기준일 2026-11-03
실행 2026-11-03 23:30:04
S&P 500
7,569
NDX 100
28,180
VIX
20.83
US 10Y
4.95%
DXY
101.89
WTI
$96.70
Gold
$3,938
USD/KRW
1,343
SOX
10,600
Trump Approve
35.4%
S&P 500
7,569
NDX 100
28,180
VIX
20.83
US 10Y
4.95%
DXY
101.89
WTI
$96.70
Gold
$3,938
USD/KRW
1,343
SOX
10,600
Trump Approve
35.4%
AI LEADERS · MOVES & PAPERS

AI-지도자 인사이동, 논문 — 최신 소속 변화와 연구

LAST UPDATE 2026-11-04 08:05 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 · 신생 연구소 · 에이전트·코딩

해당 조건의 인사이동이 아직 없습니다.

논문 · 신생 연구소 · 에이전트·코딩

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
논문2026-10-28

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
논문2026-10-07

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 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
논문2026-10-04 · 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
논문2026-10-01 · 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
논문2026-09-28 · 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

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...