기준일 2026-11-03
실행 2026-11-03 21:00:25
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
AI LEADERS · MOVES & PAPERS

AI-지도자 인사이동, 논문 — 최신 소속 변화와 연구

LAST UPDATE 2026-11-03 08:00 KST PEOPLE 77 · PAPERS 76 · MOVES 0
AI 연구소·빅테크·학계의 핵심 인물이 어디로 옮기고 어떤 논문을 내는지는 기술 방향과 기업 경쟁력을 먼저 보여주는 신호입니다. 매일 자동으로 모은 인사이동과 논문을 운영자가 확인한 뒤 쉬운 요약과 원문 링크로 정리합니다.

최근 주요 소식

인사이동

최근 경력 기록 (위키데이터 기준, 확인되지 않은 정보가 포함될 수 있음)

논문

논문2026-10-30

복잡한 로봇 제어의 한계를 넘는 계층형 모델 개발

Hierarchical World Models with Implicit Dynamics
얀 르쿤 외 6명
무엇을
연구진은 상태 접근 가능성과 지역 제어를 분리하여 복잡하고 긴 작업을 수행할 수 있는 계층형 월드 모델인 아이디-더블유엠(ID-WM)을 개발했습니다.
핵심 결과
기존 최고 성능의 방식 대비 38.5퍼센트 향상된 성능을 기록했으며, 단일 수준 월드 모델과 비교했을 때는 135퍼센트의 성능 향상을 보였습니다.
의미
이번 연구는 복잡하고 처음 마주하는 환경에서도 로봇이 오류를 줄이며 장기적인 계획을 세울 수 있는 가능성을 보여줍니다.AI 요약
논문2026-10-29 · arXiv (Cornell University)

다양한 제어기를 쓰는 로봇 데이터를 함께 학습하는 기술

Cross-Controller Transfer via In-Context Behavior Adaptation
첼시 핀 외 2명
무엇을
서로 다른 제어 방식을 사용하는 로봇들의 데이터를 충돌 없이 활용해 학습하는 기술을 개발했습니다.
핵심 결과
기존 방식 대비 평균 성공률이 33퍼센트 포인트 향상되었습니다.
의미
다양한 환경에서 수집한 로봇 데이터를 더 효과적으로 활용할 수 있는 가능성을 보여줍니다.AI 요약
논문2026-10-29 · arXiv (Cornell University)

인공지능 모델들이 서로 다른 정보 형태에서도 같은 세상을 학습함을 증명함

Proving and Improving the Platonic Representation Hypothesis with JEPAs
얀 르쿤 외 1명
무엇을
연구진은 서로 다른 입력 형태를 학습한 인공지능 모델들이 같은 세계 표현으로 수렴한다는 가설을 수학적 정리가 되도록 증명하고 이를 개선하는 방법을 제시했다.
핵심 결과
좋은 관점을 사용하는 모델이 다음 토큰 예측 방식보다 훨씬 적은 데이터로도 효율적으로 표현을 일치시킬 수 있음을 확인했다.
의미
이번 연구는 인공지능이 데이터를 효율적으로 이해하고 서로 다른 정보 형태를 연결하는 방식을 개선하는 데 기여할 수 있다.AI 요약
논문2026-10-29 · arXiv (Cornell University)

가상 환경 학습으로 정신과 진료 대화 AI 성능 향상

Training language models in simulation for psychiatric intake
마크 첸 외 55명
무엇을
연구진은 가상 환경에서 강화학습을 거친 언어 모델이 구조화된 텍스트 기반 정신과 초기 문진 능력을 크게 향상시킨다는 점을 입증했습니다.
핵심 결과
정신과 전문의들이 참여한 평가에서 학습된 인공지능은 기본 모델보다 진료 점수, 환자 중심 소통, 감별 진단 적절성 등 여러 지표에서 우수한 성과를 보였습니다.
의미
가상 환경이 정신과 대화형 인공지능을 훈련하고 안전성을 검증하는 유용한 시험대가 될 수 있음을 보여줍니다.AI 요약
논문2026-10-28

복잡한 작업 수행이 가능한 고효율 AI 모델 개발

Nemotron 3.5 Super and Lightning: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Models for Agentic AI
무엇을
연구진은 추론, 긴 문맥 이해, 자율적인 작업 수행에 적합한 개방형 AI 모델인 네모트론 3.5 슈퍼와 라이트닝을 개발했습니다.
핵심 결과
슈퍼 모델은 적은 활성화 매개변수를 사용하면서도 소프트웨어 엔지니어링 평가에서 51.78%를 기록하며 이전 모델을 뛰어넘었고, 다양한 최적화를 통해 높은 처리 성능을 보여주었습니다.
의미
이번 연구는 대규모 모델의 효율성과 성능을 동시에 높여 다양한 환경에서 실용적으로 활용할 수 있는 가능성을 보여줍니다.AI 요약
논문2026-10-27 · SuperIntelligence - Robotics - Safety & Alignment

미국 백악관과 AI 기업들이 초지능 AI 거버넌스 협약을 체결했습니다.

White House Accord on Super Intelligence
무엇을
미국 대통령과 주요 AI 기업 최고경영자들은 초지능 인공지능 개발을 위한 4단계 거버넌스 약속인 백악관 초지능 협약을 체결했습니다.
핵심 결과
참여 기업들은 강력한 내부 통제, 독립적인 내부 검증 팀 운영, 외부 감사, 그리고 이사회 독립 위원회를 통한 감독을 이행하기로 했습니다.
의미
첨단 인공지능 개발사들이 보안과 안전을 위해 체계적인 내부 통제와 외부 감사를 도입하는 계기가 됩니다.AI 요약
논문2026-10-22 · Science

인공지능이 반복 진단 과정에서 의사보다 높은 정확도를 기록했습니다

Sequential diagnosis with language models
무엇을
연구진은 임상 진단 과정을 모방하는 대규모 언어 모델 기반의 인공지능 시스템과 대화형 평가 기준을 개발했습니다.
핵심 결과
이 인공지능 시스템은 의학 사례 평가에서 각각 83.2퍼센트와 80.3퍼센트의 정확도를 기록하며 일반 의사들보다 우수한 성과를 보였습니다.
의미
통제된 환경이지만, 언어 모델이 더 정확하고 비용 효율적인 진단을 지원할 수 있는 가능성을 보여줍니다.AI 요약
논문2026-10-22

인공지능이 만든 가상 데이터로 성능을 높이는 법칙을 찾았습니다

Rewriting Scaling Laws for Synthetic Data with Compute and Data Constraints
퍼시 량 외 6명
무엇을
언어 모델이 자연어 문서를 다른 스타일로 고쳐 쓰는 가상 데이터(Synthetic rewrites)를 사전 학습에 활용할 때, 연산량과 데이터 한계 속에서 최적의 비율과 성능을 예측하는 법칙을 연구했습니다.
핵심 결과
컴퓨터 연산량이 늘어날수록 가상 데이터의 최적 비중이 증가하며, 자신보다 더 큰 모델이나 같은 크기의 모델이 만든 가상 데이터로 학습한 모델이 원본 데이터만 쓴 모델보다 더 뛰어난 성능을 보였습니다.
의미
가상 데이터를 활용한 인공지능 학습 방법이 예측 가능하며, 이를 통해 데이터 한계를 극복하고 효율적으로 성능을 개선할 수 있음을 시사합니다.AI 요약
논문2026-10-22 · BMJ digital health & AI

의료 인공지능의 슈퍼인텔리전스 정의와 평가 기준 제시

Medical superintelligence: foundations and aspirations
무엇을
인공지능 기술이 더 효과적인 의료 서비스에 기여하는 방식을 논하고, 의료 지능의 여섯 가지 상호 의존적 차원을 소개했다.
핵심 결과
의료 질 향상을 위해서는 개별 작업의 뛰어난 성능뿐만 아니라, 인간과 협력하여 전체 치료 과정에서 통합된 의료 추론을 수행하는 시스템이 필요함을 밝혔다.
의미
이러한 역량을 기존 의료 지능과 결합하여 의료 서비스의 질과 접근성을 높이는 방향을 제시한다.AI 요약
논문2026-10-20 · Zenodo (CERN European Organization for Nuclear Research)

인공지능 기반 효소 설계 논문에 쓰인 구조 데이터 공개

Supplementary Data 2. Designed and predicted structures of all designs
무엇을
연구진은 새로운 화학 반응을 위한 인공지능 효소 설계 논문에서 다룬 모든 구조 데이터 파일을 공개했습니다.
핵심 결과
해당 압축 파일에는 인공지능 모델이 생성한 구조와 재설계된 구조, 그리고 추가 예측 구조 데이터가 포함되어 있습니다.
의미
공개된 데이터를 통해 관련 연구자들이 인공지능 기반 효소 설계 결과를 확인하고 추가 연구를 진행할 수 있습니다.AI 요약
논문2026-10-12 · arXiv (Cornell University)

인공지능을 활용해 다양한 항체 후보 물질을 효율적으로 발굴하는 기술 개발

Multi-Objective Amortized CDRH3 Sequence Sampling Diversifies Promising Antibody Candidates
무엇을
연구진은 항체 설계 과정에서 여러 조건과 다양성을 동시에 고려할 수 있는 인공지능 기반의 새로운 항체 서열 생성 기술을 개발했습니다.
핵심 결과
기존 방법과 비교해 서열이 50퍼센트 일치할 때 10배 더 많은 다양하고 수용 가능한 항체 후보를 생성했습니다.
의미
이번 연구는 신약 개발 초기 단계에서 실패 확률을 낮추고 다양한 잠재적 항체 후보를 탐색하는 데 도움을 줄 수 있습니다.AI 요약
논문2026-10-12 · Micromachines

생체 결합형 미세 로봇의 제작과 의료 응용 기술 분석

Construction and Functional Engineering of Bio-Integrated Micro/Nanorobots for Theranostic Applications
량원펑 외 7명
무엇을
생물학적 특성과 기술을 결합한 생체 결합형 미세 및 나노 로봇의 제작과 진단·치료 통합 응용에 대한 연구를 검토했다.
핵심 결과
세포 기반 구성 요소를 활용해 이동성, 체내 영상 촬영, 치료 기능을 구현하는 공학적 전략과 제작 지침을 제시했다.
의미
정밀한 의료 개입과 맞춤형 의학 분야에서 생체 결합형 미세 로봇을 활용할 수 있는 방향성을 보여준다.AI 요약
논문2026-10-11 · arXiv (Cornell University)

물리 법칙을 적용해 AI 세계 모델의 예측 오류를 줄이다

LeHami: Symplectic Latent Dynamics for World Models
얀 르쿤 외 2명
무엇을
연구진은 물리 계통의 기하학적 성질을 인공지능에 결합한 새로운 세계 모델 학습 방법인 르하미를 개발했습니다.
핵심 결과
이 방법은 기존 방식과 달리 장기 예측 과정에서 정보가 압축되어 사라지는 현상을 막고 속도 예측 성능을 크게 높였습니다.
의미
이번 연구는 인공지능이 물리적 공간을 더 정확하게 이해하고 시뮬레이션하는 데 기여할 수 있습니다.AI 요약
논문2026-10-09 · DigitalCommons-IMSA (Illinois Mathematics and Science Academy)

인공지능 연구자 제러드 카플란의 주요 업적과 경력 소개

Recipient of the 2026 Alumni Trailblazer Award
무엇을
앤트로픽의 공동 창립자이자 최고과학책임자인 제러드 카플란의 인공지능 분야 연구 및 경력 성과를 소개했다.
핵심 결과
대규모 인공지능 시스템의 성능을 예측하는 법칙을 연구하고, 인공지능이 사전에 정한 원칙에 맞추도록 하는 기술을 선도했다.
의미
안전하고 유익한 인공지능 개발을 위한 이론적 틀과 가이드라인을 제공하는 데 기여했다.AI 요약
논문2026-10-08 · Code Ocean

인공지능의 불확실성 원인을 해석하는 기술 공개

pce-uncertainty-attribution: code for "Interpretable attribution of decision-relevant uncertainty in AI"
무엇을
학습된 인공지능 모델의 의사결정 불확실성이 어떤 요소에 기존하는지 해석하는 코드와 방법을 공개했다.
핵심 결과
다항식 대체를 활용해 화학, 실험 설계, 언어 모델 정렬 분야에서 모델 불확실성의 원인을 밝혀냈다.
의미
다양한 분야에서 인공지능 모델의 의사결정 과정을 더 잘 이해하고 신뢰성을 높이는 데 활용될 수 있다.AI 요약
논문2026-10-08 · Science

인공지능으로 미해결 수학 문제를 자동으로 증명하다

Advancing mathematics research with AI-driven formal proof search
무엇을
컴파일러가 증명 단계를 검증하는 언어를 활용해 대규모로 수학적 증명을 찾는 인공지능 에이전트를 개발했습니다.
핵심 결과
이 인공지능 에이전트는 여러 미해결 수학 문제와 추측을 자율적으로 해결하는 데 성공했습니다.
의미
인공지능이 자율적인 수학적 발견을 이끌어내는 가능성을 보여주었습니다.AI 요약
논문2026-10-07 · arXiv (Cornell University)

실시간 로봇 제어를 위한 긴 시각적 기억 처리 기술 개발

Long-WAM: Scaling the Context of World-Action Models
송한 외 15명
무엇을
연구진은 실시간 제약 속에서 로봇의 과거 시각 정보를 효율적으로 활용하는 모델인 롱-왐(Long-WAM)을 개발했습니다.
핵심 결과
시각 정보를 처리하는 기초 모델을 자가회귀(AR) 방식으로 사전 학습할 때 과거 기억 활용도가 극대화되며, 로봇 작업 성공률이 향상되었습니다.
의미
다양한 하드웨어 환경에서 실시간 구동이 가능함을 입증하여 향후 복잡한 장기 로봇 제어 작업 적용에 기여할 수 있습니다.AI 요약
논문2026-10-07 · arXiv (Cornell University)

다양한 로봇의 동작을 하나로 통합하는 세계 모델 개발

Cross-Embodiment Robot Foundation World Models with Latent Actions
무엇을
다양한 형태의 로봇들이 공유할 수 있는 통합된 잠재 행동 공간을 활용하는 로봇 세계 모델을 개발했습니다.
핵심 결과
새로운 로봇에 적용할 때 기존 방식보다 정교한 조작 작업에서 최대 46.7%, 리베로 성능 평가에서 11.7% 향상된 성능을 보였습니다.
의미
다양한 로봇 간의 효율적인 학습을 가능하게 하여 로봇 공학의 주요 난제를 해결하는 데 기여합니다.AI 요약
논문2026-10-07 · arXiv (Cornell University)

가상 로봇 영상을 실제처럼 바꿔주는 AI 기술

RoboRender: Robot-Oriented Video Generation for Visual Sim-to-Real Transfer
무엇을
가상 환경의 로봇 데이터를 실제 환경처럼 보이는 영상으로 바꿔 로봇 제어 능력을 높이는 기술을 개발했습니다.
핵심 결과
이 기술로 학습한 로봇은 실제 환경에서 평균 71퍼센트의 성공률을 기록하며 기존 방식보다 뛰어난 성능을 보였습니다.
의미
가상 환경에서 만든 데이터를 실제 로봇에 곧바로 적용하기 어렵던 시각적 문제를 완화하는 데 도움을 줄 수 있습니다.AI 요약
논문2026-10-07

기본 AI 모델의 코딩 에이전트 성능을 미리 예측하는 방법 개발

Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models
무엇을
기본 AI 모델의 잠재력을 평가하기 위해 사후 학습된 코딩 에이전트의 성공 경로를 활용하는 세 가지 평가 화면(스크린)을 개발했습니다.
핵심 결과
개발된 세 가지 평가 방법 모두 공개된 모델 그룹의 순위를 실제 성능과 가깝게 예측했습니다.
의미
향후 코딩 에이전트 벤치마크를 기본 모델 평가에 활용할 수 있는 가능성을 제시합니다.AI 요약
논문2026-10-06 · arXiv (Cornell University)

인공지능 로봇 행동 학습을 빠르게 돕는 알고리즘 개발

QF3: Fast Flow RL with Filtered Q-Gradients
피터 아빌 외 9명
무엇을
연구진은 로봇의 행동 방식을 효율적으로 학습시키는 새로운 강화학습 알고리즘인 큐에프쓰리를 개발했습니다.
핵심 결과
기존 방식보다 약 10배 빠른 속도로 인간형 로봇의 이동 및 동작 추적 정책을 학습시킬 수 있음을 입증했습니다.
의미
로봇의 행동 제어 기술을 더 빠르고 효율적으로 학습·개선할 수 있는 가능성을 보여줍니다.AI 요약
논문2026-10-06 · arXiv (Cornell University)

인간의 시연을 활용해 전신으로 물체를 다루는 휴머노이드 로봇 기술

Workhorse: Learning Robust Whole-Body Humanoid Loco-Manipulation from Human Data
피터 아빌 외 6명
무엇을
사람의 시연 영상을 활용하여 시각 계획기와 강화학습 추적기를 통해 휴머노이드 로봇이 물체를 조작하고 이동하는 기술을 개발했습니다.
핵심 결과
실제 유니트리 지원(Unitree G1) 로봇에서 상자 운반, 상자 잡기, 여행 가방 오르기 등의 복잡한 전신 조작을 성공적으로 수행했습니다.
의미
로봇이 인간의 행동 데이터를 바탕으로 복잡한 환경에서 균형을 잡으며 물체를 다루는 능력을 향상시킬 수 있음을 보여줍니다.AI 요약
논문2026-10-06 · arXiv (Cornell University)

인공지능 코딩의 신뢰성을 높이는 휴머나이즈 기법

Humanize: Judgement Engineering for Agentic Coding
송한 외 8명
무엇을
계획, 구현, 검토 단계 사이에 명확하고 기계적인 결정을 적용하는 다중 인공지능 협업 작업 흐름인 휴머나이즈를 소개했습니다.
핵심 결과
서로 다른 업체의 제작 인공지능과 검토 인공지능이 번갈아 작업하며, 대회 문제 해결 및 성능 평가에서 높은 성과를 거두었습니다.
의미
인공지능을 이용한 프로그래밍 과정에서 독립적인 검토가 오류를 잡는 데 도움이 됨을 보여줍니다.AI 요약
논문2026-10-06 · arXiv (Cornell University)

단기와 장기 기억을 분리한 새로운 인공신경망 구조 개발

Continuous Memory Machines
무엇을
연구진은 행렬 형태의 단기 및 장기 기억 상태를 분리해 가진 연속 기억 장치(CMM)라는 새로운 인공신경망 구조를 개발했습니다.
핵심 결과
알고리즘 및 추론 작업에서 기존 모델들보다 뛰어난 성능과 일반화 능력을 보였습니다.
의미
다양한 작업에서 인공지능의 기억력과 추론 능력을 향상시키는 데 기여할 수 있습니다.AI 요약
논문2026-10-06 · arXiv (Cornell University)

인공지능 에이전트의 환경 통제력과 구조적 중심성의 관계 규명

The Geometry of Empowerment
무엇을
연구진은 인공지능 에이전트가 주변 환경을 통제하는 능력을 뜻하는 권한 부여(엠파워먼트)와 미래 결과에 폭넓게 접근할 수 있게 하는 구조적 중심성 사이의 관계를 밝혔습니다.
핵심 결과
권한 부여 극대화와 기술 학습 방법을 연결하여 이를 해석하고 분석할 수 있는 새로운 기하학적 구조를 제시했습니다.
의미
확장 가능한 권한 부여 극대화 방법을 구축하는 데 필요한 이론적 시사점을 제공합니다.AI 요약
논문2026-10-06 · arXiv (Cornell University)

로봇 제어와 미래 예측을 결합한 오픈 프레임워크 공개

OpenWAM: An Open Framework for Composable World-Action Models
무엇을
로봇 제어와 미래 영상 예측을 함께 다루는 세계-행동 모델을 비교하고 연구할 수 있는 오픈소스 프레임워크인 오픈왬을 개발했습니다.
핵심 결과
제안한 방식은 로봇 조작 작업 성공률을 크게 높였으며, 반사실적 데이터 학습을 통해 동역학 모델의 성능을 향상시켰습니다.
의미
다양한 로봇 제어와 영상 예측 방식을 공통으로 비교할 수 있는 기반을 제공하여 관련 기술 연구의 효율성을 높일 수 있습니다.AI 요약
논문2026-10-06 · arXiv (Cornell University)

인공지능 에이전트의 경험을 통한 자기 개선 능력을 평가하는 새로운 방법

Agent Plasticity: Measuring Self-Improvement Through Experience
롭 퍼거스 외 10명
무엇을
경험을 통해 스스로 발전하는 인공지능 에이전트의 자기 개선 효율성을 측정하기 위해 에이전트 플라스틱티 개념을 도입하고 평가 방법을 연구했다.
핵심 결과
최신 모델들은 학습 기회가 유사함에도 향상 경로에서 큰 차이를 보였으며, 최종 성능이 가장 좋은 에이전트가 반드시 가장 효율적으로 향상되는 것은 아니었다.
의미
인공지능의 발전 가능성을 평가할 때 고정된 시점의 능력뿐만 아니라 경험을 통해 얼마나 효과적으로 개선되는지를 측정하는 것이 중요함을 보여준다.AI 요약
논문2026-10-06

통신 분야 전용 AI 데이터와 모델을 공개한 OTel

OTel: Open Telco AI Datasets, Benchmarks, and Models
무엇을
연구진은 통신 분야 전용 AI 학습에 필요한 데이터셋, 평가 기준, 그리고 이를 활용해 훈련된 모델들을 모은 'Open Telco(OTel)' 자원을 공개했습니다.
핵심 결과
공개된 OTel 기반 모델들은 통신 데이터 검색, 문서 재순위화, 그리고 언어 모델 정확도 평가에서 각각 93.1%, 0.947, 87.8%의 성능을 기록했습니다.
의미
이번 공개는 통신 분야에서 인공지능 연구와 응용을 촉진하는 재현 가능한 출발점을 제공합니다.AI 요약
논문2026-10-05 · arXiv (Cornell University)

인공지능의 행동 모방 기술 현상을 연구하는 새로운 기준 개발

Behavioral Cloning Mystery
무엇을
인간의 시연과 유사한 특성을 가진 로봇 조작 평가 도구인 오씨벤치(OCBench)를 제안했습니다.
핵심 결과
이 도구를 통해 그래픽 처리 장치(GPU) 기반 환경에서 행동 모방과 관련된 여러 현상을 과학적으로 연구하고 가설을 검증할 수 있음을 보였습니다.
의미
로봇 학습 기술에서 그간 원인이 불분명했던 현상들을 통제된 환경에서 분석할 수 있는 기반을 제공합니다.AI 요약
논문2026-10-05 · arXiv (Cornell University)

로봇 학습 효율을 높이는 성능 기반 데이터 수집 방법

Mulligan: Performance-Guided Data Collection for Efficient On-Robot Learning
첼시 핀 외 6명
무엇을
연구진은 로봇 조작 학습 과정에서 실패한 상태와 시도되지 않은 상태를 중심으로 데이터를 수집해 효율을 높이는 멀리건(Mulligan) 기법을 제안했습니다.
핵심 결과
멀리건 기법은 기존 방식보다 로봇의 최종 작업 성공률을 10퍼센트에서 34퍼센트 향상시켰습니다.
의미
사람이 로봇을 가르치는 과정에서 시간과 노력을 더 효율적으로 쓸 수 있도록 돕는 기술적 진전을 보여줍니다.AI 요약
논문2026-10-05 · arXiv (Cornell University)

복잡한 시각적 계획을 위해 계층 구조를 학습하는 AI 모델 H-JEPA 개발

H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning
얀 르쿤 외 4명
무엇을
시간대에 따라 추상화 수준을 나누어 학습하는 계층적 세계 모델인 에이치-제파(H-JEPA)를 개발했습니다.
핵심 결과
시뮬레이션 환경과 실제 로봇 영상 실험에서 기존 단일 수준 모델보다 계획 성공률이 높아지고 계산 효율성이 향상되었습니다.
의미
복잡한 장기 계획이 필요한 로봇 제어와 시각적 작업에서 효율성을 높이는 데 기여할 수 있습니다.AI 요약
논문2026-10-04 · arXiv (Cornell University)

여러 가치의 균형을 하나의 AI 모델로 학습하는 새 방법 제안

Which Preferences to Train On? End-to-End Multi-Objective Alignment with an Adversarial Preference Distribution
조경현 외 2명
무엇을
연구진은 AI 언어모델이 도움됨, 무해함, 유머 같은 여러 가치 사이의 균형을 사용자 요청에 따라 조절하도록 MAESTRO라는 학습 방법을 제안했습니다.
핵심 결과
초록에 따르면 MAESTRO는 세 가지 목표까지 다루는 실험에서 대부분의 과제에서 가장 좋은 균형 곡선(파레토 프론트)을 한 번의 학습으로 얻었고, 비교한 방법 중 학습 비용이 가장 낮았습니다.
의미
하나의 모델로 여러 가치 조합을 처리할 수 있다면 기업이 사용자별 설정에 맞춘 AI 서비스를 더 효율적으로 만들 수 있다는 가능성을 보여주지만, 초록만으로는 실제 시장 효과를 판단하기 어렵습니다.AI 요약
논문2026-10-04 · arXiv (Cornell University)

AI가 미래 연구 아이디어를 얼마나 쉽게 떠올리는지 측정

Priced Guidance: Can Language Models Generate Future Research Ideas?
퍼시 량 외 2명
무엇을
언어모델이 힌트 없이 새로운 연구 아이디어를 떠올릴 가능성을, 정답을 알려주는 데 필요한 정보량(압축 비용)으로 간접 추정하는 방법을 제안했습니다.
핵심 결과
최근 딥러닝 논문 87편의 핵심 아이디어를 대상으로 다섯 개 모델을 평가했고, 가장 좋은 단일 모델의 중간값 압축 비용은 69.9비트였습니다. 이는 일반 압축 도구 gzip의 중간값 5,712비트보다 크게 낮은 수치입니다.
의미
모델이 아이디어를 떠올릴 확률의 하한을 계산할 수 있는 새로운 평가 틀을 보여준 연구입니다. 다만 초록은 연구 생산성이나 시장 효과에 대해서는 다루지 않습니다.AI 요약
논문2026-10-04 · arXiv (Cornell University)

음악을 악보로 옮기는 AI 'SheetSage2' 공개

SheetSage2: Coherent Lead-Sheet Transcription with Synthetic Supervision
얀 르쿤 외 6명
무엇을
오디오 녹음을 사람이 읽을 수 있는 악보(리드시트)로 자동 변환하는 통합 음악 채보 모델 SheetSage2를 제시했습니다.
핵심 결과
단일 모델 SheetSage2-AR이 평가한 15개 벤치마크·지표 쌍 중 12개에서 나열된 기존 시스템을 앞섰고, 이전 버전인 SheetSage1보다 크게 개선됐으며, 일부 벤치마크에서는 과제별 전용 모델보다도 높은 성능을 보였습니다.
의미
음악 채보 기술의 정확도를 높이는 연구로, 모델 가중치와 추론 코드가 공개되어 후속 연구나 응용에 활용될 수 있습니다. 다만 초록만으로는 상용화 가능성이나 시장 규모에 대한 판단은 어렵습니다.AI 요약
논문2026-10-04 · arXiv (Cornell University)

여러 AI 에이전트가 Git 저장소에 작업을 쌓아 문제를 푸는 방식 제안

GitSwarm: Decentralized Compounding Inference
롭 퍼거스 외 13명
무엇을
동일한 여러 AI 에이전트가 공유 Git 저장소에서 각자 독립적으로 작업을 진행하고, 중간 결과물을 계속 저장하고 참조·결합할 수 있는 '누적형 추론' 시스템 GitSwarm을 제안하고 평가했습니다.
핵심 결과
수학 증명 30문제를 한 번의 실행으로 모두 풀었고, 프로그래밍 과제 ProgramBench에서 평균 79.4점으로 정해진 예산 조건의 가장 강한 기준선(65.1점)을 앞섰으며, 신경망 구조 연구 3개 과제에서 반복 실험을 통해 출발점 구조를 개선했다고 보고했습니다.
의미
AI가 시도마다 결과를 버리지 않고 중간 성과를 쌓아 다음 작업에 재사용할 수 있음을 보여 주어, 장기 문제 해결과 과학 연구용 AI 설계의 한 방향을 제시합니다. 다만 초록에 나온 수준의 결과이므로 실제 산업적 파급 효과는 이 자료만으로 판단하기 어렵습니다.AI 요약
논문2026-10-03 · arXiv (Cornell University)

연구진, 코드 실행으로 AI 답변 감독 방법을 평가하는 틀 제시

PyINE: A Framework for Scalable Elicitation and Oversight via Code Execution
무엇을
프로그램 실행 결과를 정답으로 활용하는 PyINE 프레임워크를 만들어, 그럴듯하지만 불완전한 추론을 하는 AI 답변을 감독자가 신뢰할 수 있는지 살펴봤습니다.
핵심 결과
지름길을 따르도록 훈련한 모델은 실행 결과 예측 능력이 크게 나아졌지만, 잘못된 단서가 실제 동작과 충돌하면 여전히 체계적인 오류를 냈고, 값싼 학습형 감독자는 드문 지름길 오류를 자주 놓쳤습니다.
의미
AI 답변을 검증하는 감독 방법을 같은 조건에서 비교하고 재사용할 수 있는 실험 환경을 제시했다는 점에서 의미가 있으나, 초록에는 실제 서비스 적용 효과가 언급되어 있지 않습니다.AI 요약
논문2026-10-02 · arXiv (Cornell University)

여러 로봇 손에 재사용 가능한 물체 잡기 기술 GOTT 제안

GOTT: Object-centric Dexterous Manipulation with a Reusable Cross-Embodiment Primitive
피터 아빌 외 6명
무엇을
사람의 손처럼 여러 손가락을 가진 로봇 손이 물체를 안정적으로 붙잡고 원하는 방향으로 움직이도록, 서로 다른 로봇과 손 모양에서 공통으로 쓸 수 있는 접촉 기술 GOTT를 제안했습니다.
핵심 결과
시뮬레이션과 실제 로봇 실험에서 GOTT는 다양한 물체, 팔-손 플랫폼, 학습에 쓰인 적 없는 손 모양에서도 안정적인 접촉을 만들었고, 미리 정해진 대로 잡는 방식보다 전체 작업 성공률을 꾸준히 높였다고 보고했습니다.
의미
특정 로봇에 종속되지 않는 공통 동작 부품을 쓰면 로봇 손의 종류가 바뀌어도 같은 기술을 재활용할 가능성을 보여준 연구입니다. 다만 초록만으로는 상용화 수준이나 실제 산업 효과는 판단하기 어렵습니다.AI 요약
논문2026-10-02 · arXiv (Cornell University)

양자 컴퓨터 오류 수정을 위한 모듈식 메모리 설계로 자원 소모 대폭 감소

Low-Overhead Quantum Error Correction with Boundary-Connected Planar Modules
무엇을
연구진은 양자 프로세서를 평면 모듈로 나누고 모듈 간 연결을 활용해 양자 오류 수정에 필요한 물리적 양자 비트의 수를 10배 이상 줄일 수 있음을 시뮬레이션을 통해 입증했습니다.
핵심 결과
새로운 모듈식 부호 설계는 표면 부호에 비해 물리적 양자 비트 소모를 10배 이상(대규모 시스템에서는 30배 이상) 줄일 수 있는 것으로 나타났습니다.
의미
이번 연구는 고효율 부호의 장점을 살리면서도 평면 모듈의 제조상 이점을 유지할 수 있는 고밀도 저장 장치의 가능성을 보여줍니다.AI 요약
논문2026-10-02 · bioRxiv (Cold Spring Harbor Laboratory)

인공지능 단백질 설계와 진화를 결합한 새로운 효소 화학 기술

Design-Evolution Synergy Enables New-to-Nature Enzyme Chemistry
무엇을
인공지능 기반 단백질 설계와 진화 기법을 결합하여 자연에 존재하지 않는 탄소-수소 아미노화 반응을 수행하는 효소를 개발했습니다.
핵심 결과
프로그램 가능한 위치 및 거울상 선택성, 높은 촉매 효율, 뛰어난 효소 안정성을 갖춘 새로운 효소를 합성하는 데 성공했습니다.
의미
단백질 설계 기술이 까다로운 화학 반응을 촉진하는 효소를 만드는 데 활용될 수 있음을 보여줍니다.AI 요약
논문2026-10-01 · arXiv (Cornell University)

VISTA: 시각 기억으로 멀티모달 AI 에이전트 성능 향상 연구

VISTA: A Visual Harness for Reasoning in an Interactive World
허카이밍 외 4명
무엇을
연구진은 이미지와 글을 함께 다루는 멀티모달 AI 모델이 대화형 시각 환경에서 과제를 더 잘 풀도록 돕는 '시각 하네스' VISTA를 제안했습니다.
핵심 결과
ARC-AGI-3에서 VISTA를 적용한 결과 상대 인간 행동 효율 점수가 40.68에서 100.00으로 올랐고, 공개 게임 25개를 모두 완료하면서 최초 참가 인간보다 57.4% 적은 행동으로 끝냈다고 보고했습니다.
의미
기존 모델에 시각 기억과 검색 기능을 덧붙이는 방식이 특정 시각 게임 과제에서 효과가 있었다는 점을 보여줍니다. 다만 초록은 몇 가지 벤치마크 결과만 제시하므로, 실제 산업 현장 전반에 적용될 수 있다고 단정하기는 이릅니다.AI 요약
논문2026-10-01 · arXiv (Cornell University)

로봇이 시뮬레이션 연습으로 스스로 실력을 키우는 RPG 프레임워크

Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents
피터 아빌 외 9명
무엇을
사람의 추가 개입 없이 로봇 작업 시스템을 스스로 개선하는 RPG 프레임워크를 제안했습니다.
핵심 결과
22개 조작 작업의 새 초기 조건 테스트에서 성공률이 첫 연습 후 28.6%에서 15라운드 후 95.0%로 올랐고, 실제 로봇 시험 30회는 모두 성공했습니다.
의미
로봇 제어 소프트웨어를 사람이 적게 손보고도 개선할 수 있다는 가능성을 보여준 연구이지만, 실제 산업 적용이나 상용화 수준은 초록만으로 판단하기 어렵습니다.AI 요약
논문2026-10-01 · arXiv (Cornell University)

연구자 184명이 만든 '영감 논문 찾기' 벤치마크

ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research
첼시 핀 외 13명
무엇을
컴퓨터과학 분야 최근 논문 207편의 제1저자 184명이 어떤 이전 논문이 자신의 연구에 실제로 도움이 되었는지 표시한 데이터셋 ScholarCatalyst를 만들고, 이를 찾아내는 검색 과제를 제시했습니다.
핵심 결과
에이전트(스스로 검색을 반복하며 과제를 수행하는 AI) 검색은 기본 검색 방식보다 나은 성능을 보이지 않았습니다(상위 20개 결과 기준 재현율 0.42 대 0.48). 'Claude Fable 5.1' 기반 에이전트도 0.51에 그쳤습니다.
의미
현재 AI는 방대한 연구 문헌에서 필요한 선행 아이디어를 알아보는 전문가의 직관이 아직 부족하며, 이를 위한 새로운 학습 방법이 필요하다는 방향을 보여줍니다. 과학 연구를 돕는 AI 연구의 한 단계로 볼 수 있으나, 실제 상용화나 산업적 효과는 초록에서 확인할 수 없습니다.AI 요약
논문2026-09-30 · arXiv (Cornell University)

연구진, 촉각 호기심으로 로봇 학습 효율 높이는 TacEx 제안

Tactile Curiosity Drives Robot Interaction
피터 아빌 외 6명
무엇을
로봇이 촉각(물체와 닿는 감각)에 대한 호기심을 키워 스스로 물체를 만지고 집는 법을 익히도록 하는 탐색 프레임워크 TacEx를 제안했습니다.
핵심 결과
초록에 따르면 TacEx는 작업 보상이나 전문가 시연 없이 접촉이 많은 상호작용 데이터를 모으며, 이 데이터로 집어 옮기기 정책을 추가 환경 상호작용 없이 학습할 수 있고, 시각-언어-행동 모델의 후속 학습 성능도 높인다고 합니다.
의미
기존 로봇 학습은 허공에서 무작위로 움직이는 데 시간을 많이 썼는데, 접촉 중심으로 탐색하면 학습 효율을 개선할 수 있다는 방향을 보여줍니다. 다만 초록만으로는 실용화 수준이나 상용화 가능성을 판단하기 어렵습니다.AI 요약
논문2026-09-30 · Nature

인공지능 단백질 생성물의 출처를 숨겨서 표시하는 기술 개발

Function-preserving watermarking of AI-generated proteins.
무엇을
연구진은 인공지능이 만든 단백질 서열과 구조에 기능 손실 없이 표시를 남기는 기술인 'SynthIDBio'를 개발했습니다.
핵심 결과
기존과 유사한 단백질 기능을 유지하면서도 거의 완벽한 정확도로 워터마크를 감지할 수 있음을 입증했습니다.
의미
생물 보안 및 정보 진위 확인 문제에 대응하여 인공지능 기반 바이오 공학 분야에서 출처 추적 도구의 가능성을 보여줍니다.AI 요약
논문2026-09-29 · arXiv (Cornell University)

실제 영상 몇 개를 AI로 늘려 휴머노이드 물건 나르기 학습

Counterfactual Video Generation Enables Scalable Humanoid Loco-Manipulation
피터 아빌 외 8명
무엇을
사람이 물건을 나르는 실제 영상 몇 개를 바탕으로 AI가 다양한 가상 영상을 만들고, 이를 로봇 학습에 활용하는 방식(PRISM)을 제안했습니다.
핵심 결과
이렇게 학습한 하나의 제어 정책으로 실제 휴머노이드 로봇이 추가 현실 학습 없이 상자, 드럼통, 통, 공 등을 집어 옮기고 내려놓는 데 성공했다고 보고합니다.
의미
대량의 실제 로봇 시연 데이터를 모으기 어려운 상황에서 적은 실제 영상으로 학습 데이터를 늘릴 수 있는 가능성을 보여준다는 점에서 의미가 있습니다.AI 요약
논문2026-09-29 · arXiv (Cornell University)

저해상도 영상을 한 번의 처리로 4K 수준으로 높이는 SoL-Refiner

SoL-Refiner: Speed-of-Light One-Step Refinement for High-Resolution Video
송한 외 11명
무엇을
저해상도로 먼저 만든 영상을 단 한 번의 노이즈 제거 단계로 고해상도 영상으로 바꾸는 '리파이너(영상 화질 개선 모델)'인 SoL-Refiner를 제안했습니다.
핵심 결과
2K 해상도에서는 비교한 외부 리파이너들보다 VBench와 UniPercept 평균 점수가 높았고, 3840×2176 해상도에서는 3단계 방식의 LTX-2.3 리파이너보다 두 지표 모두 개선되었습니다. 2K 지연 시간 설정에서 같은 기준 모델 대비 리파이닝 지연 시간이 8.91배 빨라졌다고 보고했습니다.
의미
고해상도 영상 생성은 계산량이 크게 늘어나 비용 부담이 큰데, 여러 단계 대신 한 단계로 화질을 높이는 방식이 이 부담을 줄일 수 있는 방향임을 보여줍니다. 다만 초록에 나온 결과는 저자들이 설정한 조건에서의 측정이므로, 실제 서비스 전반의 효과로 단정하기는 어렵습니다.AI 요약
논문2026-09-29 · arXiv (Cornell University)

LeapQuant: 선형 어텐션 상태를 8비트로 압축해 AI 추론 가속

LeapQuant: Efficient Linear Attention with Accurate Recurrent State Quantization
송한 외 12명
무엇을
대형 언어 모델이 긴 문맥을 처리할 때 반복해서 읽고 쓰는 '재귀 상태'를 낮은 정밀도로 압축하는 학습 없는(training-free) 방법인 LeapQuant를 제안했습니다.
핵심 결과
초록에 따르면 8비트 압축에서도 FP32 기준 모델과 비슷한 정확도를 유지하면서, GPU 커널 수준에서 평균 2.05~3.70배, 전체 추론에서 1.47배 빨라졌다고 보고했습니다.
의미
추론 과정의 메모리와 연산 부담을 줄일 수 있다는 점에서 긴 문맥을 다루는 AI 서비스의 운영 효율 개선에 기여할 수 있는 연구입니다. 다만 초록은 특정 모델·GPU에서의 결과만 제시하므로, 실제 상용 서비스 전반에 같은 효과가 나타난다고 단정하기는 어렵습니다.AI 요약
논문2026-09-29 · arXiv (Cornell University)

T2Mem: 로봇이 과거 장면을 기억해 작업하도록 학습하는 기법

T$^2$Mem: Learning Test-Time Memory for Robotics
무엇을
과거 관측 정보를 기억해야 하는 로봇 조작 작업을 위해, 기억 기능이 없던 사전학습 로봇 정책에 테스트 시점 학습으로 기억 능력을 추가하는 프레임워크(T2Mem)를 제안했습니다.
핵심 결과
16개 RoboMME 과제에서 평균 성공률이 기억 기능이 없는 기본 정책의 17.93%에서 56.83%로 올랐고, 벤치마크에 보고된 순환 기억 방식들보다 높았습니다.
의미
로봇이 현재 화면에 없는 과거 정보를 활용하는 능력을 외부 기억 장치 없이 시연 데이터만으로 키울 수 있음을 보였다는 점이 의미가 있으나, 초록은 연구 단계의 결과만 다루므로 상용화나 시장 효과는 확인할 수 없습니다.AI 요약
논문2026-09-29 · arXiv (Cornell University)

AI 에이전트가 작업 전에 '어떻게 진행할지'를 먼저 따지는 메타 추론 기법 제안

Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
롭 퍼거스 외 11명
무엇을
긴 작업을 수행하는 AI 에이전트가 이전 작업 결과를 얼마나 재활용할지, 새로 시작할지, 언제 멈출지 같은 실행 제어 결정을 체계적인 추론 과정으로 다루는 '에이전트 메타 추론' 방식을 제안했습니다.
핵심 결과
프로그램 재구성 벤치마크 ProgramBench에서 GPT-5.5 기반으로 71.5%를 기록해 Codex의 58.0%보다 높았고, Opus 4.8 기반으로는 67.2%를 기록해 Claude Code의 65.5%보다 높았습니다.
의미
초록에 따르면 에이전트가 더 긴 작업을 수행할수록 계산 자원을 구조화된 실행 제어에 쓰는 것이 더 중요해질 수 있음을 시사합니다. 다만 초록의 결과는 특정 벤치마크와 실험 조건에서 얻은 것이므로 실제 제품 성능으로 바로 이어진다고 보기는 어렵습니다.AI 요약
논문2026-09-28 · The International Journal of Robotics Research

로봇 학습용 '월드 모델' 연구를 한눈에 정리한 종합 리뷰

World model for robot learning: A comprehensive survey
피터 아빌 외 17명
무엇을
행동에 따라 환경이 어떻게 변할지 예측하는 모델인 '월드 모델'을 로봇 학습 관점에서 체계적으로 정리한 서베이(종합 리뷰) 논문입니다.
핵심 결과
초록에 따르면 월드 모델이 로봇 정책, 시뮬레이터, 평가, 데이터 생성에 어떻게 쓰이는지와 로봇 영상 기반 월드 모델의 발전 흐름을 정리하고, 대표 데이터셋·벤치마크·평가 방법도 요약했습니다.
의미
로봇 학습 연구가 흩어져 있던 여러 방식을 한 틀로 묶어 주는 자료로, 관련 연구 흐름을 파악하는 데 도움이 될 수 있습니다. 다만 초록은 개별 기술의 성능이나 상업적 성과를 입증하지는 않습니다.AI 요약
논문2026-09-28 · arXiv (Cornell University)

영상 생성 AI의 속도와 메모리 사용을 줄이는 기법 제안

Sol-H3: Recursive Self-Improvement for MiniMax-H3 Inference Acceleration on Sol-Engine across Cloud and Edge
송한 외 8명
무엇을
330억 개 매개변수를 가진 영상 생성 AI 모델 MiniMax-H3를 클라우드 서버와 소형 장치 양쪽에서 더 빠르고 적은 메모리로 돌리기 위한 전체 실행 파이프라인을 만들었습니다.
핵심 결과
초록에 따르면 최대 30배의 end-to-end(입력부터 결과까지 전 과정) 속도 향상과 약 20%의 메모리 절감을 달성했으며, 5초짜리 1344x768 해상도의 오디오 포함 영상을 8개의 GB200 서버 노드에서 실시간보다 3.5배 빠르게 생성했습니다.
의미
영상 생성 AI를 실제 서비스에 적용할 때 가장 큰 걸림돌인 생성 지연과 메모리 한계를 낮추는 방향을 보여주었다는 점에서 의미가 있으나, 상용화 효과나 비용 절감 규모는 초록만으로 판단하기 어렵습니다.AI 요약
논문2026-09-28 · arXiv (Cornell University)

미래 문맥을 반영해 블록 확산 언어모델 학습을 개선한 연구

d-OPD: Future-Aware On-Policy Distillation for Block Diffusion Language Models
송한 외 2명
무엇을
기존 자기회귀(한 번에 한 토큰씩 생성하는) 언어모델을 여러 토큰을 묶어 병렬로 생성하는 블록 확산 언어모델로 바꾸는 증류 학습 방법인 d-OPD를 제안했습니다.
핵심 결과
Qwen3 모델(0.6B~8B) 실험에서 기존 방법인 OPDLM 대비 여섯 개 벤치마크 평균 점수를 최대 4.0점 높이고, 학습 시간을 1.35~1.58배 줄였다고 보고했습니다.
의미
블록 단위로 여러 토큰을 동시에 생성하는 방식은 텍스트 생성 속도를 높일 여지가 있으며, 이 연구는 그런 모델을 만드는 학습 과정의 효율을 개선할 수 있음을 보여준다고 초록은 제시합니다.AI 요약
논문2026-09-28 · arXiv (Cornell University)

사람 시연 영상으로 로봇 손동작 학습 데이터를 자동 생성하는 DexAgent

DexAgent: An Agentic Human2Sim2Robot Framework for Dexterous Manipulation with Self-Evolving Tool Library
무엇을
사람이 찍은 1인칭 영상 한 편과 작업 설명문을 넣으면, 물리적으로 실현 가능한 로봇 동작 궤적을 만들어 로봇 학습용 데이터를 생성하는 에이전트형 프레임워크를 제안했습니다.
핵심 결과
실제 환경의 11개 작업에서 DexAgent가 만든 데이터로 학습한 정책(로봇 행동 규칙)이 비교 기준 방법들보다 3.5배 높은 성공률을 보였습니다.
의미
사람 시연 영상을 로봇 학습 데이터로 바꾸는 과정을 자동화할 가능성을 보여주지만, 초록만으로는 실제 산업 적용 수준이나 상용화 시점을 판단하기 어렵습니다.AI 요약
논문2026-09-28 · arXiv (Cornell University)

자율주행 세계모델을 100배 빠르게 만든 JEPA 연구

AD-E2E-JEPA: A Joint-Embedding Predictive Architecture For End-to-End Autonomous Driving
얀 르쿤 외 3명
무엇을
자율주행에 쓰이는 예측 기반 세계모델(JEPA 계열)을 비교 평가하고, 계산량을 크게 줄인 개선 구조 AD-E2E-JEPA를 제안했습니다.
핵심 결과
제안 구조는 계획에 쓰는 패치 수를 16분의 1, 임베딩 차원을 4분의 1로 줄여 추론 속도를 약 100배 높이면서도 계획 성능을 유지했다고 보고했습니다.
의미
자율주행 AI의 계산 비용을 낮출 수 있는 방향을 보여준 연구로 볼 수 있으나, 실제 차량 적용 효과와 상용화 가능성은 초록만으로 판단하기 어렵습니다.AI 요약
논문2026-09-28 · arXiv (Cornell University)

AI 의식 가능성을 5단계로 나눠 평가하는 틀 제시

From cacophony to hierarchy: a principled framework for assessing AI consciousness
셰인 레그 외 13명
무엇을
저자들은 AI 의식을 다루는 여러 이론을 5단계 위계 틀로 정리하고, 단계별 지표로 현재 대형언어모델(LLM)을 평가하는 방법을 제시했다.
핵심 결과
현재 LLM의 의식 가능성 평가는 증거를 해석하는 방식뿐 아니라 어떤 이론에 얼마나 무게를 두느냐에 따라 크게 달라져, 0.01 미만에서 약 0.8까지 범위가 나왔다.
의미
의식 관련 지표가 일반 지능에 필요한 구조와 많이 겹친다는 점에서, AI가 더 유능해질수록 의식의 후보로 강해질 수 있다는 시사점을 준다. 다만 이는 확정된 결론이 아니며, 초록에는 투자에 대한 직접적인 언급이 없다.AI 요약
논문2026-09-28

인공지능 연구개발 자동화가 가져올 영향과 정책 대응 분석

What if automating AI R&D triggers an intelligence explosion?
무엇을
연구원들은 인공지능(AI) 연구개발 자동화가 지능 폭발을 촉발할 가능성과 그에 따른 영향 및 정책적 대응 방안을 평가했다.
핵심 결과
AI 시스템이 몇 년 안에 대부분의 AI 연구개발 업무를 자동화할 것으로 보이며, 이로 인해 사회가 감당하기 어려운 수준의 급격한 능력 성장이 일어날 수 있다.
의미
AI 연구개발 자동화가 가져올 수 있는 혜택과 함께 통제 상실 등 극단적인 위험 가능성을 경고하며 정책적 대비를 촉구한다.AI 요약
논문2026-09-12

코히어, 비용 효율적인 대형 언어 기반 번역 모델 공개

North Small Translate: Advanced Cost-Effective Translation (Cohere CAT+)
무엇을
연구진은 50개 언어에서 뛰어난 성능을 내는 비용 효율적인 대형 언어 모델 기반의 기계 번역 모델인 'North Small Translate'를 선보였습니다.
핵심 결과
이 모델은 1조 개 미만의 매개변수를 가진 모델 그룹 중 50개 언어에서 최고 수준의 기계 번역 성능을 달성했습니다.
의미
추론 과정에서 비싼 연산을 거치지 않고도 다양한 언어 번역과 후편집 작업을 효율적으로 수행할 수 있는 가능성을 보여줍니다.AI 요약
논문2026-09-10

인공지능 학습 데이터 반복 시 전문가 혼합 모델의 과적합 현상 분석

Data Scarcity and Model Sparsity: Mixtures-of-Experts Overfit More to Repeated Data
퍼시 량 외 4명
무엇을
인공지능 학습 데이터가 반복될 때 최근 널리 쓰이는 '전문가 혼합' 구조가 기존 모델보다 성능이 더 빠르게 저하됨을 밝혔습니다.
핵심 결과
데이터 반복 시 전문가 혼합 모델은 쉽게 과적합되며, 기존의 규제 기법으로 일부 완화할 수 있으나 고유 데이터로 학습한 성능에는 미치지 못했습니다.
의미
데이터 부족으로 반복 학습이 필요한 상황에서 인공지능 모델 구조별 특성을 고려한 학습 전략 수립의 필요성을 보여줍니다.AI 요약
논문2026-08-24

로봇이 생각하는 시간 동안 행동을 학습하는 기술

Learning to Act While Waiting: RL Finetuning of Generalist Robot Policies Under Inference Latency
무엇을
연구진은 로봇 모델이 생각하는 시간(추론 지연)으로 인해 발생하는 문제를 해결하는 지연 인지 강화학습 프레임워크인 ARLI를 개발했습니다.
핵심 결과
이 새로운 방법은 지연 시간이 있는 환경에서도 로봇이 성공적으로 학습을 이어갈 수 있게 만들며, 지연이 없는 이상적인 환경과 같거나 더 뛰어난 성능을 보여주었습니다.
의미
복잡하고 거대한 로봇 인공지능이 실제 현장에서 멈춤이나 끊김 없이 스스로 성능을 개선할 수 있는 가능성을 열어주었습니다.AI 요약
논문2026-08-17

관계형 학습의 오픈소스 도구와 성능 비교 플랫폼 공개

Advancing Open and Reproducible Relational Learning: RelArena-$\alpha$, TabPFN-Rel and RPI
얀 르쿤 외 46명
무엇을
연구진은 관계형 학습 분야의 연구를 촉진하기 위해 통합 비교 플랫폼과 두 가지 관련 소프트웨어를 오픈소스로 공개했다.
핵심 결과
새로 공개된 도구 중 관계형 데이터베이스용 모델인 탭피에프엔-렐이 비교 플랫폼에서 가장 높은 순위를 기록했다.
의미
이번 공개는 관계형 학습 분야에서 신뢰할 수 있는 비교 기준을 마련하고 연구와 산업 현장에서의 활용을 돕는 기반이 될 수 있다.AI 요약

인물

AI-지도자 인사이동·논문을 왜 봐야 할까

AI 산업에서는 사람이 곧 기술입니다. 핵심 연구자가 어느 회사로 옮기는지, 어떤 연구소를 새로 세우는지는 몇 달 뒤 제품·투자·인수합병으로 이어지는 경우가 많습니다. 이 페이지는 프런티어 연구소, 신생 연구소, 학계, AI 반도체, 한국·중국 인물까지 나눠 소속 변화를 추적합니다.

논문은 그 사람이 지금 무엇에 집중하는지 보여줍니다. HBM·메모리, GPU·가속기, 추론 효율, 에이전트, 로봇 등 투자와 연결되는 10개 분야로 논문을 분류하고, 초록을 바탕으로 ‘무엇을 했나·핵심 결과·의미’ 세 줄 요약과 원문·PDF 링크를 함께 제공합니다. 특정 종목의 매수·매도 권유가 아니라 아이디어를 찾기 위한 정보입니다.

자주 묻는 질문

Q. 어떤 인물을 추적하나요?

프런티어 연구소(OpenAI·Google DeepMind·Anthropic·Meta 등), 신생 연구소, 학계, AI 반도체, 한국·중국의 핵심 연구자와 경영진을 추적합니다. 논문을 거의 쓰지 않는 경영진은 인사이동만 추적합니다.

Q. 정보는 어디서 오고 얼마나 자주 갱신되나요?

논문은 Semantic Scholar와 arXiv, 경력은 위키데이터(CC0)와 공식 발표·언론 보도를 바탕으로 매일 자동 수집합니다. 운영자가 확인하고 승인한 항목만 공개합니다.

Q. 논문 요약은 누가 쓰나요?

논문 초록을 바탕으로 AI(Google Gemini)가 초안을 쓰고 운영자가 확인한 뒤 공개합니다. 다른 언어는 확인된 한국어 요약을 AI로 번역합니다. 세부 수치와 맥락은 반드시 원문에서 확인하세요.

이 페이지는 공개된 논문과 공식 발표·언론 보도를 정리한 정보 제공용 자료입니다. 논문 요약은 초록을 바탕으로 AI가 작성하고 운영자가 확인한 것으로, 원문과 다를 수 있으니 중요한 내용은 원문을 확인하세요. 특정 종목의 매수·매도 권유나 투자자문이 아닙니다. 인사이동은 공식 발표 또는 주요 언론 보도를 출처로 표시하며, 경력 기록 일부는 위키데이터(CC0)를 참고합니다.

🐩 코봉이 간식값 후원
코봉이
이 페이지가 도움이 되셨다면, 코봉이 간식값 후원도 환영이에요 🦴
💬 커뮤니티 댓글
IP 기반 익명 닉네임 · 욕설/도배 시 제재될 수 있습니다
로딩 중...