읽을 가치가 있는 기사만, 짧고 또렷하게.

스냅이 2,200달러짜리 스마트 글래스 Specs에 대한 논쟁을 재차 제기하며 새로운 기능과 서비스를 공개했습니다. 이번 업데이트는 장치에 목적을 부여하고 광범위한 디지털 활동에 통합하는 데 중점을 두고 있습니다.

새로운 기능 중 가장 주목받는 것은 Specs Intelligence라는 새로운 ‘예측형 AI’ 시스템의 출시입니다. 이 시스템은 글래스와 사용자의 기기(iPhone, Mac 등)를 연결하여 사용자의 목표, 우선순위, 관계, 일상에서 정보를 파악하고, 사용자가 장기 목표를 향해 나아가는 데 집중하도록 돕는다고 주장합니다. 스냅은 이를 “사용자의 프로젝트를 중심으로 설계된 AI 네이티브 운영체제”라고 설명하며, AR 카메라 효과를 통해 사용자가 중요한 것에 집중하면서 작업을 수행할 수 있게 한다고 강조했습니다.

또한 스냅은 기업 환경에 Specs를 통합하기 위한 Specs for Enterprise 프로그램을 발표하며 아마존, 세일즈포스, 엔비디아 등 여러 기술 기업과의 파트너십을 체결했습니다. 이는 IT 기술자들을 대상으로 모바일 기기 관리, 보안 통제 및 시스템 배포를 돕는 방식으로 장치의 실질적인 유용성을 입증하려는 시도입니다.

이 외에도 HBO Max나 Spotify와 같은 엔터테인먼트 옵션이 추가되었으며, Wi-Fi 환경이 아닌 곳에서도 사용 가능한 셀룰러 연결 패키지도 제공됩니다. 스냅은 이러한 움직임을 AI가 인간을 무의미하게 만드는 것이 아니라 오히려 더 중요하게 만드는 방향으로 컴퓨팅을 인간 중심적으로 전환하는 새로운 방식이라고 주장하고 있습니다.

NVIDIA가 Rust를 활용한 네이티브 GPU 프로그래밍 지원을 발표했습니다. 이는 개발자들이 GPU 커널을 Rust로 직접 작성하고 네이티브 PTX로 컴파일할 수 있는 두 가지 개발 경로를 제공한다는 내용입니다.

기존의 CUDA Rust가 다른 언어로 작성된 커널을 호출하는 래퍼 역할에 머물렀다면, 이번 지원은 GPU 커널 자체를 Rust로 구현할 수 있게 함으로써 성능과 제어력을 극대화할 수 있는 기반을 마련합니다.

이러한 네이티브 프로그래밍 환경에서는 스레드와 메모리를 직접 제어하는 SIMT 방식인 cuda-oxide와 데이터 타일링을 다루는 cutile-rs와 같은 도구들이 활용될 수 있습니다. 이는 Rust의 안전성과 시스템 프로그래밍 능력을 활용하여 GPU 아키텍처에 더욱 깊이 접근하고 효율적인 병렬 컴퓨팅을 구현할 수 있게 합니다.

React와 유사한 컴포넌트 및 Hooks 방식으로 화면을 작성하면서도 가상 DOM(Virtual DOM) 없이 직접 DOM을 갱신하는 코드로 컴파일하는 새로운 JavaScript UI 프레임워크인 Octane이 발표되었습니다. 이 프레임워크는 개발자가 React의 패턴에 익숙하게 코드를 작성할 수 있도록 하면서도 성능 최적화를 위해 가상 DOM을 사용하지 않고 실제 DOM 조작 코드로 직접 컴파일하는 것을 목표로 합니다.

Octane은 Inferno를 개발한 Dominic Gannaway가 후속 프로젝트로 개발하고 있는 프레임워크입니다. 이는 기존의 React 생태계에서 가상 DOM의 오버헤드를 줄이고 직접적인 DOM 제어를 통해 효율성을 높이려는 시도에서 비롯되었습니다.

이러한 접근 방식은 컴포넌트 기반 개발의 효율성을 유지하면서도 런타임 오버헤드를 최소화하여 더 빠르고 직접적인 DOM 상호작용을 가능하게 합니다. 개발자는 useState나 useEffect와 같은 Hooks를 사용하여 화면을 구성하고, Octane이 이를 실제 DOM 갱신 코드로 변환하여 실행함으로써 성능상의 이점을 얻을 수 있습니다.

AI 생성 이미지에 실제 Pixel 카메라의 C2PA 서명을 붙이는 공격이 시연되었습니다. 이는 암호 서명을 위조하는 것이 아니라 기기의 정식 서명 기능을 이용하여 가짜 카메라 출처 정보를 인증하는 방식으로 이루어졌습니다.

이 공격은 기기 초기화 없이 확보한 루트 권한이 필요하며, 이를 통해 StrongBox에서 키를 추출하는 과정이 포함됩니다. 공격자는 이 방법을 통해 실제 Pixel 카메라의 인증 정보를 위장하여 AI 생성 이미지에 실제 카메라 출처 정보를 삽입할 수 있게 됩니다.

따라서 C2PA 시스템이 카메라 출처 정보를 인증하는 방식에 대한 보안 취약점이 있음을 시사합니다. 개발자와 보안 전문가들은 기기 수준의 서명 기능과 StrongBox 키 관리 메커니즘이 외부 공격에 노출될 가능성을 고려하여 인증 및 서명 프로세스의 보안 강화를 검토해야 합니다.

verygoodsoftwarenotvirus.ru 운영자가 도메인 갱신에 실패하면서 블로그를 verygoodsoftwarenotvirus.dev로 이전했습니다. 이는 도메인 관리 및 운영상의 기술적 문제로 인해 발생한 일입니다.

운영자는 러시아의 새로운 요건을 충족하기 위해서는 러시아와의 연결 관계가 필요하다고 판단했습니다. 하지만 운영자는 러시아어를 모르기 때문에 이 요건에 대해 AI를 통해 정보를 탐색하는 등 어려움을 겪었습니다.

이러한 상황은 도메인 운영자가 특정 지역의 규제나 요구사항을 충족시키기 위해 기술적 또는 언어적 장벽에 부딪힐 수 있음을 보여줍니다. 이는 국제적인 규제 환경 속에서 웹사이트 운영 및 도메인 관리가 단순한 기술 문제를 넘어 복잡한 맥락을 포함하고 있음을 시사합니다.

구글 랩스에서 가족과 그룹을 위한 AI 에이전트인 CC를 출시했습니다. CC는 가계의 바쁜 일정과 물류 관리를 돕고 가족들이 함께하는 시간을 늘리는 것을 목표로 합니다. 최대 여섯 명의 구성원이 정보를 공유하고 협업할 수 있도록 CC는 자체 구글 계정을 가지며, 이 에이전트는 공유된 정보만을 확인하여 일정을 정리하고 할 일 목록을 관리하며 식사 계획이나 등록 양식 처리 같은 물류를 처리합니다.

CC는 사용자가 공유하는 이메일, 텍스트 메시지, 구글 드라이브 파일 등을 자동으로 분류하고 정리하여 공유된 일일 요약본을 생성하며 캘린더 및 작업과 연결합니다. 이 에이전트는 Gmail, Chat, Docs, Calendar와 같은 일상적인 구글 도구와 연결되어 사용자가 일상적인 활동을 조정하는 데 필요한 물류 작업을 줄여줍니다.

기술적으로 CC는 구글의 에이전트 하네스인 Antigravity와 최신 Gemini 모델을 기반으로 작동하는 독립된 클라우드 컴퓨터 위에서 구동됩니다. 이는 CC가 클래스 등록 양식 미리 채우기, 구글 지도 API를 통한 실시간 이동 시간 확인, 공유 문서 생성 등 복잡한 작업을 처리할 수 있게 합니다.

현재 CC는 미국 내 개인 구글 계정을 가진 18세 이상의 사용자를 대상으로 실험적으로 제공되고 있으며, 기존 사용자는 곧 계정 업그레이드 이메일을 받게 됩니다. 새로운 사용자는 대기 목록에 참여하여 이 실험적인 AI 에이전트를 경험할 수 있습니다.

AI 시스템을 평가하기 위해서는 성능이 도메인이나 대화 유형에 따라 달라지므로 분리된 평가(disaggregated assessment)가 필수적입니다. 하지만 포괄적인 테스트는 비용이 많이 들기 때문에, 평가는 레이블이 지정된 단위의 샘플에 의존하게 됩니다. 기존의 직접 추정 방법인 예측 기반 추론(PPI)은 해당 도메인의 레이블만을 사용하기 때문에 레이블이 부족할 경우 부정확해지는 한계가 있습니다.

연구진은 이러한 문제를 해결하고 추정 및 검증을 위한 통합 워크플로우를 개발하기 위해 소규모 영역 추정(small area estimation)에 기반하여 새로운 방법을 제안합니다. 추정 방법으로는 각 도메인의 예측 기반 추정치에 대한 베이지안 모델 적합인 예측 기반 스무딩(PP-S)을 제안했으며, 보고 분류 체계를 통해 강점을 빌려오는 확장된 방법인 예측 기반 분류(PP-TS)를 추가했습니다.

또한, 직접 추정 방법과 스무딩된 추정 방법 중에서 최적의 방법을 선택하기 위한 새로운 설계 기반 교차 검증 점수를 도출했습니다. 이 점수는 인간이 평가한 실제 에이전트 트래픽 데이터를 사용하여 검증되었으며, 제안된 추정 방법들은 직접 추정 방법보다 점과 구간 추정에서 근접한 표본 크기(near-nominal coverage)를 가지며 개선된 성능을 보였습니다.

동일한 샘플링 예산 내에서 이 점수는 독립적인 검증 샘플이 수행하는 선택과 마찬가지로 선택된 추정 방법의 오차를 훨씬 더 정확하게 추정해 줍니다. 이는 개발자들이 제한된 데이터 환경에서 AI 시스템의 성능을 보다 정확하고 신뢰성 있게 평가할 수 있는 통합된 방법을 제공합니다.

텍스트 기반 이미지 편집은 요청된 변경 사항을 도입하면서도 관련 없는 원본 콘텐츠를 보존해야 하는 과제를 안고 있습니다. 기존의 확산 기반 편집기(Diffusion-based editors)는 공간 제어에 의존하기 때문에 부정확성이 편집을 불완전하게 만들거나 관련 없는 영역을 변경할 수 있으며, 인과적 자기회귀 편집기(Causal autoregressive editors)는 고정된 디코딩 순서 때문에 이전 결정의 수정이 제한된다는 제약이 있습니다.

이에 연구진은 생성적 정제 네트워크(Generative Refinement Network)를 기반으로 하는 학습 불필요 프롬프트-투-프롬프트 이미지 편집 프레임워크인 RefineEdit을 소개합니다. RefineEdit의 핵심 아이디어는 이진 이미지 코드의 전역 정제를 통해 편집 위치 지정과 콘텐츠 생성을 결합하여, 이미지가 발전함에 따라 편집 증거를 재평가할 수 있도록 하는 것입니다.

이 프레임워크는 중간 소스 상태에서 편집 브랜치를 초기화하여 나타나는 레이아웃을 재사용하며, 두 브랜치가 동일한 소스 샘플링 비트에 할당한 확률의 차이를 사용하여 편집 가능한 위치와 비트를 선택합니다. 편집 과정 전반의 안정화를 위해 적응형 공간 고정(adaptive spatial freezing)은 불필요한 마스크 확장을 제한하고, 유한 비트 잠금(finite bit locking)은 최근 선택된 비트가 편집 가능하도록 유지합니다.

RefineEdit은 추가적인 훈련, 외부 마스크, 또는 어텐션 제어를 필요로 하지 않으며, PIE-Bench의 아홉 가지 편집 범주에서 평가했을 때 PSNR, LPIPS, MSE, SSIM 측면에서 최고의 배경 보존 점수를 달성했습니다. 또한, 평가된 방법들 중 전체 이미지 및 편집된 영역의 CLIP 점수에서 가장 높은 결과를 기록했습니다.

배양된 유도만능줄기세포(iPSC) 연구에서 분할 기반 모델을 활용하는 추세가 증가하고 있지만, 실험 환경에서 효율적이고 감사 가능한 압축 방식이 요구됩니다. 본 연구는 Cellpose-SAM 모델을 압축하여 실험용 CPU 및 엣지 하드웨어에 배포하기 위한 평가를 제시하며, 압축 기준으로는 FP32 대비 평균 변화의 95% 클러스터 부트스트랩 구간이 모든 이미징 양식에 대해 -0.02 마진 이상을 유지해야 한다는 기준을 설정했습니다.

이 기준을 바탕으로 176개의 필드(BBBC038 핵, BBBC039 U2OS 형광, NIST iPSC 이미지 등)에 걸친 데이터로 평가한 결과, 가중치만 압축한 W8A16 방식은 모든 양식에서 인스턴스 F1 점수를 보존했습니다. 또한, 네 개의 INT8 예외를 사용하는 민감도 기반 혼합 W4/W8 방식은 가중치 저장 공간을 6.76배 줄이면서도 176개 필드에서 치명적인 실패가 관찰되지 않아 W8A16과 동일한 성능을 보였습니다.

반면, 삼진 압축 방식은 12.08배의 압축률을 달성했지만 176개 필드 중 169개 필드에서 치명적인 실패를 보였습니다. 이러한 결과는 압축을 단일 수치 정확도가 아닌 양식별 다운스트림 보존률로 평가해야 함을 보여줍니다. 이는 규제가 적용되는 줄기세포 이미징 분야에서 압축된 기반 모델을 감사하기 위한 재현 가능한 프로토콜을 확립하는 데 기여합니다.

대규모 언어 모델(LLM)이 도덕적 가치 충돌 상황을 처리하는 데 사용될 때 숨겨진 편향과 언어 간 지시 따르기의 취약성이 드러났습니다. 연구진은 이러한 현상을 탐구하기 위해 정직성 대 정의, 정의 대 자율성, 자율성 대 정직성이라는 쌍별 세 가지 가치 충돌에 대한 12,000개의 사례로 구성된 데이터셋을 구축하고 이를 힌디어, 아랍어, 스페인어, 중국어로 번역하여 교차 언어 행동을 조사했습니다.

GPT-5-mini 벤치마크 결과, 정책이 주어지지 않았을 때 모델은 다섯 가지 언어 모두에서 자율성보다 정직성을 일관되게 선호하는 것으로 나타났습니다. 또한 Llama-3.2-1/3B 모델은 강한 첫 번째 선택 편향을 보였으나, 일반적인 미세 조정이나 직접 선호 최적화(DPO) 미세 조정을 통해 이 편향을 효과적으로 제거하여 정확도를 98% 이상으로 높일 수 있었습니다.

연구진은 데이터셋에서 학습된 상관관계와 추상적인 가치 효과를 분리하기 위해 태스크 벡터 전송 기반 실험을 제안했습니다. 이 방법은 가치 선호 방향에 대한 태스크 벡터를 계산한 후, 일반적인 지시 따르기 벡터에 대해 직교화하여 특정 가치 선호 방향을 분리해내는 데 효과적입니다.

이 방법은 태스크 산술을 수행하여 반대 입장을 가진 모델을 얻는 데 필요한 특정 가치 선호 방향을 성공적으로 분리해내는 데 유용합니다.

텔레마킹 사기 스크립트가 빠르게 진화함에 따라 오디오 기반 통신 사기 탐지 모델 평가를 위한 두 가지 핵심 요구 사항이 제시되었습니다. 첫째, 벤치마크는 기존 테스트 세트를 덮어쓰지 않으면서 새로 관찰된 사기 패턴을 포함해야 합니다. 둘째, 모델은 주제별로 분리된 부정 예시에 의존하는 대신 합법적인 근접 도메인 통화와 사기를 구별할 수 있어야 합니다.

연구진은 이러한 요구 사항을 충족하기 위해 혼합 트리 사기 생성 파이프라인을 사용하여 TeleAntiFraud 2.0을 구축하고 월별 동결 평가 프로토콜 하에서 평가했습니다. 이 파이프라인은 온라인 사기 사례 요약본을 프로필 기반 시나리오로 변환하고 혼합 트리 생성을 통해 확장하며, 공유된 컨텍스트 하에서 사기와 비사기 대화 경로를 실현합니다. 또한, 검증된 대화를 역할에 맞춘 음성으로 구현하고 결과물을 동결하여 각 월별 평가 세트의 오디오, 레이블, 프롬프트, 매니페스트 및 출처 기록을 고정합니다.

이 동결된 세트는 900개의 중국 통화로 구성되어 있으며, 사기 사례 600건과 근접 도메인 비사기 사례 300건을 포함합니다. 실험 결과, 세 가지 분류기는 관련 없는 부정 예시에 대해 완벽한 매크로 평균 F1 점수를 달성했지만, 근접 도메인 형제 부정 예시를 사용할 경우 이 점수는 0.65에서 0.68로 하락했습니다. 또한 ASR+LLM 평가를 통해 클래스 우선 단축 경로, 예측 붕괴, 스냅샷 민감성이 드러났습니다.

이러한 발견들은 현실적인 혼동 조건 하에서 오디오 기반 통신 사기 모델을 평가하기 위해 근접 도메인 구성과 붕괴 인식 보고가 핵심 요구 사항임을 확립합니다. 관련 연구 자료와 코드는 https://anonymous.4open.science/r/TeleAntiFraud-2_0-EEB2/에서 확인할 수 있습니다.

시각 신호는 강력한 다운스트림 예측을 위해 압축적이면서도 충분한 표현을 필요로 합니다. 기존의 컨볼루션 희소 코딩(CSC)은 신호 내용을 보존하면서 중복 요소를 억제하는 메커니즘을 제공하지만, 희소성 계수는 일반적으로 고정되어 수동으로 선택되어야 하는 한계가 있었습니다.

본 연구는 이러한 문제를 해결하기 위해 훈련 적응형 컨볼루션 희소 코딩 프레임워크를 제안합니다. 이 프레임워크는 CSC 최적화를 FISTA(Fast Iterative Shrinkage-Thresholding Algorithm)를 사용하여 전개하고, 희소성 계수를 네트워크 파라미터와 공동으로 학습되는 미분 가능한 변수로 취급합니다. 정보 병목 관점에서 이 계수는 정보 보존과 압축 사이의 균형을 조절하며, 희소성 항은 압축을 촉진하고 재구성 항과 태스크 손실은 태스크 관련 신호 내용을 보존합니다.

또한, 본 연구는 주 네트워크 파라미터를 고정한 상태에서 손상된 입력에 대한 압축 강도를 조정하는 레이블 없는 훈련 후 전략을 추가로 도입했습니다. CIFAR 및 ImageNet 실험 결과, 이 방법은 깨끗한 데이터 인식에서 경쟁력 있는 성능을 보였으며 다양한 입력 교란에 대해 크게 향상된 견고성을 입증했습니다.

로봇 조작을 위한 변형 가능한 에셋을 생성하려면 기하학, 외관, 물리적 속성을 동시에 지정해야 합니다. 특히 변형 가능한 객체의 경우, 텍스트나 이미지는 객체가 어떻게 변형되고 접촉에 어떻게 반응하는지에 대한 제한적인 증거만을 제공하기 때문에 상호작용에 적합한지 판단하기 어렵습니다. 따라서 자동 생성 과정은 상호 연관된 물리적 요구 사항을 해결하고 상호작용 증거를 활용하여 구조를 구축하고 개선해야 합니다.

이러한 문제를 해결하기 위해 DeformSmith라는 프레임워크를 제시합니다. DeformSmith는 텍스트나 단일 이미지로부터 상호작용 가능하고 물리적으로 신뢰할 수 있는 변형 가능한 에셋을 자동으로 생성할 수 있게 합니다. 이 프레임워크는 계층적 에이전트적 구성과 공유된 물리 기반 하네스를 통해 기하학, 물리 모델, 재료 거동, 로봇 상호작용을 점진적으로 구축, 테스트 및 개선합니다.

로봇 상호작용은 조작 피드백과 재생 가능한 상호작용 데이터를 통해 생성 루프를 닫습니다. 그 결과 DeformSmith는 기존의 PhysGen3D, PhysGM, PhysX-Omni와 같은 최신 기준 모델보다 더 나은 시각적 품질과 물리적 타당성을 가진 에셋을 생성합니다. 이는 변형 가능한 객체의 로봇 조작을 위한 데이터 합성도 지원합니다.

3차원 확산 정책은 현재 관측으로부터 기하학적으로 근거 있는 행동을 생성하는 데는 강하지만, 성공적인 조작을 위해서는 현재 가능한 움직임을 아는 것뿐만 아니라 상호작용이 향하는 방향을 예측하는 것이 필수적입니다. 기존 정책들은 이러한 예측 능력을 행동 학습을 통해 암묵적으로 도출하는 데 의존하고 있습니다.

본 논문은 명시적인 계획 없이도 이러한 예측 능력을 제공하는 간단하면서도 효과적인 방법인 움직임 추세 안내(Movement Trend Guidance)를 제안합니다. 이 방법은 짧은 관측 이력으로부터 상호작용의 진화에 대한 압축된 잠재 표현을 학습합니다. 학습 과정에서는 희소한 미래 그리퍼 상태가 이 표현을 감독하며, 추론 시에는 현재 관측과 함께 이 잠재 표현만을 미래 지향적 조건으로 유지합니다.

이 잠재 표현은 행동 생성을 위한 전역적인 조건(global conditioning)을 제공하며, 추가적으로 게이티드 FiLM 브랜치가 UNet 병목 부분에만 사용됩니다. 이 방법은 DP3에 3.52%의 파라미터만 추가하면서도 원래의 밀집 행동 및 후퇴 지평(receding-horizon) 공식을 보존합니다.

실험 결과, 이 방법은 RoboTwin2.0, LIBERO-40, 그리고 다섯 가지 실제 로봇 작업 전반에서 DP3보다 일관되게 성능을 향상시켰습니다. 특히 50개 태스크의 RoboTwin2.0 혼합 훈련에서 56.1%였던 성능을 62.8%로, LIBERO-40에서는 37.08%였던 성능을 71.93%로, 실제 로봇 작업에서는 49.0%였던 성능을 72.0%로 달성했습니다. 이는 확산 정책이 정확히 어디로 움직여야 하는지 지시받지 않고도 상호작용이 향하는 방향을 알 때 상당한 이점을 얻을 수 있음을 보여줍니다.

거대 언어 모델(LLM)이 과학적 평가에 참여하면서 피드백 루프가 발생하여 심판의 붕괴가 일어날 수 있다는 위험이 제기되었습니다. 모델이 생성한 리뷰가 공개 데이터나 향후 학습 데이터에 포함될 경우, 후속 리뷰어는 이전 모델의 판단으로부터 학습하게 되어 AI 동료 검토가 재귀적으로 진행될 수 있습니다.

연구진은 Llama 3.1 8B 모델을 시작점으로 하여 공식 ICLR 리뷰 데이터와 모델 생성 리뷰를 혼합하여 2024년 데이터로 네 개의 후속 모델을 훈련하는 실험을 진행했습니다. 이 연구 결과, 합성 리뷰를 도입하면 평가 분포가 압축되고 동일 논문 및 전체 코퍼스 수준의 의미적 다양성이 감소하는 현상이 관찰되었으며, 이를 과학적 판단 붕괴(scientific-judgment collapse)라고 명명했습니다.

이러한 실패 모드를 완화하기 위해 연구진은 AI 및 머신러닝 논문의 동료 리뷰를 생성하는 오픈 소스 LLM 기반 시스템인 TrustReviewer를 제안했습니다. TrustReviewer는 훈련 단계에서 저품질 및 의미적으로 결함 있는 지도(supervision)를 줄이기 위해 핵심 리뷰어를 선별된 코퍼스에서 훈련하는 방식으로 사전 예방을 수행합니다.

또한 테스트 시점의 수정을 위해 쌍별 활성화 조향(paired activation steering) 기법을 도입하여 추가적인 훈련이나 전문가 주석 없이도 붕괴된 판단 경향을 완화할 수 있습니다. 이 결과들은 재귀적 리뷰어 훈련의 구체적인 위험을 명확히 보여주며, AI 지원 과학 평가에서 판단 다양성을 보존하고 추천 정렬을 개선하기 위한 실질적인 개입 방안을 제시합니다.

LLM 에이전트가 다양한 정보 요구 사항을 포함하는 복잡한 작업을 수행함에 따라 정보 검색의 중요성이 커지고 있습니다. 검색 품질은 각 문서에 포함된 지식을 얼마나 효과적으로 노출하는지에 따라 인덱스 키가 결정되는데, 그러나 효과적인 인덱스 표현 방식은 검색 환경에 따라 달라지기 때문에 고정된 최적화 전략을 적용하기 어렵습니다. 현재 인덱스를 검색 환경에 맞게 진화시키는 과정은 인간이 검색 실패를 진단하고 최적화 전략을 개선하는 과정을 거쳐야 하는 수동적인 방식입니다.

이에 본 연구는 인간의 개입 없이 인덱스가 스스로 진화할 수 있는 프레임워크인 SELF-INDEX를 제안합니다. SELF-INDEX는 최적화기가 검색 부족을 자율적으로 진단하고 책임 있는 인덱스 키를 선택적으로 수정하며, 업데이트 전에 각 수정을 검증합니다. 또한, 관찰된 요구 사항에 반응하는 것을 넘어 쿼리 시뮬레이터를 통해 추가적인 요구 사항을 능동적으로 탐색하여 최적화 범위를 확장합니다.

이러한 접근 방식은 다양한 코퍼스와 검색기에서 기존의 인덱스 최적화 방법보다 일관되게 검색 성능을 개선합니다. 나아가 이러한 이점은 다운스트림 애플리케이션으로 확장되어 검색 에이전트의 효율성과 효과를 높이고 에이전트 메모리 시스템이 유용한 과거 상호 작용을 검색하는 데 도움을 줍니다.

텔루구어 구어질문응답(SQA)에 대한 벤치마크가 부족하고 자동 평가의 신뢰성이 정량화되지 않았다는 문제점을 해결하기 위해 VākQA라는 벤치마크를 소개합니다. VākQA는 여섯 가지 도메인에 걸쳐 2,001개의 사실 기반 질문-답변 쌍을 포함하며, 2.53시간 분량의 음성 오디오, 이중 언어 전사본, 그리고 인간이 검증한 참조 답변을 제공합니다.

이 벤치마크는 평가 방법의 신뢰성을 인간의 판단과 비교하여 검증하는 과정을 거쳤습니다. Gemini-as-a-judge는 인간 평가를 가장 잘 근사하지만 일관성이 부족하며, 오픈 웨이트 평가자는 참조 답변과 표면 형태가 다른 올바른 텔루구어 답변에 체계적으로 페널티를 부여하는 방식으로 평가 기준을 설정했습니다.

이 검증된 설정을 바탕으로 VākQA는 입력 양식, 언어, 도메인 전반에 걸쳐 독점 모델과 오픈 웨이트 모델을 벤치마킹하는 데 사용됩니다. 연구 결과에 따르면 텔루구어 표현은 번역에서 손실되는 문화적 특수성을 유지하며, 음성 입력은 질문의 의미를 변화시키는 음성적 혼란을 야기하고, 연쇄적인 ASR-MT 오류가 점진적으로 누적된다는 점이 관찰되었습니다.

이러한 발견은 음성 기반 질문 응답 시스템에서 문화적 맥락과 음성 처리 오류가 모델 성능에 미치는 영향을 이해하는 데 중요한 통찰을 제공합니다. VākQA는 현재 공개적으로 배포되었습니다.

에이전트 궤적은 에이전트가 수행한 행동과 그 결과로 발생한 상황을 기록하지만, 표준 지도 미세 조정(SFT)은 에이전트가 생성한 행동 토큰에만 손실을 적용하고 환경 관측을 문맥으로만 사용합니다. 연구진은 이러한 관례가 후속 강화 학습(RL)을 위한 최적의 초기화인지 질문하며, 각 궤적에 존재하는 관측 토큰까지 감독하는 ActObs를 제안합니다.

ActObs는 배포된 에이전트가 관측을 생성하지 않더라도, 관측 토큰을 예측하도록 학습함으로써 데이터나 파라미터 추가 없이 행동의 결과를 모델링하도록 정책을 장려합니다. 이 방법은 SFT 후 성능은 유사하지만 GRPO 이후에는 결과가 달라집니다. 특히 Qwen3-4B 모델에서 ActObs를 사용한 GRPO는 Terminal-Bench 2.0에서 행동만 사용한 방법보다 모든 평가 샘플 예산에서 더 높은 pass@k를 달성했습니다.

Qwen3-8B 모델의 경우, ActObs는 pass@1의 신뢰도를 일부 희생하는 대신 pass@k를 높이고(pass@16에서 3.4 pp 증가) 더 다양한 작업을 해결할 수 있게 합니다. 이러한 이점은 SFT 및 RL 과정에서 발생하는 차이를 분석한 결과에서 비롯되는데, 행동과 관측 기울기가 빠르게 직교해지면서 행동만 훈련할 경우 환경 예측이 저하되는 한편, 관측을 함께 감독하는 것은 이러한 일방적인 특수화를 방지하고 결과 예측 능력을 보존합니다.

온폴리 디스틸레이션(OPD) 과정에서 학생 모델의 응답 길이가 과도하게 늘어나 생성 예산을 소진하는 길이 팽창 문제를 연구했습니다. 이 연구는 이러한 현상의 중요한 원인으로 기본 학생 모델과 후처리된 교사 모델 간의 종료 토큰 불일치(termination-token mismatch)를 지목합니다.

Qwen3, Llama, Gemma 등 여러 모델에서 선언된 종료 집합이 동일함에도 불구하고 두 모델이 서로 다른 EOS 토큰에 종료 확률을 설정할 수 있다는 것을 발견했습니다. 이러한 불일치는 학생 모델이 선호하는 종료 행동을 억제하면서 교사 모델이 선호하는 대안을 안정적으로 전달하지 못하게 만듭니다.

단순히 디코딩 종료 집합을 정렬하는 것만으로는 불충분하며, 기능적으로 동등한 EOS 토큰들을 공유된 의미적 종료 행동으로 취급하는 것이 모든 모델 계열에서 불일치로 인한 길이 팽창을 크게 완화함을 보였습니다. 또한, 훈련 과정에 따른 종료 행동의 변화를 이해하기 위해 다양한 K2-Horizon 훈련 단계에서 OPD를 분석했습니다.

이 단계별 분석 결과, 훈련 중 종료 선호도가 상당히 변화할 수 있으며, 종료 정렬 이후에도 OPD 실행 후반부에 별도의 길이 팽창이 지속됨을 확인했습니다. 따라서 종료 불일치는 OPD 길이 역학의 중요하지만 포괄적이지 않은 원인임을 밝혀냈습니다. 연구팀은 제안된 종료 처리 보정(termination-handling corrections)을 포함하는 구현체를 공개했습니다.

온폴리 자가 증류(OPSD)는 언어 모델이 정지된 복사본으로부터 정답이나 풀이 과정을 학습하게 하는 방법입니다. 교사에게 이러한 추가 정보를 제공하는 것이 증류 자체를 넘어 학습에 얼마나 기여하는지 분석하기 위해 AMPLE-Math라는 5,319개의 수학 문제와 여섯 가지 추론 뷰를 구축하여 비교했습니다.

연구 결과에 따르면, 생각 활성화된 교사가 직접 응답 실행을 감독할 때 참조 없는 증류가 Qwen3-1.7B의 개선 대부분을 설명합니다. 추가적인 참조의 이점은 Qwen에서 미미하며, 특히 다듬어진 풀이의 경우에 가장 두드러지게 나타났습니다. 반면, SmolLM3-3B에서는 단계 50에서 완전한 흔적(traces)이 2퍼센트포인트의 이점을 추가했습니다.

이러한 이점은 학생이 훈련되는 방식에 따라 달라집니다. 또한, 짧은 직접 응답 실행을 긴 생각 활성화된 실행으로 대체할 경우 문제, 참조, 평가가 고정되어 있음에도 불구하고 두 모델 계열 모두에서 이득이 손실로 바뀌는 현상이 관찰되었습니다.

결론적으로, 이러한 연구 결과는 OPSD가 직접 응답 및 생각 활성화된 추론에서 공유되는 매개변수를 통해 기존 추론 능력에 대한 접근성을 향상시킬 수 있음을 시사합니다. 즉, 특권적인 참조의 가치는 풀이를 얼마나 많이 드러내는지보다는 이러한 상호 모드 전이에서 어떤 추가적인 이점을 제공하는지에 달려 있습니다.