읽을 가치가 있는 기사만, 짧고 또렷하게.

OpenAI에서 주요 출시마다 안전 보고서 작성을 이끌던 직원이 퇴사했다는 소식이 보도되었습니다. 이 사건은 AI 기업의 안전 문제가 단순히 개별 규칙이나 새로운 법률을 넘어 조직 문화 차원에서 심각하게 다루어져야 한다는 점을 시사합니다.

이는 AI 시스템을 개발하고 운영하는 과정에서 안전과 윤리 문제가 조직 내부의 문화와 구조에 의해 어떻게 영향을 받는지에 대한 중요한 질문을 던집니다. 더 큰 AI 시스템을 구축하는 과정에서 나타나는 강한 자신감과 끊임없는 전력 질주 속에서 조직 문화가 안전 기준을 어떻게 형성하고 있는지에 대한 검토가 필요합니다.

따라서 AI 안전 문제를 해결하기 위해서는 기술적 규칙이나 법적 제재뿐만 아니라, 조직 내부의 안전 의식과 문화적 환경을 개선하는 것이 필수적입니다. 이는 앞으로 AI 기술 발전의 방향성과 안전성을 결정하는 데 중요한 맥락을 제공합니다.

CogSend는 여러 소셜 플랫폼에 글을 예약 발행하는 기능을 제공하는 오픈소스 도구입니다. 이 도구는 사용자가 한 번 글을 작성한 후, 이를 각 플랫폼에 맞게 수정하여 즉시 게시하거나 예약 발행할 수 있게 해줍니다. 지원되는 플랫폼으로는 Mastodon, Bluesky, LinkedIn, Threads, X 등이 있습니다.

이 서비스의 가장 큰 특징은 별도의 서버를 구축할 필요 없이 사용자가 자신의 Cloudflare 계정에서 직접 운영할 수 있다는 점입니다. 게시물과 계정 인증 정보는 D1 데이터베이스에 저장되며, 이미지 파일은 R2에 보관하여 효율적인 데이터 관리를 가능하게 합니다.

이는 개발자들이 소셜 미디어 자동화 및 콘텐츠 배포 시스템을 구축할 때 인프라 부담을 줄이고 자체적인 클라우드 환경을 활용하여 서비스를 호스팅할 수 있는 방법을 제공한다는 점에서 유용합니다. 사용자는 자신의 Cloudflare 자원을 활용하여 개인화된 방식으로 소셜 미디어 콘텐츠를 관리할 수 있습니다.

대부분의 서비스와 API에 기본 하드 예산 상한선을 적용해야 한다는 주장이 제기되었습니다. 이는 사용량에 따라 비용을 지불하는 서비스에서 사용자가 설정한 한도를 초과했을 때 서비스를 중단하고 오류를 반환하도록 설정하는 기능에 대한 요구입니다. 단순한 경고 이메일(소프트 캡)만으로는 충분하지 않으며, 무분별한 사용으로 인해 수천 달러의 비용이 발생할 수 있는 위험을 막기 위해 하드 제한이 기본값으로 설정되어야 한다는 것입니다.

코딩 에이전트나 개인 에이전트와 같은 도구를 사용할 때 비용이 발생하는 유료 API 호출이나 컴퓨팅 자원 사용에 대한 통제가 필수적입니다. 사용자가 잠든 사이에 서비스가 무제한으로 실행되어 예상치 못한 비용이 청구되는 것을 방지하기 위해 하드 예산 상한선이 기본 설정되어야 합니다. 다만, 사용자가 위험을 감수하고 싶을 경우를 위해 예산 상한선을 제거할 수 있는 명확한 선택 옵션을 제공해야 합니다.

이러한 흐름에 따라 주요 클라우드 제공업체들도 비용 제한 기능을 도입하고 있습니다. 아마존 웹 서비스(AWS)는 사용량 패턴에 기반하여 월별 지출 한도를 설정하고 예산을 초과하면 프로젝트를 일시 중지하는 기능을 출시했습니다. 구글 클라우드 역시 프로젝트 내 특정 서비스에 대한 월별 재정 상한선을 설정할 수 있는 기능을 제공하고 있습니다.

궁극적으로 에이전트들이 하드 예산 상한선을 가진 제공업체를 추천하고, 경험이 적은 개발자들에게 무제한 서비스 사용을 경고하는 방향으로 변화해야 합니다. 이는 개발자들이 비용 통제에 대한 책임을 지고 안전하게 서비스를 구축하도록 돕는 데 중요합니다.

업스테이지가 GPU 한 장에서 실행 가능한 Solar Mini 4를 발표하며 효율적인 대규모 언어 모델 배포에 대한 새로운 가능성을 제시했습니다. 이 모델은 정보 조회, 문서 분류, 도구 호출과 같은 반복적인 에이전트 작업을 적은 연산과 비용으로 처리하도록 설계되었습니다.

Solar Mini 4는 총 350억 개의 파라미터를 가지면서도 MoE(Mixture of Experts) 구조를 채택하여 효율성을 극대화했습니다. 특히 토큰당 30억 개만 활성화되는 구조로 설계되어, 전체 파라미터 대비 매우 적은 연산으로 복잡한 작업을 수행할 수 있습니다.

이러한 효율적인 구조 덕분에 양자화된 모델은 H100 80GB GPU 한 장에서 성공적으로 배포가 가능합니다. 이는 고성능 하드웨어 환경에서도 대규모 언어 모델을 실질적으로 구동할 수 있게 함으로써, 개발자들이 제한된 리소스로도 고성능 AI 애플리케이션을 구축할 수 있는 길을 열어줍니다.

애플의 '클린 디자인'이 소화기를 숨기는 것에 있어서는 어리석다는 기사가 보도되었습니다. 표면 처리와 숨겨진 손잡이를 사용하여 화재 진압 장비를 가리는 것은 OSHA 및 NFPA 규정을 위반할 수 있으며 거주자의 안전을 위험에 빠뜨릴 수 있습니다.

OSHA 1910.157 규정은 직원이 부상 없이 소화기를 도달할 수 있도록 소화기가 설치되고, 위치가 지정되며, 식별되어야 한다고 요구합니다. 또한 NFPA 지침은 통로를 따라 소화기가 위치하거나 장애물이 있을 경우 명확하게 표시되어야 한다고 규정합니다. 단순히 캐비닛을 매립하는 것만으로는 규정 위반이 아니며, 효과적인 식별 없이는 숨기는 행위 자체가 핵심적인 문제입니다.

이러한 사례는 미적인 완벽함을 추구하는 것이 안전 인프라를 시각적인 영역에서 제거하는 것과 다르다는 점을 강조합니다. 안전 장비를 가리는 것은 기능적 실패를 조화로운 마감재로 위장한 것으로 간주됩니다. 따라서 디자인 결정은 미적인 측면뿐만 아니라 필수적인 기능적 요구 사항을 충족해야 합니다.

재귀 언어 모델 에이전트는 작업을 하위 작업으로 분해하고 동일한 정책의 자식 인스턴스에 위임하여 작업의 트리 구조를 형성합니다. 그러나 이러한 에이전트를 훈련하는 것은 어렵습니다. 최종 결과물은 검증 가능하지만, 스스로 발명한 중간 하위 작업들은 실제 정답이 없기 때문입니다. 기존 방법들은 각 노드를 검증자나 심판으로 평가하지만, 이는 규모가 커질 때 비용이 많이 들고 분해 품질을 파악하지 못합니다.

이에 연구진은 재귀 에이전트가 문제 분해, 해결, 평가라는 세 가지 능력을 하나의 가중치 세트 내에서 학습해야 한다고 주장하며 SERA(Self-Evaluating Recursive Agents, 자체 평가 재귀 에이전트)를 제안합니다. SERA는 평가를 정책 자체의 학습된 능력으로 전환합니다. 부모 에이전트는 하위 작업 각각에 대한 가중치 성공 기준인 루브릭을 작성하고, 검증된 결과에 대한 순위 목표를 통해 루브릭 생성을 훈련하여 기준이 실제 하위 작업 성공을 추적하도록 합니다.

중심 발견은 정책을 정렬된 루브릭을 생성하도록 훈련하는 것이 성능 향상의 원인이라는 것입니다. 동일한 가중치가 평가와 실행을 모두 수행하기 때문에, 하위 작업을 판단하는 것을 학습하는 것이 에이전트의 해결 능력을 향상시킵니다. 또한, 외부 감독도 줄어듭니다. 심판은 루브릭 생성기를 훈련하는 데만 사용되고, 해결은 에이전트 자신의 루브릭 점수를 기준으로 훈련되어 심판의 직접 사용보다 더 나은 성능을 보입니다.

학습된 루브릭은 훈련 외에도 추론 시 트리 검색을 위한 선택자로 이중으로 사용됩니다. TextCraft-Synth와 TextWorld-Sync에서 SERA는 강력한 재귀 에이전트 기준선 대비 평균 5.38점과 13.14점의 성능 향상을 보이며, 추론 시 루브릭 기반 트리 검색은 TextWorld-Sync에서 추가로 2.43점의 점수를 더합니다.

거대 언어 모델(LLM)은 트랜스포머 레이어를 거치면서 예측을 점진적으로 수정하지만, 우리는 보통 최종 출력만 관찰하고 그 형성 과정을 무시합니다. 이 연구는 이러한 중간 과정을 포착하기 위해 믿음 궤적 에너지(Belief-Trajectory Energy, BTE)라는 모델 기반 측정치를 도입합니다. BTE는 모델이 유도하는 레이어별 예측 수정(predictive revisions)을 통해 입력을 특징짓는 방식으로, 중간 상태를 공유 예측 공간으로 매핑하여 믿음 변화를 측정합니다.

이론적으로 BTE는 피셔-라오 기하학(Fisher-Rao geometry) 하에서 국소적인 BTE가 예측 수정에 해당함을 보여주며, 수정의 순서는 초기와 최종 믿음 변화를 넘어선 정보를 포착합니다. 실증적으로 스칼라 BTE는 다양한 추론 작업 전반에 걸친 모델 상대적인 난이도 신호를 제공합니다. 더 풍부한 BTE 표현은 인간-LLM 검토 감지 및 세밀한 생성자 귀속(attribution)을 지원하며, 최대 0.998의 매크로 AUROC와 95.6%의 8방향 귀속 정확도를 달성했습니다.

또한 분석 결과는 BTE가 사전 학습 전반에 걸쳐 발전하며 목표 지향적인 훈련에 의해 선택적으로 재형성된다는 것을 보여줍니다. 이는 측정된 결과가 해당 점수 모델이 학습한 내용과 일치함을 의미합니다. 따라서 연구진은 믿음 궤적을 원칙적인 모델 기반 신호로 확립하고, 학습된 모델이 처리하는 데이터를 특징짓는 도구로서 스스로 기능할 수 있는 더 넓은 관점을 제시합니다.

최근 비전-언어-행동 모델들은 미래 움직임을 고정된 속도의 행동 청크로 표현하여 시간 해상도와 예측 범위를 고정된 출력 예산에 묶어두는 한계를 가지고 있습니다. 이러한 점점 점별 표현 방식은 높은 상관관계를 가진 인접 행동에 불필요한 용량을 낭비하며, 시간적 연속성과 부드러움은 암묵적으로 학습하게 만들고, 장거리 커버리지와 접촉이 많은 조작에 필요한 국소적 정밀도 사이에서 트레이드오프를 강요합니다.

이러한 한계를 해결하기 위해 연구진은 미래 로봇 행동을 연속적인 궤적(trajectories)으로 표현하는 비전-언어-행동 기반의 파운데이션 모델인 Vela를 소개했습니다. Vela는 움직임에 따라 시간적 지원을 조절하고 이질적인 구현체(embodiments)를 위한 공유 행동 인터페이스를 결합한 컴팩트한 스플라인 기반 행동 표현 방식을 사용합니다. 이를 통해 고정된 출력 예산이 움직임 전반에 걸쳐 시간 해상도를 적응시킬 수 있게 됩니다.

Vela는 대규모 다중 구현체 로봇 데이터로 사전 학습되었으며, LIBERO-X, EBench와 같은 벤치마크 및 계란 케이크 굽기, 감자 채 썰기와 같은 실제 장거리 작업에서 평가되었습니다. 이 결과는 연속적인 행동 표현이 미래의 구체화된 파운데이션 모델의 기반이 될 수 있는 잠재력을 보여줍니다.

판매하는 펜타닐 한 포대마다 순수하게 생명 긍정적인 이유에 대한 논의입니다. 저자는 주당 여섯 번 펜타닐을 판매하며, 각 포대가 구매자에게 죽을 작은 가능성을 안고 있지만, 동시에 매 포대당 1.80달러를 Against Malaria Foundation에 기부하여 GiveWell이 추정하는 생명 구출 비용(약 5,500달러)을 충당한다고 주장합니다.

이러한 계산에 따르면, 포대당 생명 변화(ΔL)는 0.00008 정도로, 판매로 인한 사망과 기부를 통한 생명 구출 효과가 상쇄된다고 분석합니다. 저자는 이 논리를 통해 특정 지역의 사망과 말라위의 생명 구출을 비교하며 지리적 범위에 따른 윤리적 차이(scope insensitivity)에 대한 비판을 제기합니다.

저자는 판매 행위가 도덕적으로 중립적이지 않다는 비판에 대해, 단순히 생명을 구하는 것뿐만 아니라 그 생명이 가능하게 하는 미래의 가치까지 고려해야 한다고 강조합니다. 또한, 돈을 벌어 기부하는 행위가 윤리적이라는 주장에 대해, 판매하지 않고 기부할 경우 더 많은 생명을 구할 수 있다는 반론을 제시하며 윤리적 딜레마를 심화시킵니다.

결론적으로 저자는 판매 행위가 단순히 한 생명을 희생하는 것이 아니라, 더 넓은 맥락에서 생명과 미래를 교환하는 행위임을 강조하며, 이 과정에서 발생하는 불확실성과 보상 구조에 대한 깊은 성찰을 요구합니다.

오픈 엔드 발견을 위해서는 반복적인 시도를 통해 아직 가치가 명확하지 않은 방향을 계속 탐색하는 학습이 필요합니다. 기존의 거대 언어 모델(LLM)을 이용한 검색은 이전 해결책을 문맥적으로 재사용할 수는 있지만, 테스트 문제에서의 성공과 실패를 통해 모델을 업데이트할 수는 없습니다. 강화 학습(RL)은 이러한 적응을 가능하게 하지만, 높은 보상을 강하게 선호하는 경향이 잠재적으로 유망한 낮은 보상의 방향을 너무 일찍 억제할 수 있다는 한계가 있습니다.

이에 연구진은 내재적 호기심 세계 모델(ICWM)과 태스크 피드백을 보완하는 호기심 기반 테스트 시간 학습 프레임워크인 CURIO를 제안합니다. ICWM은 정책의 은닉 상태 표현에서 전환을 학습하고 정책의 상위 k 선택지 밖에 샘플링된 토큰에 예측 오류 보너스를 제공합니다. 에포크 정규화와 어닐링된 가중치는 정책 업데이트에 대한 기여도를 조절합니다.

이 방법은 Qwen3 백본을 사용한 8B에서 235B까지의 모델에서 여섯 가지 수학적 발견 작업과 단일 세포 디노이징 작업에 적용되었습니다. 세 번의 실행 평균은 다섯 가지 수학적 목표에 대해 일치하는 작업 전용 RL 제어보다 개선되었으며, Circle Packing에서 가장 좋은 보고된 성능을 일치시키고 디노이징 점수와 평균 제곱 오차(MSE)를 모든 테스트된 규모에서 개선했습니다.

구체적으로 Hadamard 작업에서는 18.3%, 디노이징 점수에서는 10.8%의 상대적 이득을 달성했습니다. 코드 다양성 측정 결과는 생성된 프로그램들 사이에 더 큰 구조적 다양성을 보여주어, 호기심이 오픈 엔드 발견 학습을 위한 보완적인 탐색 신호로 활용될 수 있음을 뒷받침합니다.

비전-언어 모델(VLM)은 멀티모달 추론에서 강력한 성능을 보이지만, 여전히 그럴듯하지만 부정확한 답변을 생성하는 경향이 있습니다. 답변의 신뢰도를 외부 심사 없이 개선하기 위한 자기 검증(Self-verification) 방법이 제시되었으나, 기존 방법들은 단일 검증 기준이나 고정된 프롬프트에 의존하여 신뢰도 추정이 불완전하고 불안정하다는 한계가 있었습니다.

연구진은 검증 능력과 프롬프트 설계가 검증 성능에 미치는 영향을 체계적으로 분석했으며, 더 강력한 검증기가 더 신뢰할 수 있는 판단을 제공하지만, 프롬프트 선택에 따라 성능이 크게 달라진다는 것을 발견했습니다. 이러한 분석을 바탕으로 연구팀은 다중 관점 자기 검증 및 신뢰도 기반 선택적 재고(MOTIVE) 프레임워크를 제안했습니다.

MOTIVE는 각 후보 답변을 보완적인 검증 관점에서 평가하고, 정확성에 기반한 다중 관점 검증 학습을 통해 신뢰도 점수를 학습합니다. 추론 과정에서 이 점수는 수용 또는 재고 결정을 결정하며, 확실하지 않은 답변은 기록 기반 재고를 유발하여 신뢰할 수 있는 답변을 직접 반환하고 불필요한 추론 단계를 줄입니다.

다양한 멀티모달 벤치마크와 VLM 백본에 걸친 광범위한 실험 결과, MOTIVE는 강력한 자기 검증 및 자기 수정 기준선보다 일관되게 우수한 성능을 보였습니다. 또한, 신뢰할 수 있는 검증은 수용 또는 재고 결정에 긍정적인 영향을 미치고 불필요한 추론 턴을 줄여 외부 심사 없이도 더 신뢰할 수 있고 효율적인 자기 검증을 가능하게 합니다.

GPU 커널 최적화 에이전트가 지식 기반이나 압축된 기술(distilled skills)에서 학습한 내용을 보존하는 방식에 대한 연구 결과가 발표되었습니다. 기존 커널 벤치마크는 각 시도의 구현 정확도와 속도를 평가하지만, 보존된 경험의 재사용 가치는 측정하지 못한다는 한계가 지적되었습니다.

이에 연구진은 한 커널 도메인 특정 언어(DSL)에서 압축된 경험을 다른 DSL에서의 새로운 시도에 적용했을 때 성능이 향상되는지 측정하는 MetaKernelBench를 도입했습니다. 이 벤치마크는 74개의 문제를 기반으로 하며, CuTe DSL과 TIRx 변형으로 구성된 여섯 가족의 융합 서브그래프를 사용합니다. 에이전트는 각 변형을 단독으로 시도한 후 학습 내용을 자연어 기술로 압축하여 다른 DSL에서의 시도에 추가 입력으로 사용합니다.

이러한 비교를 통해 모델 간의 성능 향상 폭은 -19%에서 +29%까지 나타났습니다. 네 가지 모델이 양방향 모두에서 성능 향상을 보였으나, 모든 모델과 방향에서 16%에서 45%의 문제에서 성능 저하가 발생했습니다. 결과는 단순히 소스 시도의 성공 여부가 아니라 대상 시도의 단독 결과 대비 소스 시도의 결과에 따라 달라지며, 소스 시도가 상회할 경우 71%의 비교에서 성능이 향상되었고, 소스 시도가 미달할 경우 54%에서 성능이 저하되었습니다.

MetaKernelBench는 구현 품질 지표를 보완하여 동일 문제에 대한 교차 DSL 커널 지식 전달을 측정함으로써, GPU 커널 최적화 에이전트의 지식 재사용 능력을 정량적으로 평가하는 데 기여합니다.

거대 언어 모델(LLM)이 표면적인 행동 빈도 이상으로 잠재적인 순차적 구조를 이해하는지에 대한 연구 결과가 발표되었습니다. 이는 LLM을 상호작용 에이전트 및 시뮬레이터로 활용하는 데 있어 행동 시뮬레이션의 정확성을 판단하는 데 중요한 기준이 됩니다.

연구진은 이 질문에 답하기 위해 두 플레이어의 록-페이퍼-시스러스(Rock--Paper--Scissors) 상호작용과 단일 플레이어의 확률적 n-그램 연속 과제를 사용하여 통제된 실험을 진행했습니다. 이 실험들은 LLM이 잠재적인 전략을 식별하고 단순한 마르코프 규칙을 따르며 고차원 조건부 의존성을 유지할 수 있는지 테스트했습니다.

분포 일치와 조건부 규칙 따르기를 분리하는 프레임워크를 통해 분석한 결과, 더 긴 컨텍스트가 식별 능력을 향상시키지 못하며, 정확한 인식만으로는 충실한 시뮬레이션을 보장하지 못한다는 사실이 밝혀졌습니다. 특히 고차원 의존성은 규칙 복구 능력을 상당히 저하시키는 것으로 나타났습니다.

따라서 외견상 보이는 행동의 충실도는 실제로는 잘못된 생성 메커니즘을 가릴 수 있다는 점을 시사합니다. 이는 LLM 기반 시뮬레이션의 신뢰성을 평가할 때 표면적인 행동 결과뿐만 아니라 내부적인 생성 메커니즘을 함께 고려해야 함을 의미합니다.

자율주행차(AV) 소프트웨어 스택의 안전 성능을 배포 전에 테스트하기 위해서는 시뮬레이션 환경에서 적절한 역경을 가진 특이 상황을 생성하는 것이 매우 중요합니다. 기존의 자율 주행 시나리오 생성기는 특정 행동, 역경 또는 실현 가능성 조건을 강제할 수는 있지만, 동일한 교통 상황 내에서 생성된 시나리오가 그럴듯한 미래에 비해 얼마나 극단적인지를 제어하는 데는 한계가 있었습니다.

본 연구는 생성된 시나리오의 역경을 관찰된 과거 기록을 바탕으로 미래 위험의 조건부 분포에서의 백분위수로 정의하여 이 문제를 해결합니다. 이를 통해 생성된 특이 상황이 얼마나 "모서리"에 가까운지, 즉 그 "모서리함"을 세밀하게 조정할 수 있는 방법을 제시합니다. 연구진은 이를 위해 과거 기록에 조건화된 위험 백분위수 요청을 공식화하고, 요청된 백분위수를 물리적 위험 목표에 매핑하는 참조 위험 분포를 학습했습니다.

이후 백분위수 조건화된 결합 확산 모델을 사용하여 다중 에이전트 미래를 생성하고, 백분위수 실현을 평가하기 위한 참조 기반 기준을 사용합니다. 실험에서는 에고 차량과 주변 차량 간의 최소 침범 시간(PET)을 고차원 데이터(highD) 상의 위험 대리 변수로 사용했습니다. 주요 평가 세트에서 이 방법은 0.05 백분위수 허용 오차 범위 내에서 1,440개의 요청 중 1,422개를 실현했으며, 평균 백분위수 오차는 0.00673, PET 목표 오차는 0.00991초를 기록했습니다.

이 연구는 문맥에 따른 위험 명세, 물리적 실현, 평가를 공통 위험 척도를 통해 연결하는 인터페이스를 구축합니다. 생성된 시나리오의 프로젝트 웹사이트와 비디오는 https://hhj233.github.io/CornerPercentile/에서 확인할 수 있습니다.

인간과 휴머노이드의 상호작용은 지속적인 물리적 접촉을 통해 이루어지며, 휴머노이드는 상호작용 힘에 반응하고 안정적이며 자연스러운 움직임을 유지해야 합니다. 본 논문은 비디오로부터 반응적이고 순응적인 인간-휴머노이드 상호작용을 학습하기 위한 프레임워크인 CoDance를 제시합니다.

CoDance는 파트너 댄스를 도전적인 사례로 연구하며, 휴머노이드가 움직이는 파트너와 발걸음을 조율하고 지속적인 양손 접촉을 유지하는 상황을 다룹니다. 두 인간 댄서의 단일 비디오를 입력으로 사용하여, CoDance는 그 움직임을 로봇 참조와 움직이는 파트너로 리타게팅합니다. 특히, 다중 링크 순응성 증강(multi-link compliance augmentation)을 도입하여 운동학적 시연을 힘 인식 훈련 데이터로 변환합니다. 이는 양손에 가해지는 구조화된 힘 하에서 로봇 참조를 조정함으로써 이루어집니다.

이러한 방식으로 훈련된 정책은 관찰된 파트너를 따라가면서 시연된 움직임 스타일을 보존하고 물리적 상호작용에 순응적으로 반응합니다. 시뮬레이션 환경에서 정책은 파트너의 변화에 따라 발걸음을 조정하며 증강된 시연으로 인코딩된 손목 변위의 약 80%를 재현합니다. 실제 휴머노이드에 적용했을 때 CoDance는 앞뒤 움직임 간의 반복적인 전환을 포함하여 인간 파트너와의 지속적인 양손 춤을 가능하게 합니다.

음악을 사람이 읽을 수 있는 악보로 전사하려면 리듬, 화성, 멜로디, 형식에 대한 일관된 이해가 필요합니다. 하지만 주석이 달린 녹음 자료가 부족하고 정확한 국소 예측이 일관성 없는 음악 시퀀스를 생성할 수 있다는 두 가지 장애물이 존재합니다. 이에 연구진은 합성 데이터, 작업별 구조적 디코딩, 자기회귀 증류를 결합한 통합 음악 전사 프레임워크인 SheetSage2를 제시합니다.

SheetSage2는 자동으로 주석이 달린 MIDI를 오디오로 변환하여 음악 이해 작업 전반에 걸쳐 확장 가능한 감독을 제공합니다. 특히 작업별 구조적 디코더는 보완적인 음악 단서와 그 시간적 의존성을 통합하여 음악적으로 일관성 있는 악보를 생성합니다. 또한 자기회귀 증류는 추론 시 작업별 동적 프로그래밍 없이 전사 정확도를 유지하는 데 기여합니다.

여덟 가지 벤치마크 컬렉션에서 단일 SheetSage2-AR 모델은 평가된 15개 벤치마크-지표 쌍 중 12개에서 기존 시스템을 능가하며, SheetSage1보다 실질적으로 성능이 향상되었고 일부 벤치마크에서는 작업별 모델보다 우수한 성능을 보였습니다. 이 모델의 가중치와 추론 코드는 공개되어 있어 개발자들이 접근하고 활용할 수 있습니다.

3D 가우시안 스플래팅(3DGS) 기술은 뛰어난 결과물을 보였으나, 정적 및 동적 가우시안 표현을 제한된 모바일 기기에 배포하는 것은 저장 공간, 중복 프리미티브, 프레임당 계산 비용 때문에 여전히 어렵습니다. 이에 따라 본 논문은 모바일 플랫폼에서 고충실도 실시간 정적 및 동적 가우시안 렌더링을 위한 통합 경량 프레임워크인 Mobile-4DGS를 제안합니다.

Mobile-4DGS는 압축된 외관 모델링을 위해 고차 방사 잔차를 1차 구면 조화 함수(SH)로 압축하는 몬테카를로 스페큘러 에너지 집계기(Monte Carlo Specular Energy Aggregator)와 추론 전에 예측된 오프셋을 미리 구워 넣는 속성 조건부 SH 향상 모듈(Attribute-Conditioned SH Enhancement module)을 도입합니다. 또한, 다중 뷰 일관성을 유지하면서 중복 프리미티브를 억제하기 위해 다중 뷰 알파 기반 밀도화 및 가지치기 전략을 제안합니다.

동적 장면을 처리하기 위해, Mobile-4DGS는 가변적인 변형 네트워크 없이 연속 시간 모델링을 가능하게 하는 간결한 명시적 4차원 표현을 개발합니다. 이는 2차 가우시안 움직임, 학습 가능한 시간적 지원, 그리고 이진 정적-동적 분할을 구성하여 구현됩니다. 재생 중 재투영, 정렬, 병합 및 인덱스 버퍼 업데이트를 줄이기 위해 깊이 순서 인증서(Depth-Order Certificate)를 사용하여 이전에 확정된 깊이 순서를 선택적으로 재사용합니다.

광범위한 실험 결과는 Mobile-4DGS가 시각적 품질을 유지하면서 저장 공간과 렌더링 오버헤드를 크게 줄여 모바일 기기에서 실시간 3D 및 4D 가우시안 스플래팅을 가능하게 함을 입증합니다.

에이전트형 RAG(Agentic RAG)에서 평가 예산은 질문, 검색 궤적, 반복 답변을 포괄합니다. 연구진은 HotpotQA와 MuSiQue를 사용하여 검색 피드백 비교를 통해 할당 정밀도, 읽기 효율성, 비용 경계를 측정했습니다.

3414만에서 3439만 모델 토큰 수준에서 더 광범위한 질문 커버리지는 표준 오차를 5회 읽기 대비 33%, 3회 궤적 대비 12.6% 감소시킵니다. 또한, 보관된 중첩 및 Q-only 예측은 이러한 할당을 각각 4.0%와 3.5% 이내로 예측합니다.

깊이 하위 집합은 두 궤적 감사 이상의 예측 우위를 보여주지 못했습니다. 한 번의 읽기에 대한 분산 페널티는 동일한 토큰 예산에서 최적값 대비 0~9.9%이며 상당한 불확실성을 보입니다.

모델 수수료를 고려했을 때, 검색 가격이 1,000 요청당 0~1달러일 때 더 많은 질문이 더 많은 궤적보다 우위를 점했습니다. 온도(Temperature)를 0으로 설정하면 답변 불일치가 14.3%에서 3.4%로 감소하지만 비교 정밀도는 유사하게 유지됩니다.

LLM이 '텔레그래피'와 같은 압축된 문체인 'cablese'로 응답하도록 지시했을 때, API 사용자는 자체 측정 기준에 따라 출력 토큰 비용을 40~49% 절감할 수 있습니다. 이는 기계 간 트래픽에 대해 주요 API에서 지불하는 출력 비용을 절반으로 줄이는 효과를 가져옵니다.

이 실험은 모델들이 압축된 기록에서 정보를 완벽하게 복구해낸다는 것을 보여주며, 네 가지 모델 계열 모두에서 복구 비율이 0.99에서 1.10 사이로 나타났습니다. 이는 압축이 엄격한 채점 기준에 의해 불이익을 받는 '복사-붙여넣기' 표현을 억제하기 때문에 발생한 결과입니다.

모델이 추론하는 과정이 아닌 내용이 확정된 후 기록으로 압축할 때 비용이 발생하지 않으므로, 압축은 모델의 사고 과정이 아닌 기계 소비 영역에서 이루어져야 합니다. 모델의 추론을 제어할 수 있는 경우에만 이러한 압축 기법을 적용하는 것이 비용 효율적입니다.

결론적으로, 새로운 하드웨어 학습이나 API 변경 없이 단 한 문장의 지시만으로도 다운스트림 모델의 이해도는 유지하면서 API 비용을 절감할 수 있는 검증된 최적화 방법입니다.

로봇 데이터와 모델 용량을 확장하는 것은 비전-언어-행동(VLA) 정책을 개선했지만, 로봇 데이터의 높은 비용 때문에 추가적인 발전이 제한되어 왔습니다. 이러한 문제를 해결하기 위해 추론 시점에 여러 행동 후보를 샘플링하고 성공 가능성이 가장 높은 행동을 선택하는 검증자 기반 테스트 시간 스케일링 방법이 효율적인 대안으로 제시됩니다.

기존의 분류 기반 검증자는 궤적 수준의 결과로부터 학습하지만, 후보 행동 구분에 대한 가치가 궤적 전반에 걸쳐 달라질 수 있음에도 불구하고 모든 방문 상태를 동일하게 취급합니다. 실제로는 많은 상태에서 그럴듯한 행동들이 유사하여 제한적인 구별 신호를 제공하는 반면, 결과에 중대한 영향을 미치는 행동을 허용하는 결정적 상태는 매우 드뭅니다.

이에 본 연구는 샘플링된 행동 표현의 분산을 통해 결정의 중요도를 추정하는 DiVeR을 제안합니다. DiVeR은 이 신호를 사용하여 단계별 주석이나 추가적인 환경 상호작용 없이 행동 선택이 가장 중요하게 작용하는 상태로 검증자 학습을 재가중합니다.

LIBERO, RoboCasa 실험과 Franka Research 3 로봇에 대한 실제 실험에서 DiVeR은 더 효과적인 검증자 기반 행동 선택을 통해 작업 성공률을 일관되게 향상시켰으며, 검증자 추론 오버헤드는 무시할 만한 수준으로 추가되었습니다.