다.
외부 연구진도 가세한 2027년 AI 급진전 전망
기업 내부의 경고에 외부 연구진의 분석이 더해졌다는 보도를 바탕으로 전망의 주체와 예측 대상을 짚었다.
CaseScope 연구진, 병리 진단 불안정성 보고
공개 모델은 교육용 사례에서 추가 영상보다 검체 부위 정보에 더 크게 영향을 받았다고 연구진은 보고했다.
장소 검색, 원본과 다른 영상에서 정답률 하락
AcrossPlace 연구진은 설명의 원본 영상과 검색 대상 영상을 분리해 관측 변화에 따른 성능 차이를 보고했다.
망막 영상 맞추는 MICRO 벤치마크와 학습법 제안
연구진은 서로 다른 영상의 혈관 구조 유사성으로 위치를 맞추는 한 단계 학습법을 제안했다.
PolyRoute, 12개 언어 문의 분류 평가 기준 공개
평가 문장과 정답은 모두 AI로 생성했으며, 통계 분류기의 점수도 연구진 공개 수치로 91.9%이다.
FERN, 생성형 AI 호출 없이 필수 표 검색 개선
Spider에서 순위 조정 효과를 제시했지만, Fiben 비교는 질문 집합이 다른 조건이다.
시각언어모델 안전 점수 보정으로 유해 응답 감소 보고
연구진은 유해 응답과 과잉 거절의 허용 비율을 학습에 반영하고, 점수 보정의 효과를 비교했다고 보고했다.
HintErase, 탐지 오류 보완하는 영상 자막 제거
원본 영상과 영역 안내를 함께 받아 놓친 자막을 지우고 잘못 지정된 배경은 보존하도록 학습했다.
AI 영상 광고 검수 연구, 모델이 짚고 사람이 확정
검수자가 모델의 지적을 채택·기각하고 확정된 문제를 편집 도구로 넘기도록 설계했다.
원음 특성 지키는 효과음 편집 모델 폴리포지 제시
편집 예시를 만드는 학습 절차와 음량·편집 강도 조절을 결합한 설계이다.
E2VID 영상 복원 실험서 사람 탐지 40건 보고
연구진은 배경 오탐 비중을 제한한 사후 비교에서도 영상 복원과 직접 표현 방식의 탐지 차이를 보고했다.
에이전트 스킬의 절차를 코드로 분리한 PASE
재사용 절차를 실행 프로그램으로 옮겨 자연어 문서의 반복 수정을 줄이는 설계이다.
자연스러운 안전 응답으로 추가 학습 뒤 안전성 개선
연구진은 정형화된 거절문 대신 요청 맥락에 맞춘 응답을 학습시키는 NEST를 제안했다.
LEMMO가 긴 전자기 신호의 관계를 설명하는 방식
평가 범위를 신호 분류에서 상세 설명으로 넓혔으며, 개선 폭은 연구진이 제시한 비교 수치이다.
우주선 AI 기억 평가서 세션 재시작 뒤 성능 차이
연구진은 같은 세션의 평가에서 기억 시스템과 검색 증강 생성의 우열이 뚜렷하지 않았다고 보고했다.
회로 배치 AI 벤치마크, 검증 통과 결과만 채점
전기적 성능과 면적을 평가한 논문은 비슷한 점수의 실행 구성에서도 모델 비용이 크게 달랐다고 밝혔다.
물리 법칙으로 신경망 가중치 만드는 연구 공개
해의 오차를 낮췄다는 결과와 비선형 방정식의 물리 법칙 충족 한계를 함께 제시한 연구이다.
AI 검증 거친 언어모델 평가서 어려운 문항 탈락
연구진은 AI 검증이 사람이 정답을 지지한 문항까지 걸러 평가 정답률을 높였다고 밝혔다.
시계열 예측에 언어 추론 결합한 TimeOmni-o1
연구진은 언어 모델의 추론을 시계열 예측에 반영하는 양방향 구조를 제시했다.
추론 중 실시간 수식 검사로 정확도 개선 보고
기호 수학 평가에서 정확도 개선과 토큰 사용량 증가를 함께 보고했으며, 초록은 독립 재현을 보고하지 않았다.
KAIST가 겨냥한 플래시 저장장치의 데이터 관리 병목
성능 개선의 초점은 저장 공간을 다시 쓰기 위해 데이터를 옮기고 재배치하는 과정에 있다.
논문 심사자 추천 벤치마크 OmniReview 제안
연구자 전문성을 설명하는 프로필과 단계별 평가로 실제 편집 업무를 반영하도록 설계했다.
의료 AI 평가서 지침 지식과 근거 활용 격차
중국어 기반 평가에서 임상 정보 식별보다 근거 연결과 권고안 작성 점수가 낮게 제시됐다.
Pinterest가 이미지 묶음별 설명 생성 기술 적용
비슷한 이미지를 묶어 설명을 공유하는 방식으로, 연구진은 검색 품질과 효율 개선을 보고했다.
과학 코드 번역 AI, 실패 유형 따라 수리 분담
실패별 수리 배정에 별도 검증을 더해, 토큰 사용량과 번역 정답률을 함께 평가했다.
경찰 영상 혼합형 AI, 사건 서술 13.6%가 근거 부족
연구진은 화자 오인과 함께 편집 영상·긴 영상·잡음 조건에서 모든 처리 체계의 성능 저하를 보고했다.
재학습 없이 미세조정 모델의 거절 행동 복원 제안
연구진은 기본 모델의 거절 방향을 옮겨 안전성을 개선하면서 분야별 지식을 유지했다고 보고했다.
MapHub, 연구자 맞춤 논문 선별 성능 보고
저자들의 가림 평가에서 논문 선별 성과를 보고했지만, 독립 재현 결과는 초록에 담기지 않았다.
튀르키예어 영상 검증 데이터셋으로 두 체계 비교
검증 기사에 번역·합성 사례를 보탠 TeViD는 근거 검색형과 추가 학습형의 판정 방식을 비교했다.
언어 모델의 지속 기억 제어법 JCMC 제안
기억의 예측 효과를 적용 뒤 대조하는 설계로, 단순 검색과의 비교 성능은 제시하지 않았다.
번역 AI, 무시 지시에도 제시된 새 뜻을 선호
중국어를 영어로 옮기는 통제 실험에서 낱말의 빈도와 문맥에 따라 외부에서 제시한 뜻에 대한 의존이 달랐다.
구글딥마인드, AI로 Signal 핵심 코드 검증
전문가가 정한 보안 조건을 실행 코드까지 증명하고 Lean으로 검사했다고 밝혔다.
JevGPT, 증거 검토와 연구 계획 나눈 이중 체계 제시
빠른 근거 검토를 연구 계획에 연결했으며, 초록에는 성능 점수와 비용을 제시하지 않았다.
AI 허위정보 생성비, 검증비보다 3~169배 낮아
VEX-Bench는 허위정보의 검증 부담을 여러 차원에서 평가한 연구이다.
AI 제조 모형 평가서 실행돼도 틀리는 오류 보고
기준 모형 비교에서 오류가 드러났으며, 초록은 독립 연구진의 재현 결과를 보고하지 않았다.
드라마 평가 AI의 채점 방식별 정확도 차이
심사 전 DramaGrow 논문은 반복 채점과 직접 쌍 비교를 대조하고, 평가 방식에 따른 성능 차이를 보고했다.
영상 AI의 물체 등장 횟수 계산 개선 연구 발표
합성 영상의 정확도 개선과 실제 영상 평가의 한계를 함께 제시했다.
터키어 모델 수학 추론, 선형 병합서 최대 개선
미세조정에서는 학습량보다 데이터 품질이 중요했다고 연구진은 밝혔다.
벡터 검색 MCGI, 데이터 굴곡 따라 탐색량 조절
검색 중 계산한 거리로 탐색량을 조절하는 방식이며, 성능 비교는 같은 색인을 사용한 조건이다.
베트남어 문장부호 17종 비교, 추가 층 효과 엇갈려
여덟 에포크로 학습을 고정한 심사 전 결과로, 구조별 튜닝을 더했을 때 순위가 어떻게 바뀌는지는 보고되지 않았다.
RoleWalk, CPU 코어 하나로 노드 백만 개 처리
학습 없는 구조 임베딩의 쟁점은 속도보다 좌표가 다른 그래프에서도 유지되는지이다.
검색기 없이 셸 명령으로 찾는 다국어 에이전트 MARS
저자들은 기존 방식을 앞섰다고 밝혔지만 초록에는 정확도 격차와 실험 언어의 수가 없다.
앤트로픽, 클로드와 볼트 입자 3D 첫 모델 34시간 완성
몇주 걸리던 첫 모델 작업을 34시간에 마쳤고, 전문 경험이 부족한 분야의 연구 보조 가능성을 보여줬다고 AI타임스가 보도했다.
YOLO로 활주로 직선을 읽는 키라인 검출 공개
가림에 약한 키포인트를 직선으로 보완하는 설계이며, 실제 비행 시험 결과는 초록에 없다.
AI가 AI 가중치 고치는 능력, 일부 최신 모델에 쏠려
구조화 응답 과제는 모든 시도를 막았고, 한 과제의 성공과 다른 과제의 성공은 상관이 낮았다.
GeoJeV, 1.12초 더 써 정확도 5.32%p 향상
문장 생성 대신 확률 분포로 탐색을 제어했으나 7.8배 속도 비교의 상대 방법 이름은 초록에 없다.
MINE 연구진, RTX 4060 Ti 추론 2.52배 가속
연구진 공개 수치는 Llama 3.1 8B Instruct의 2.1비트 EntQuant 체크포인트 결과이고, RTX 5090에서는 1.48배였다.
크메르어 답변 채점에서 LLM 심판을 뺀 벤치마크 공개
채점 단계에서 심판은 빠졌지만 참조 답안은 여전히 LLM이 만들고, 사람 쪽 검증 기준은 원어민 한 명의 평가이다.
숭실대, 자율 침투 AI 가짜 서버로 유인해 무력화
국가 배후 해킹에 쓰였다고 공개된 도구가 실험 상대였고, 실제 운영 서버에 적용한 사례는 공개 자료에 없다.
동료 신호에 LLM 공개 정확도 최대 47.8포인트 하락
연구진은 다중 에이전트 평가에서 최종 합의뿐 아니라 그 합의가 비공개 판단을 반영하는지도 재야 한다고 썼다.
화자 임베딩 벤치마크, 잡음 제거 먼저 하면 오류율 상승
논문은 입력 오디오를 그대로 두고 출력 벡터만 줄이라고 권고하지만 모델별 오류율 값은 초록에 없다
Shapley 설명 기법 열 종 비교한 논문 공개
저자들은 실제 데이터에서 표준 지표가 서로 모순된 최선의 방법을 골랐고, 입력을 묶는 단위가 대체법 선택보다 중요했다고 밝혔다.
아타리 게임 20종이 드러낸 시각 AI의 판단 한계
최신 시각언어모델은 물체의 움직임을 자주 놓치고 새 화면보다 글로 쌓인 기록에 기댔다는 연구 결과다.
혼돈 삼체 머신러닝 벤치마크, 코드·데이터셋 공개
연구진은 안정성 예측과 장기 궤적 예측의 난도가 달랐다고 썼고, 모델별 정확도 격차는 초록에 없다
지식 고정해 적용력 재는 한국어 LLM 평가 틀 공개
정확도 점수가 가리던 오답의 원인을 가르려는 설계이며, 평가 모델의 이름과 점수는 초록에 없다.
2주 전11.03 – 11.05
Drex Max, 결정 모델 평가서 67.52점 보고
선택지별 확률만 돌려주는 공개 모델의 점수와 응답시간은 저자 보고치이며, 독립 재현은 없다.
애플 KeyNet, 회사 공개 수치로 검색 최대 약 8배 단축
질의 분포를 미리 학습해 RAG 검색 비용을 줄이는 연구로, 사전 학습 시간은 공개 글에 없다.
EU AI Act 평가서 전용 비서 다섯 중 둘만 기준 모델 앞서
전용 개발이 성능을 보장하지 못했다는 결과이며, 참가 시스템의 연동 코드와 과거 결과는 공개 범위에서 빠졌다.
3주 전10.29
AI 연구 에이전트 실험 제안 415건 중 194건 통과
에이전트가 매긴 순위가 어떤 실험을 먼저 돌릴지 고르는 데 도움이 된다는 증거는 아직 제한적이다.
2026년 10월10.12 – 10.25
Meta 연구진, 착용형 AI 비서 평가 과제 120개 공개
답변 글이 아니라 가상 세계의 최종 상태로 채점하지만, 저장소 안내문에 모델별 통과율은 없다.
판단 근거 보여주는 AI 글 탐지기, 성능 저하 작다고 보고
저자들은 개인에 관한 결정의 근거로 쓰지 말라고 적었고, 학습 범위 밖 정확도는 확립되지 않았다고 밝혔다.
Anthropic, 8~12주 생명과학 객원연구 공모
모델 구동비는 회사가 맡고 데이터 권리는 연구자에게 남지만, 선정 규모는 공개되지 않았다
기업용 에이전트 평가 통합한 EGI-BENCH 공개
모든 능력 축을 앞선 모델은 없었다고 저자들은 보고했으나 deep 모드 점수는 초록에 실리지 않았다.
Apple SSR 논문, 턴당 추론 지연 90% 넘게 줄여
자유 서술 대신 미리 정한 후보를 고르는 방식으로 소형 모델의 추론 비용을 줄였고, 제품 적용 계획은 밝히지 않았다
Apple 논문, 영어 혼합 효과 아랍어 데이터 2~13배
데이터가 적은 언어의 사전학습에서는 설정값 조정보다 다른 언어 혼합의 개선 폭이 컸다고 논문은 밝혔다.
Apple, 유휴 맥 GPU 묶는 가상 클라우드 논문 공개
평상시 쉬는 GPU를 추론 자원으로 돌려 중앙집중식 인프라의 비용과 대기 시간 문제를 겨냥했다
Apple 논문, 번역 평가서 LLM과 사람 일치도 비교
사람의 번역 평가를 LLM으로 대신하려면 언어쌍과 분야별 검증이 먼저라는 주장이다.

