읽을 가치가 있는 기사만, 짧고 또렷하게.

화웨이는 엔비디아와의 경쟁을 촉진하고 중국의 AI 컴퓨팅 격차를 줄이기 위해 차세대 AI 칩 출시 일정을 앞당겼습니다. 화웨드는 차세대 Ascend 960DT AI 칩을 2027년 1분기에 출시할 계획이며, 이는 기존 2027년 3분기 출시 계획보다 앞당겨진 것입니다. 화웨이는 이 칩을 통해 성능을 두 배로 늘리고 매년 발전시켜 왔다고 밝혔습니다.

이러한 칩 개발은 화웨이가 Peerium 컴퓨팅 아키텍처를 기반으로 대규모 AI 컴퓨팅 시스템을 구축하는 전략의 일환입니다. 이 시스템은 프로세서와 메모리, 저장 장치, 네트워킹 하드웨어를 연결하는 화웨이의 기술인 UnifiedBus에 의존합니다. 현재 화웨이는 Atlas 950 SuperCluster와 같은 시스템을 통해 최대 256,000개의 가속기 카드를 연결할 수 있는 시스템을 구축하고 있습니다.

다만, 이 칩 출시 일정과 더불어 화웨이의 전체 AI 시스템 규모에 대해서는 일부 의문이 제기되고 있습니다. 일부 분석가들은 화웨이가 발표한 시스템 규모가 이전 계획보다 훨씬 작다고 지적하며, 이는 더 강력한 AI 시스템이 제기하는 위험을 완전히 이해하고 해결하기 위해서는 중국의 AI 개발을 가속화해야 한다는 주장을 뒷받침합니다.

화웨이는 미국이 첨단 반도체 기술에 대한 접근을 제한하고 있음에도 불구하고 칩 개발 목표를 계속 추진하고 있습니다. 이는 미국과 중국 간의 반도체 기술 패권 경쟁 속에서 중국이 자체적인 반도체 기술을 추구하는 데 있어 이러한 제약이 발전을 막지 않을 것이라는 관점을 반영합니다.

Lunacy는 3D 공간에서 공을 움직여 제어하는 신시사이저인 큐브(Cube)와 같은 훌륭한 VST 플러그인으로 알려져 있으며, 최근 AI를 활용하여 사용자가 직접 음악 도구를 만들고 판매할 수 있는 플랫폼인 노바(Nova)를 출시했습니다. 이 플랫폼은 크리에이터들이 자신만의 맞춤형 음악 도구를 제작하고 이를 다른 사람들에게 판매할 수 있도록 지원하는 것을 목표로 합니다.

초기에는 Lunacy 또는 소수의 파트너 개발자들이 제작한 몇 가지 악기가 제공될 예정입니다. 현재 노바에는 총 10개의 플러그인이 있으며, 이는 크런치한 칩튠부터 빈티지 신스, 그리고 앰비언트 드론까지 다양한 종류를 포함하고 있습니다. 이 플러그인들은 AI를 통해 생성되었지만, 현재로서는 특별히 주목할 만한 기능은 제공하지 않습니다.

향후 Lunacy는 누구나 자신만의 플러그인을 만들거나 기존 플러그인을 리믹스할 수 있는 노바 빌더(Nova Builder)를 출시할 계획입니다. 이 기능을 통해 커뮤니티 전체가 AI 기반 음악 도구 제작에 참여할 수 있는 기회가 열릴 것으로 보입니다.

퓨 리서치(Pew Research)가 인공지능에 대한 대중의 인식을 조사한 새로운 글로벌 설문조사를 발표했습니다. 이 조사는 AI가 일자리, 전반적인 삶, 소득 불평등에 미치는 영향을 포함하여 사람들이 AI를 어떻게 바라보는지에 대한 통찰을 제공합니다. 설문조사는 2월 8일부터 5월 13일까지 37개국에서 총 42,151명에게 질문을 던졌으며, 이는 최근의 종말론적 경고보다 훨씬 앞선 시점에 이루어졌습니다.

응답자의 대다수는 AI를 인간 고용에 대한 위협으로 인식하고 있습니다. 조사 결과에 따르면, 설문 대상 37개 국가 중 34개 국가에서 사람들은 향후 20년 동안 AI가 새로운 일자리를 창출하기보다는 일자리 손실을 초래할 것이라고 믿는 경향이 높았습니다.

특히 부유한 국가들에서 이러한 우려는 두드러지게 나타났습니다. 호주(76%), 한국(76%), 미국(71%)과 같은 국가들에서 AI로 인한 일자리 손실에 대한 불안감이 특히 높게 나타났습니다. 이는 기술 발전이 사회경제적 구조에 미치는 영향에 대한 대중의 깊은 우려를 반영합니다.

마이크로소프트 AI 최고경영자 무스타파 술레이만은 AI 안전과 규제에 대한 논쟁이 심화되고 있다고 강조하며, 특히 앤트로픽(Anthropic)과 같은 기업들이 모델 복지(model welfare) 개념에 대해 혼란을 겪고 있다고 지적했습니다. 마이크로소프트는 이러한 문제에 대한 회사 원칙을 제시하기 위해 37페이지 분량의 “인간주의 AI 행동 강령(Humanist AI Code of Conduct)”을 발표했습니다.

이 행동 강령은 AI 개발에 대한 원칙과 AI 의식과 같은 복잡한 문제에 대한 철학을 담고 있으며, AI 안전 논의의 핵심인 정렬(alignment)과 통제(containment)에 대한 근본적인 질문을 던집니다. 술레이만은 AI 안전의 기본이 정렬이라고 보면서도, 기술의 확산이 필연적이며 통제와 격리가 중요하다고 주장했습니다.

그는 AI가 폭발적으로 발전하는 상황에서 중앙 집중식 시스템 대신 개방된 생태계를 보호해야 한다고 강조하며, 사용자나 창작자가 자신의 데이터를 소유하고 자체 워크플로우와 모델을 만들 수 있도록 허용해야 한다고 주장했습니다. 이는 AI 규제가 단일 시스템이 아닌 여러 단계의 조절을 통해 이루어져야 하며, 오픈 생태계에 대한 기회를 보장해야 함을 의미합니다.

개발자들은 이러한 논의에 참여하여 문서의 세부 사항에 피드백을 제공해야 하며, 앞으로의 모델들은 에이전트 기반의 장기 실행 작업을 정확하게 수행할 수 있게 될 것이므로, 안전과 통제에 대한 구체적인 기준을 마련하는 것이 중요합니다.

테크크런치 디스럽트 2026에서 부스 전시를 위한 최종 마감일이 다가오고 있습니다. 스타트업이 10,000명 이상의 창업자, 투자자, 운영자 및 기술 리더들 앞에 직접 제품을 선보일 수 있는 기회는 10월 13일부터 15일까지 샌프란시스코에서 열리는 이번 이벤트에서 제공됩니다. 부스 테이블 예약 마감일은 9월 18일 밤 11시 59분(PT)이며, 이 시간을 놓치면 전시 기회를 얻기 어렵습니다.

전시 테이블은 팀이 제품을 직접 시연하고 잠재 고객 및 파트너와 대면하며 관계를 구축할 수 있는 중요한 플랫폼입니다. 참가자는 부스에서 제품 시연을 통해 새로운 기회를 찾는 벤처 캐피탈리스트를 만날 수 있으며, 모바일 앱을 통해 고가치 리드를 생성하고 브랜드 인지도를 높일 수 있습니다. 또한 팀 패스, 웹사이트 및 앱 브랜딩, 언론 리스트 접근권 등 다양한 혜택이 포함된 패키지가 제공됩니다.

전시 외에도 티켓을 구매하여 이벤트에 참여하는 것도 가능합니다. 티켓을 구매하면 250명 이상의 최고급 기술 리더들과 만나고 AI 기반 매칭 기능 및 딜 플로우 카페를 통해 300개 이상의 스타트업을 발견할 수 있습니다. 따라서 부스 전시 기회를 놓치지 않거나, 이벤트에 참여하여 네트워킹 기회를 확보할 수 있습니다.

돌고래인 버블스라는 이름의 수컷이 다른 물고기에게 구토를 유발한 후 그 먹이를 먹는 행동이 연구 대상이 되었습니다. 호주 그레이트 배리어 리프 근처에서 생활하는 이 돌고래는 지역 물고기인 빅아이 트리발리를 지속적으로 괴롭혀 먹이를 빼앗는 행동을 보였습니다. 이처럼 돌고래의 비정상적인 행동은 학술지 Ecology and Evolution에 발표된 새로운 논문의 초점이 되었습니다.

이러한 행동은 다른 종으로부터 먹이를 빼앗는 현상인 기생포식(kleptoparasitism)이라는 생물학적 개념과 관련이 있습니다. 기생포식은 종이 공격적인 대립을 통해 다른 종의 먹이를 가져가는 것을 의미하며, 이는 벌이나 말벌 같은 곤충뿐만 아니라 곰, 코요테, 늑대 등 다양한 종에서 관찰되는 행동입니다.

사람들이 돌고래를 '바다의 선한 존재'로 인식하는 경향은 돌고래에게 인간의 특성을 부여하는 현상인 의인화(anthropomorphism)와 관련이 있습니다. 연구자들은 돌고래가 미소 짓는 것처럼 보이기 때문에 이러한 인식이 생겼을 수 있다고 설명합니다.

제공된 기사 내용이 없어 구체적인 요약을 제공하기 어렵습니다. 해당 기사의 본문 내용이 포함되어야 독자가 기사를 열어볼지 결정할 수 있는 구체적이고 유용한 정보를 전달할 수 있습니다. 현재 제공된 정보는 기사의 제목과 출처에 대한 메타데이터뿐입니다.

코딩 에이전트에서 모델의 효율성과 비용 간의 관계에 대한 비교 연구 결과가 나왔습니다. Claude Code, Codex CLI, Pi 등 7개의 모델을 연결하여 비교한 결과, 같은 모델이 비슷한 작업 성공률을 달성했음에도 토큰 비용은 최대 5배까지 차이가 나는 것으로 나타났습니다.

이러한 비교는 코딩 에이전트의 성능을 평가할 때 단순히 성공률뿐만 아니라 토큰 비용을 함께 고려해야 함을 시사합니다. 특히, 읽기, 쓰기, 편집, bash 기능만을 제공하는 단순한 하네스 Pi 모델도 비용 대비 성공률에서 경쟁력을 보였습니다.

이는 개발자가 코딩 에이전트를 활용할 때 어떤 모델을 선택하느냐에 따라 작업 성공률과 운영 비용이 크게 달라질 수 있음을 의미합니다. 따라서 개발 환경에서 하네스 같은 도구를 사용할 때 비용 효율성과 성능을 동시에 고려하는 것이 중요합니다.

경쟁 AI 에이전트인 Instinct와 Meta의 Muse가 모두 전화 통화 기능을 추가하며 경쟁 구도가 변화했습니다. 인기 있는 Instinct는 이제 사용자를 대신하여 식당 예약이나 구독 취소와 같은 고차원적인 업무를 처리할 수 있는 컨시어지 기능을 제공하며 전화 통화까지 가능하게 했습니다. Meta의 Muse 역시 미국 기업에 전화를 걸 수 있는 기능을 추가하여 Instinct와 기능 면에서 동등해졌습니다.

Instinct의 창립자인 Noah Shinn은 Instinct Concierge 기능을 통해 전화 통화, 고급 서비스 예약 등을 처리할 수 있게 되었다고 밝혔습니다. 이 기능은 일부 사용자에게 먼저 제공되었으며, 이제 두 경쟁 에이전트 모두 통화 기능을 통해 사용자에게 더 광범위한 서비스를 제공할 수 있게 되었습니다.

이러한 기능 추가는 AI 에이전트 시장에서 경쟁자들이 통화 기능을 핵심 경쟁 요소로 삼고 있음을 보여줍니다. 또한 Instinct는 최근 3억 5천만 달러의 투자를 유치했으며 100억 달러 가치에서의 투자를 논의 중인 등 투자자들의 관심이 높습니다.

코딩 에이전트가 코드를 작성하기 전에 명세를 확정하고 구현 계획을 세우는 데 도움을 주는 개발 도구 OpenSpec에 대한 내용입니다. 이 도구는 기존 대화 기록에만 남아 있던 요구사항들을 명세와 구체적인 구현 계획으로 정리하는 것을 목표로 합니다.

사용자는 정리된 명세를 사람이 검토한 후 인공지능이 코드를 작성하도록 유도할 수 있습니다. 이는 요구사항과 실제 구현 사이의 불일치를 줄이고 AI가 정확하고 의도에 맞는 코드를 생성하도록 돕는 데 중점을 둡니다.

또한 OpenSpec은 변경 작업이 발생할 때마다 제안서, 요구사항, 시나리오, 기술 설계, 작업 목록 등을 별도의 폴더에 모아 관리할 수 있게 합니다. 이를 통해 무엇을 왜 변경하는지에 대한 맥락을 체계적으로 보관하여 프로젝트의 변경 이력을 명확하게 추적할 수 있습니다.

Neovim 기부 주소에 2023년에 입금된 비트코인 10개가 사용되지 않은 채 남아 있다는 게시물이 올라왔습니다. 이 기부금의 총 가치는 게시물 기준 약 80만 달러에 달합니다.

해당 게시물에서 확인에 사용된 주소는 Neovim 웹사이트 하단에 명시된 비트코인 기부 주소였습니다. 이는 사용자들이 기부금의 사용처에 대해 관심을 가지게 만드는 사안입니다.

이러한 정보는 Neovim 커뮤니티 내에서 기부금의 투명성과 사용에 대한 논의를 촉발할 수 있습니다. 구체적으로 입금된 비트코인이 현재까지 사용되지 않고 남아 있다는 사실이 주목받고 있습니다.

그리드 소프트웨어 스타트업 에메랄드 AI가 구글, 엔비디아, 앤트로픽과 연합하여 데이터 센터 확장을 위한 전력망 공간 확보를 목표로 하고 있습니다. 이들은 AI 에너지 관리 연합(AEMA)을 통해 데이터 센터 개발에 수요 반응(demand response)을 통합하여 데이터 센터가 전력 사용을 일시적으로 줄이거나 컴퓨팅 부하를 이동함으로써 추가적인 100기가와트의 데이터 센터 연결을 가능하게 하기를 희망합니다.

이러한 수요 반응은 전통적으로 발전소들이 피크 시간대에 전력 사용을 줄이는 방식이었으나, 에메랄드 AI는 이 기술을 발전시켜 데이터 센터와 유틸리티를 직접 연결하는 소프트웨어를 개발했습니다. 이 소프트웨어는 데이터 센터가 비필수 작업을 일시 중지하거나 다른 데이터 센터로 부하를 전환하도록 유틸리티의 요청을 조정하여 전력망의 여유 공간을 확보합니다.

에메랄드 AI의 소프트웨어는 유틸리티와 데이터 센터 간의 직접적인 연결을 통해 배터리처럼 신속하게 반응할 수 있는 이점을 제공하며, 이는 AI 컴퓨팅 부하의 피크 특성과 데이터 센터의 빠른 부하 조절 능력을 고려할 때 매우 중요합니다. 골드만삭스가 발표한 연구에 따르면 전력망 사용량을 일시적으로 90%로 제한하는 것만으로도 76기가와트의 용량을 확보할 수 있어 이 협력의 잠재력이 크다고 평가됩니다.

이러한 연합은 기술 기업과 유틸리티가 데이터 센터를 위한 새로운 부지 확보에 도움을 주며, AI 시대에 전력망 문제를 해결하는 데 기여할 것으로 기대됩니다. 다만, 전문가들은 이러한 수요 반응 기술이 새로운 발전원 필요성을 완전히 없애지는 못할 것이라는 점을 강조하고 있습니다.

캐나다는 유럽연합의 '협정 회원국'이 되기 위한 제안을 환영하며 안보 및 핵심 광물, 에너지 안보 분야에서 협력을 강화할 것을 촉구했습니다. 마크 카니 캐나다 총리는 유럽연합이 캐나다를 첫 번째 협정 회원국으로 삼는 것에 대해 논의했으며, 이는 지정학적 분열 상황에서 캐나다와 유럽이 "더 강해질 수 있다"는 점을 강조했습니다.

이 제안은 유럽연합 집행위원장 우르줄라 폰 데어 라이엔이 제안한 것으로, 제조, 기술, 국방, 에너지, 핵심 광물 및 경제 안보와 같은 분야에서 협력을 심화하는 것을 목표로 합니다. 캐나다와 유럽은 이미 자유무역협정을 맺고 있으며, 이 협력은 캐나다가 유럽의 청정 에너지 기술에서 이익을 얻고 유럽의 에너지 안보에 필요한 액화천연가스 및 수소를 공급하는 방식으로 이루어질 수 있습니다.

그러나 이 '협정 회원국' 지위는 현재 EU 내에 존재하지 않으며, 27개 EU 회원국의 동의가 필요하기 때문에 실제 관계가 어떻게 형성될지는 아직 불분명합니다. 캐나다 측은 이 제안이 새로운 강대국 블록을 형성하려는 것이 아니라 주권과 자율성을 확보하는 것이라고 강조했습니다.

한편, 미국이 이 제안에 대해 비판적인 입장을 보이며 무역 분쟁이 심화되는 가운데, 캐나다와 유럽은 미국과의 무역 갈등 속에서 전략적 자율성을 강화하는 방향으로 협력하고 있습니다. 양측은 10월 말 몬트리올에서 캐나다-EU 정상회담을 통해 세부 사항을 논의할 예정입니다.

루시드 모터스가 유럽 모빌리티 플랫폼인 볼트와 로보택시 파트너십을 맺고 유럽 시장 진출을 모색하고 있습니다. 볼트는 루시드의 향후 출시될 중형 전기차 아키텍처를 기반으로 최소 25,000대의 완전 자율주행 차량을 배포하는 것을 목표로 합니다.

이 파트너십은 루시드가 자율주행 시스템(ADS) 준비가 된 차량 플랫폼을 공동으로 개발하는 것을 포함하며, 차량은 엔비디아의 자율주행 컴퓨팅 및 센싱 아키텍처인 하이페리온을 사용할 예정입니다. 다만, 자율주행 소프트웨어를 누가 제공할지는 아직 밝혀지지 않았습니다.

볼트는 차량 플릿을 소유하고 운영하며, 유럽의 도로 및 규제에 맞는 자율주행 시스템을 구축하기 위해 루시드의 플랫폼과 운영 경험을 결합하려 합니다. 볼트의 CEO인 마르쿠스 빌리그는 유럽 자율주행을 위해서는 데이터, 소프트웨어, 차량, 운영이 하나의 시스템으로 구축되어야 한다고 강조했습니다.

루시드는 현재 우버 및 자율주행 회사인 뉴로와 협력하여 그라비티 SUV의 로보택시 버전을 출시할 계획이며, 이는 2026년 말까지 목표로 하고 있습니다. 이 파트너십은 루시드의 새로운 경영진 체제 하에서 자율주행 사업의 수익성이 기존 소매 모델보다 훨씬 높을 것이라는 기대감을 반영합니다.

거대 AI 모델의 훈련과 고성능 컴퓨팅 시스템의 상호 확장 과정에서 알고리즘적 난제가 발생하고 있습니다. 특히 데이터 병렬 처리(DP)는 여러 GPU에 데이터를 분할하여 계산 속도를 높이는 주된 전략이지만, 대규모 배포 시 이종 성능을 가진 다중 계층 상호 연결 환경에서 막대한 통신 오버헤드를 발생시킵니다.

이 연구는 연합 학습(FL)의 효율적인 통신 원리를 참고하여 이 문제를 해결하고자 두 가지 하이브리드 알고리즘인 FL+FSDP와 FL+HSDP를 제안합니다. 이 방법들은 분할된 DP를 FedAvg 스타일 집계와 결합하여 대규모 DP 배포를 더 작고 느슨하게 연결된 연합 그룹으로 분리합니다. 이를 통해 그룹 간 트래픽을 최소화하면서도 전체 배치 크기를 그룹 크기로 제한하여 효율성을 높입니다.

실험 결과는 이러한 접근 방식의 확장성과 유연성을 입증합니다. 512개의 A100 GPU를 사용하여 Llama3.1 8B 모델을 사전 훈련할 때, FL+FSDP와 FL+HSDP는 동일한 하이퍼파라미터 조건에서 기존 방식보다 데이터 처리 속도가 최대 8.04배 빠르고 평가 퍼플렉시티가 4.48 낮게 나타났습니다.

이러한 성능 향상은 통신 오버헤드가 감소하고 전역 배치 크기가 연합 그룹 크기에 비해 제한적으로 성장하기 때문에 가능합니다. 이는 대규모 모델 훈련 시 통신 효율성과 모델 품질을 동시에 개선하는 데 기여합니다.

점토 및 시멘트 재료의 물리적 특성 분석은 재료 과학부터 지질 폐기물 처리까지 광범위한 분야에서 중요합니다. 이러한 특성 시뮬레이션을 위해서는 일반적으로 3차원 이미징이 필요하지만, 이는 비용이 많이 들고 접근성이 제한적이며 특정 재료에 대해서는 기술적인 한계가 있습니다. 최근 딥 생성 모델의 발전은 이러한 문제를 해결하여 더 쉽게 얻을 수 있는 2차원 이미지로부터 3차원 볼륨을 재구성하는 방법을 제시합니다.

기존의 GAN 기반 3차원 미세구조 생성 방법 중 SliceGAN은 균질하고 등방성 또는 이방성 시스템에서는 우수한 결과를 보였으나, 더 복잡한 이질성 미세구조의 세부 사항을 포착하는 데는 어려움이 있었습니다. 따라서 연구진은 안정성과 생성 품질을 갖춘 노이즈 제거 확산 모델(denoising diffusion models)에서 영감을 받아 하이브리드 접근 방식을 제안했습니다.

특히 3차원 정답 데이터가 없는 상황에서 표준 노이즈 제거 손실 대신 적대적 손실(adversarial loss)을 사용하여 훈련함으로써 실험에서 안정적인 학습 과정을 확보했습니다. 그 결과, 이 모델은 최소한의 슬라이스 아티팩트와 함께 다양한 복잡성의 미세구조를 생성하며, 정답의 상(phase) 분율 및 구조적 기술자와 높은 일치도를 보였습니다.

본 연구는 주체가 결과는 관찰하지만 그 결과를 발생시킨 행동은 관찰하지 못하는 반복 계약 설계 문제를 다룹니다. 주체는 결과에 따라 보상하는 임의의 유계 결과 의존적 지급 벡터를 사용할 수 있으며, 이에 따라 에이전트의 최적 반응은 예상 이익을 불연속하게 만들 수 있습니다.

고정된 결과의 수 $m\ge2$에 대해 $T$ 라운드 동안의 최소-최대 후회(minimax regret)는 로그 인자까지 $T^{m/(m+1)}$의 차수로 나타납니다. 이 상한은 평활성이나 단조 초과 가정 없이 임의의 행동 공간과 에이전트 이질성을 허용합니다. 핵심은 효과적인 차원 축소 기법을 통해 벤치마크를 정규화할 수 있으며, 이는 고정된 동점 처리 방식이 이동 불변이 아닐 때도 가능합니다.

이러한 축소 과정을 통해 드러난 선호는 지급 차이 좌표에서 단조 응답 맵을 제공합니다. 이 맵을 기반으로 구축된 학습 정책은 관찰된 결과 범주만을 사용하여 이 속도를 달성할 수 있습니다. 추가적인 결과가 계약 가능할 때마다 학습의 최악 비용이 필연적으로 증가한다는 하한 구성도 제시합니다.

대규모 경로 최적화 문제인 순서가 지정된 클러스터 여행하는 외판원 문제(OCTSP)는 클러스터 내 개별 최적화만으로는 비지역적 의존성을 해결하기 어렵습니다. 이 논문은 이러한 OCTSP를 해결하기 위해 병렬 서브 솔버를 조정하여 탐색과 학습 가속화된 경로 설정을 결합하는 COMPASS 알고리즘을 소개합니다.

COMPASS는 클러스터 구조를 활용하여 품질 상한선이 없으며, 계산 능력에 따라 해답이 지속적으로 개선되는 특징을 가집니다. 이 알고리즘은 인스턴스 크기가 아닌 클러스터 크기에 지수적으로 비례하는 시간 내에 정확한 해답에 도달할 수 있으며, 경험적으로 다른 방법들보다 일관되게 우수한 성능을 보입니다.

기존의 대규모 경로 솔버와 달리 COMPASS는 좌표 입력에 국한되지 않고 일반적인 거리 행렬을 사용하여 작동합니다. 연구진은 이 알고리즘을 100K 개의 합성 노드와 28.5K 개의 실제 전자상거래 노드에 확장하여 적용했습니다. 특히 비대칭 거리를 고려한 실제 노드에 대한 경로 솔루션은 기존의 ATSP 벤치마크보다 9배 더 큰 결과를 보고했습니다.

제미나이를 사용하여 레딧 댓글에서 브랜드, 모델, 재료를 자동으로 식별하는 모델을 훈련하는 실험을 진행했습니다. 이 과정에서 제미나이 3.1 Pro를 이용해 4,290개의 댓글에 대한 레이블을 $9의 비용으로 생성하고, 이를 기반으로 경량 NER 모델인 GLiNER large v2.5를 미세 조정했습니다.

이 방법은 댓글당 LLM 호출 비용을 절감하고 모델을 로컬 환경에서 실행할 수 있게 하여 비용 효율성을 극대화합니다. 실험 결과, 미세 조정된 GLiNER 모델은 제미나이의 레이블과 비교하여 0.83의 F1 점수를 달성했습니다. 이는 모델이 이전에 보지 못한 225개의 검증 댓글에 대해 정확도를 입증하며, 특히 재료 식별에서 0.911의 재료 회수율을 보였습니다.

다만, 이 결과는 제미나이의 레이블에 의존하므로 모델이 실제 사실을 학습한 것이 아니라 제미나이의 오류를 복사하거나 수정하는 방식으로 학습되었다는 한계가 있습니다. 또한, 훈련 과정에서 설정 오류나 텐서 문제 등으로 인해 여러 번의 실패가 발생했으며, 최종 결과는 코드와 텐서 설정에 크게 좌우된다는 점을 고려해야 합니다.

공간 추론 능력은 STEM 분야 성과와 강한 상관관계를 가지며, 게임은 이러한 중요한 기술을 훈련하는 효과적인 매체입니다. 그러나 인간과 같은 튜터링과 플레이어 지도를 위해서는 공간적 사건으로부터 상식적 추론을 할 수 있는 AI 에이전트가 필요합니다. 이러한 응용 분야에 적합한 프레임워크로 질적 추론(Qualitative Reasoning, QR) 모델이 제시됩니다.

QR 모델은 기호적 표현으로 추론하기 때문에 게임 상태를 해석 가능한 피드백으로 원활하게 변환하여 인간과 유사한 플레이어 지도를 가능하게 합니다. 본 논문은 이러한 응용을 위해 블록 퍼즐 게임인 Camelot Jr.를 위한 하이브리드 질적 모델을 소개합니다. 이 게임은 두 탑을 연결하는 다층 다리 건설을 요구하며, 플레이어는 플랫폼을 안정시키고 경로를 계획해야 하는 도전 과제를 안고 있습니다.

연구진은 해당 도메인에 필요한 정확한 물리학을 처리하기 위해 수학적 질량 중심 안정성 논리를 질적 솔버에 통합했습니다. 이 연구는 Camelot Jr.에서 공간 기술 훈련을 촉진하고 인간 중심적이며 설명 가능한 게임 플레이 에이전트 개발에 기여합니다.