읽을 가치가 있는 기사만, 짧고 또렷하게.

2026년 유럽 클라우드 제공업체 현황에 대한 비교 분석 결과, 개인용 공개 서버를 찾고 VPS가 없는 bunny.net을 기준으로 시간 단위 과금과 실제 이용 가능성을 충족하는 네 곳이 선정되었습니다. 비교 대상은 Hetzner, UpCloud, Leafcloud, 그리고 Exoscale 네 곳입니다.

이 네 제공업체는 월 10유로에서 20유로 예산 범위 내에서 가격, 실제 CPU 성능, Geekbench 점수, 네트워크 성능 등을 종합적으로 비교하여 평가되었습니다. 이는 예산 제약이 있는 개발자들이 유럽 내에서 개인 서버를 운영할 때 어떤 선택지가 현실적인지 판단하는 데 중요한 기준이 됩니다.

해당 분석은 단순히 가격만을 비교하는 것이 아니라 실제 사용 가능성과 성능 지표를 고려하여 서버 운영 환경의 실질적인 가치를 평가하는 데 중점을 두었습니다. 따라서 서버 구축 시 비용뿐만 아니라 하드웨어 성능과 네트워크 안정성까지 고려해야 합니다.

결론적으로 이 비교는 유럽 클라우드 시장에서 특정 예산 범위 내에서 개인 개발자가 서버를 운영하기 위해 고려할 수 있는 구체적인 옵션을 제시합니다.

iPhone과 iPad에서 지원되는 앱들 간에 비밀번호, 패스키, 인증 코드, 메모 등의 정보를 한꺼번에 이전할 수 있게 되어 비밀번호 관리자를 전환하는 것이 훨씬 쉬워졌습니다. 이러한 기능은 사용자가 여러 서비스에 분산된 정보를 통합하여 비밀번호 관리자를 변경하는 과정을 간소화합니다.

이러한 데이터 이전은 Credential Exchange Format과 운영체제의 보안 전송 기능을 결합하여 이루어집니다. 이를 통해 사용자는 복잡한 수동 작업 없이 안전하게 정보를 이동할 수 있게 되었습니다.

실제로 1Password에서 Apple Passwords로 100개의 항목을 성공적으로 옮긴 사례가 있으며, 이는 이러한 통합 기능이 실제 환경에서 어떻게 활용될 수 있는지 보여줍니다. 개발자 관점에서 볼 때, 운영체제 수준에서 보안 전송 기능을 활용하여 이러한 민감한 정보를 효율적으로 관리하고 이전하는 방식은 향후 보안 시스템 설계에 중요한 맥락을 제공합니다.

소프트웨어 개발자가 기본 라이선스를 MIT에서 EUPL-1.2로 변경하고 최근 공개한 소프트웨어에 적용했습니다. 이는 28년간 소프트웨어를 공개하며 LGPLv2와 MIT 라이선스를 사용해 온 개발자가 라이선스 정책에 대한 근본적인 변화를 시도한 사례입니다.

이러한 전환의 동기는 허용적 라이선스가 사용자나 개발자의 이익보다는 대기업의 개발 비용 절감과 부의 축적에 더 기여했다는 판단에서 비롯되었습니다. 즉, 기존 라이선스 체계가 개발자 커뮤니티의 이익에 충분히 기여하지 못했다는 문제의식에서 비롯된 결정입니다.

개발자들은 소프트웨어 라이선스가 단순히 사용 허가를 넘어 커뮤니티와 개발자의 이익을 보호하는 방향으로 변화해야 한다고 주장해 왔습니다. 따라서 기본 라이선스를 EUPL로 변경함으로써 소프트웨어의 사용과 배포에 대한 책임과 이익의 분배 방식을 재고하고자 합니다.

이러한 변화는 소프트웨어 라이선스 정책이 단순한 법적 규제를 넘어 개발 생태계 내에서 공정한 가치 분배를 실현하는 도구가 될 수 있음을 시사합니다. 향후 다른 개발자들도 라이선스 선택에 있어 이러한 사회적, 경제적 관점을 고려할 필요가 있습니다.

야콥 콕슨이 앤스로픽(Anthropic)을 퇴사하며 AI 책임에 대한 심각한 우려를 제기했습니다. 그는 지난 3년간 오픈AI와 앤스로픽 양사에서 사전 학습 연구를 수행했으며, 두 회사 모두 책임감 있게 행동하고 있지 않다고 지적했습니다.

콕슨은 이들이 스스로 개선하는 초지능을 향해 질주하며 우리의 삶을 도박하고 있다고 주장했습니다. 그는 AI 개발자들이 10년 말까지 인류를 멸망시킬 수 있다고 믿는 경향이 있으며, 이러한 경쟁에 참여하는 것은 오만하고 위험한 도박이라고 강조했습니다.

그는 정렬(alignment)을 가속화하는 과정에서 더 나은 경로가 없다는 확신 없이 경쟁을 시작하는 것은 부적절하다고 말했습니다. 하지만 그는 협력의 가능성도 언급하며 Hugging Face 공격과 같은 사건들이 미국 연구소 간의 속도 조절 합의를 가능하게 했을 수 있다고 보았습니다.

결론적으로 그는 연구자들이 초지능의 마음을 충분히 이해하지 못한 채 초지능 강화 학습(RL)를 시작하는 것에 대해 숙고해야 한다고 촉구했습니다. 이는 단순히 기술적 경쟁을 넘어 인류의 생존과 관련된 중대한 문제임을 시사합니다.

확산 대규모 언어 모델(dLLMs)은 블록 병렬 및 임의 순서 생성을 통해 높은 디코딩 효율성을 달성하여 지연 시간에 민감한 애플리케이션에 매력적입니다. GUI 에이전트는 화면 상태를 반복적으로 인식하고 실시간으로 구조화되고 공간적으로 기반을 둔 행동을 출력해야 하므로 이러한 패러다임에 대한 자연스러운 테스트베드 역할을 합니다. 하지만 dLLM이 병렬 디코딩 이점을 유지하면서 유능한 멀티모달 GUI 에이전트로 확장될 수 있는지에 대해서는 여전히 미해결 과제로 남아 있습니다.

이에 연구진은 167억 개의 매개변수를 가진 MoE 기반의 블록별 확산 비전-언어 GUI 에이전트인 LLaDA-UI를 제시했습니다. LLaDA-UI는 두 단계의 훈련 파이프라인을 따르는데, 첫째는 네이티브 해상도 비전 인코더를 LLaDA2.0-mini-base 확산 언어 백본과 정렬하는 일반 멀티모달 사전 훈련이며, 둘째는 다양한 모바일, 데스크톱, 웹 및 접지 데이터에 대한 GUI 에이전트 지도 미세 조정입니다.

다양한 플랫폼에 걸친 접지 및 내비게이션 벤치마크에서 LLaDA-UI는 Qwen2.5-VL-7B를 크게 능가하고 Qwen3-VL-8B를 네 가지 GUI 벤치마크에서 능가하는 성능을 보였습니다. 이러한 결과는 블록별 확산이 멀티모달 GUI 에이전트를 위한 실용적인 생성 패러다임임을 입증합니다.

멀티모달 대규모 언어 모델(MLLM)을 가정 로봇의 의사 결정 핵심으로 배포하기 위해서는 갑작스러운 물리적 위험에 반응하는 능력이 필수적입니다. 기존의 평가 방식들은 비디오에 대한 질문 응답이나 내비게이션과 같은 장기 목표 작업에 초점을 맞추었을 뿐, 모델이 물리적 이해를 즉각적이고 안전에 중요한 행동으로 전환할 수 있는지 측정하지 못했습니다.

이에 연구진은 인간과 유사한 반응적 의사 결정을 위한 최초의 물리 기반 벤치마크인 ReactHuman을 소개합니다. 이 벤치마크는 평가 대상 MLLM을 갑작스러운 가정 내 위험에 직면한 시뮬레이션된 휴머노이드의 두뇌로 설정하여, 17가지 이벤트 가족과 1,000개 이상의 재현 가능한 장면을 다룹니다. 이 데이터는 240Hz 강체 시뮬레이션에서 도출된 정확한 정답을 기반으로 하며, 물체의 외관과 물리적 특성이 모순되는 적대적 객체(예: 폼 모루, 강철 사과)를 포함합니다.

ReactHuman은 각 반응을 합리성, 안전성, 물리적 기반이라는 세 가지 축을 따라 평가하는 다섯 가지 지표 세트를 설계했습니다. 실험 결과, 반응적 안전성은 아직 해결되지 않았으며, 모델들은 위험 상황에서 세 번 중 하나에 해당하는 위험을 잘못 처리하거나, 관찰된 장면이 아닌 고정된 성향에 따라 행동하거나, 움직임보다 외관을 신뢰하고, 심지어 선택한 행동이 옳더라도 미터 규모의 차단 지점을 놓치는 오류를 보였습니다.

이러한 실패는 모델 규모가 커진다고 해서 줄어들지 않았으므로, ReactHuman은 물리적으로 기반을 둔 안전 인식된 임베디드 에이전트를 향한 세밀한 진단과 확장 가능한 훈련 신호를 제공합니다. 이 벤치마크는 물리적 기반을 갖춘 안전한 에이전트를 개발하는 데 중요한 기준이 될 것입니다.

대규모 언어 모델은 산술 연산에 취약하여 단 하나의 수치적 오류가 권고 사항을 변경하는 임상 계산기에서 신뢰성이 떨어진다는 문제가 제기되었습니다. 이에 따라 각 계산기를 개별적으로 검증된 함수로 하드코딩하는 것이 표준적인 해결책으로 여겨져 왔습니다.

연구진은 모델이 직접 계산하지 않고 대신 특정 사례에 맞는 파이썬 코드를 작성하여 제한된 로컬 실행기(local executor)가 결정론적 솔버로 실행하도록 하는 대안을 테스트했습니다. 이 프로그램-솔브(Program-Solve) 인터페이스는 모델이 계산 대신 솔버를 어떻게 사용할지 결정하는 방식으로 작동합니다.

이 인터페이스를 MedCalc-Bench Verified 데이터셋(1,100개 사례, 55개 계산기)에 적용하여 Qwen2.5-7B와 Qwen2.5-32B-AWQ 모델을 평가했습니다. 결과적으로, 이 방법은 모델의 크기에 따라 효과가 달랐는데, 7B 모델에서는 직접적인 모델 산술보다 신뢰성이 높지 않았으나 32B 모델에서는 직접 모델 산술보다 더 높은 정확도를 보였습니다.

또한, 수작업으로 작성된 라이브러리는 지원하는 440개 사례에서는 정확했지만 나머지 사례에서는 누락되었고, 실행기를 추가하는 것은 검증된 공식이나 신뢰할 수 있는 변수 추출을 대체할 수 없다는 점을 확인했습니다. 따라서 실행기는 일부 오픈 웨이트 모델에 도움이 되지만, 공식이나 변수 추출의 신뢰성을 보장하지는 않습니다.

LLM 에이전트가 새로운 환경에서 작업을 수행하기 전에 교과서 없이 환경을 학습하고 준비할 수 있는지에 대한 연구 결과를 제시합니다. 연구진은 에이전트가 테스트 시점 전에, 그리고 다운스트림 작업 분포에 대한 지식 없이 낯선 환경을 어떻게 준비할지 선택할 수 있는지에 초점을 맞추어 작업 불가지론적 환경 전처리(task-agnostic environment preprocessing)를 정식화했습니다.

이 연구는 학습 시스템이 예산 내에서 환경을 탐색하고 고정된 솔버를 위한 결과물(artifacts)을 생성하는 방식으로 진행됩니다. 연구진은 작업 불가지론적 환경 전처리를 비교하기 위해 여섯 가지 이질적인 벤치마크에서 비지도(unaided) 및 아카이브 장비가 갖춰진 메타-에이전트와 고정된 합성 연습(synthetic-practice) 및 코퍼스 처리(corpus-processing) 방법들을 비교했습니다.

그 결과, 특정 메타-에이전트 변형이 다섯 가지 벤치마크에서 가장 높은 평균@3 보상을 달성했지만, 가장 큰 코퍼스 벤치마크에서는 고정된 코퍼스 처리가 여전히 우수했습니다. 또한, 더 큰 학습 예산이 다운스트림 보상을 확실하게 향상시키지는 않는다는 점도 확인되었습니다. 하지만 학습된 결과물은 테스트 시점에 도달하는 데 필요한 샘플링 횟수를 줄여주어, 반복적인 테스트 시도에서 계산을 작업 전 연구 단계로 전환할 수 있음을 보여줍니다.

GUI 에이전트가 궤적을 따라 진행하면서 고해상도 스크린샷을 축적하여 추론 지연 시간과 메모리 사용량을 증가시키는 문제를 해결하기 위한 새로운 프레임워크를 제안합니다. 훈련 없이 시각 토큰 가지치기(visual token pruning)를 통해 비용을 줄일 수 있지만, 토큰이 버려지면 재인코딩 없이는 해당 시각 증거를 복구할 수 없다는 근본적인 제약이 존재합니다. 따라서 가지치기는 불확실한 미래 목표에 유용성을 유지하면서도 제한된 예산 내에서 작동 가능한 영역의 커버리지를 보존해야 하는 결정이 됩니다.

이러한 도전 과제를 해결하기 위해 본 연구는 궤적에 강인한 승인 및 커버리지 인식 증거 순서화(Trajectory-robust Admission and Coverage-aware Evidence ordering)를 위한 훈련 없는 프레임워크를 제안합니다. 구체적으로, 쿼리 독립적인 레이아웃 기반 상호작용 사전 정보와 지침 관련성 및 특징의 참신성을 결합하여 시각 증거를 잠재적 미래 유용성과 다양성에 따라 순위를 매깁니다. 또한, 화면 전체에 분산된 네이티브 시각 토큰에 예산을 할당하여 순서를 해치지 않으면서 누락된 공간 커버리지를 복구합니다.

이러한 메커니즘을 통해 유지된 시각 증거는 예산에 따라 단조롭게 축소되면서 궤적 전체에 걸쳐 재사용 가능하게 됩니다. 나아가, 모노톤 KV 수축(monotone KV contraction)을 사용하여 은퇴된 프레임을 압축된 세션 상태로 점진적으로 축소함으로써 반복적인 시각 인코딩이나 가지치기를 피합니다. 본 연구는 여섯 가지 GUI 벤치마크와 다양한 모델에 걸쳐 광범위한 실험을 수행하여 제한된 예산 하에서 제안된 방법의 효과를 입증했습니다.

멀티모달 엔티티 링크 시스템은 엔티티 언급을 지식 기반 항목에 연결하는 기술이지만, 희귀한 엔티티에 대해서는 성능이 저하되는 문제가 있습니다. 기존 연구들은 엔티티의 희소성을 페이지뷰와 같은 인기 기반 지표로 측정했지만, 연구진은 지식 그래프 구조 측정 지표를 활용하여 문서화 및 연결 상태를 포착함으로써 인기 지표가 놓치는 많은 희귀 엔티티를 식별할 수 있다고 제안합니다.

이러한 희귀 엔티티 슬라이스를 분석한 결과, 희소성에 대한 정의가 달라짐에 따라 최고 정확도가 15.4%에서 39.9%까지 떨어지는 것을 확인했습니다. 이를 해결하기 위해 연구진은 추론 능력을 갖춘 비전-언어 모델이 위키피디아에서 증거를 동적으로 수집하고 추론하는 간단한 프레임워크를 도입했습니다.

실험 결과, 추론과 검색은 상호 보완적이며, 추론만으로는 희귀 엔티티의 정확도를 크게 개선하지 못합니다. 반면, 추론 없이 검색만 수행하면 희귀 엔티티의 정확도는 향상되지만 전체 정확도는 저해될 수 있습니다. 따라서 두 방법을 결합했을 때 가장 좋은 성능을 보였습니다.

다국어 멀티모달 엔티티 링크 벤치마크인 MERLIN에서, 연구진의 시스템은 전체 성능에서 기존 최고 수준보다 6.9% 향상되었으며 희귀 엔티티 슬라이스에서는 최대 23.3%의 성능 향상을 달성했습니다. 연구진은 이 프레임워크를 적용한 희귀 엔티티 테스트 슬라이스인 MERLIN-Rare를 공개하여 타겟 평가를 제공합니다.

추론 언어 모델은 다양한 복잡한 작업에서 상당한 발전을 이루었지만, 모델의 능력은 여전히 영어 중심적입니다. 모델들은 프롬프트 언어와 관계없이 주로 영어로 추론하기 때문에 비영어권 사용자에게는 접근성이 제한되며, 목표 언어로 더 잘 표현되는 지식을 놓칠 수 있습니다.

본 연구는 사용자 프롬프트 언어로 일관되게 추론하는 능력인 L2 추론을 발전시켜 프롬프트와 답변 사이에 언어적 다리를 구축하는 것을 목표로 합니다. 이를 위해 추론 일반화를 위한 SFT(지도 미세 조정) 과정에서 데이터 구성과 스케줄링을 최적화하는 데이터 중심 접근 방식을 사용했습니다.

33억 5천만 규모의 Tiny Aya L2-Thinker 모델을 구축하여 수학, 상식 추론, 지시 따르기, 개방형 생성, 문화 추론 등 6가지 벤치마크에서 60개 언어에 걸쳐 93% 이상의 L2 추론 비율을 달성했습니다. 이러한 결과는 추론이 언어에 구애받지 않는 행동이며, 신중한 데이터 혼합을 통해 다양한 언어로 전이될 수 있음을 시사합니다.

연구진은 추론을 일반화하기 위해서는 더 넓은 언어 범위, 쉽게 이용 가능한 다국어 비추론 데이터, 그리고 충분한 영어 추론 백본이 필요함을 보여줍니다. 따라서 모든 목표 언어에서 추론 감독을 요구하지 않고도 데이터 혼합을 통해 언어에 구애받지 않는 추론이 가능함을 입증했습니다.

언어 모델을 대중교통 키오스크의 정책 레이어로 평가하는 955개의 사례를 담은 MetroLLM-Bench 벤치마크가 공개되었습니다. 이 벤치마크는 37개에서 414개 역을 포함하는 여섯 개의 실제 지하철 시스템을 다루며, 경로 설정, 요금 계산, 운행 중단, 접근성, 적대적 입력 등 총 열한 가지 범주를 포함합니다. 모델은 각 사례에서 구조화된 도구를 호출하고 결과, 적용 가능한 티켓 요금, 키오스크 행동을 포함하는 기계 판독 가능한 최종 상태를 제출해야 합니다.

평가 기준은 14개의 결정론적 점수를 포함하는 Tier 1과 8개의 의미 품질 점수를 포함하는 Tier 2로 구성되며, 이 중 여섯 가지는 언어 모델 심사관을 사용합니다. 75/25로 분할된 데이터는 훈련 데이터 생성에 717건, 홀드아웃 평가에 238건을 할당하여 모델의 일반화 능력을 검증합니다. 4B Qwen 3.5 모델은 파라미터 효율적 미세 조정(PEFT)을 통해 훈련되었을 때 Tier 1에서 GPT-5.6 및 GPT-5.4와 동등하거나 능가하는 성능을 보였습니다.

결과적으로 결정론적 규칙 기반 기준선은 Tier 1에서 84.6점을 달성했으며, 언어 모델의 이점은 정책 적응, 복합 시나리오, 접근성, 시간 추론 영역에 집중되어 있습니다. 4B 모델은 2.6 GB의 메모리 사용량을 가지며, 더 큰 모델인 9B나 27B 모델은 이 훈련 규모에서 Tier 1 성능 향상을 제공하지 못했습니다. Muse Glimmer 30B가 종합 순위에서 선두를 차지했으며, 벤치마크와 파인튜닝된 모델들은 GitHub에서 공개되었습니다.

NCP-ArchPreview는 표준 다음 토큰 예측(NTP)을 넘어 잠재 공간 언어 모델을 발전시키는 새로운 방식인 다음 개념 예측(NCP)을 도입한 모델입니다. 이 모델은 여러 토큰에 걸친 이산적인 개념을 예측함으로써 명시적이고 더 도전적인 개념 수준의 목표를 제시하면서도 표준 토큰 수준의 자기회귀 생성 능력을 유지합니다. NCP-ArchPreview는 은닉 상태에서 직접 제품 양자화된 개념 어휘를 구성하여 잠재 공간을 구축하고 전용 개념 모듈을 통해 미래 개념을 예측합니다.

이 아키텍처는 89억 개의 파라미터로 확장되었으며 Dolma-3 데이터셋의 5조 7300억 토큰으로 학습되어 현재까지 가장 큰 잠재 공간 언어 모델 시연을 달성했습니다. 놀랍게도 전체 학습 토큰의 51.3%만을 사용하여 이 목표를 달성했으며, 표준 계산의 85%만을 소비함으로써 엄격하게 파라미터 정렬된 89억 파라미터 기준 모델의 학습 손실에 근접합니다.

사전 학습 후에도 학습된 잠재 공간은 매우 유용하며, 17백만 파라미터의 VQ 모듈만 업데이트해도 도메인 적응을 위한 새롭고 경량의 인터페이스를 제공합니다. 또한, 개념 표현을 DFlash2 드래프터에 간단히 주입하는 것만으로도 평균 수용 길이를 4.17% 개선하면서 무시할 만한 오버헤드를 보입니다.

모델의 후처리 및 테스트 시간 추론 설계가 난해한 올림피아드 수학에 대한 자연어 증명 생성에 미치는 영향을 연구했습니다. 연구팀은 Nemotron 3 Ultra를 기반으로 지도 미세 조정(SFT)과 강화 학습(RL)을 사용하여 두 개의 전문가 체크포인트를 훈련하고, 체크포인트 선택, 검증, 개선 과정을 평가했습니다.

이러한 연구 결과를 바탕으로 공식적인 증명기, 외부 도구, 인터넷 접근 없이 순수 자연어 환경에서 작동하는 오픈 모델 테스트 시간 컴퓨팅 파이프라인을 제시합니다. 이 시스템은 일반 사용 모델과 두 전문가 체크포인트로 구성된 세 개의 Nemotron 3 Ultra 체크포인트를 활용하여 후보 증명을 생성, 검증, 개선하는 반복 검색을 수행합니다.

최종적으로 고성능 컴퓨팅 단계가 각 최종 제출물을 선택하며, 이 시스템은 IMO 2026에서 42점 만점에 30점을 획득하여 금메달 기준을 달성했습니다. 연구팀은 훈련 데이터, 코드, 제출 솔루션과 함께 새로운 200개의 올림피아드 수준 문제로 구성된 벤치마크인 Nemotron-IMO-Bench를 공개합니다.

ArcadeDB를 위한 Python 및 TypeScript 네이티브 드라이버가 HTTP와 gRPC를 통해 공개되어 개발자들에게 제공됩니다. 이 새로운 드라이버들은 ArcadeDB가 공개하는 계약(contracts)을 기반으로 생성되었으며, HTTP 및 gRPC라는 두 가지 통신 방식을 지원하여 사용자가 애플리케이션 요구사항에 따라 최적의 트랜스포트를 선택할 수 있게 합니다.

개발자는 HTTP 드라이버를 사용하여 프록시나 게이트웨이와 같은 기존 인프라를 재사용하거나 일반적인 요청/응답 트래픽을 처리할 수 있습니다. 반면, gRPC 드라이버는 처리량에 민감한 서버 간 통신이나 양방향 스트리밍이 필요한 경우에 적합합니다. 예를 들어, 서버리스 함수 환경이나 대용량 결과 스트리밍 시 gRPC를 사용하는 것이 효율적입니다.

현재 드라이버는 Python과 TypeScript/JavaScript 언어를 지원하며 0.1.0 버전으로 공개되었고, ArcadeDB 서버 26.9.1을 대상으로 합니다. 이 드라이버들은 CI를 통해 관리되며, 보안을 위해 모든 릴리스는 인간이 트리거한 워크플로우를 통해 이루어집니다. 향후 더 많은 언어를 지원할 계획이며, 드라이버의 API는 지속적으로 개발될 예정입니다.

비침습적 음성 디코딩은 신경 기록의 낮은 신호 대 잡음비로 인해 음소나 개별 단어를 세밀하게 재구성하는 데 제약이 있습니다. 연구진은 고차원적인 의미론적 표현이 피질 영역에 걸쳐 분포하며 느린 시간 척도로 진화한다는 신경과학적 증거를 바탕으로, 의미론적 내용이 저수준 음향 또는 어휘 특징보다 비침습적 디코딩에 더 적합한 목표가 될 수 있다고 가정했습니다.

이러한 가설을 바탕으로 연구팀은 중간 의미론적 임베딩 공간을 통해 텍스트를 재구성하는 방법인 Brain2Semantics2Text를 제안했습니다. 이 모델은 문장 수준의 MEG 반응을 의미론적 다양체(semantic manifold)로 매핑한 다음, 예측된 임베딩을 자연어로 역변환하여 텍스트를 복원합니다.

이러한 의미론적 병목 현상은 단어 수준 정렬 없이도 고차원적인 의미를 복구할 수 있게 해줍니다. 연구는 이 접근 방식의 핵심 원리, 구현 방법, 그리고 신뢰할 수 있는 신경-의미론 매핑 학습의 어려움을 완화하기 위한 전략들을 설명합니다. 최종적으로 이전의 비침습적 Brain2Text 방법들과 비교하여 문장 수준에서 향상된 결과를 입증했습니다.

최근 연구는 모델 출력에 의존하는 기존의 편향 감사 방법이 내부적인 표현 변화를 놓칠 수 있다는 문제점을 지적하며, 은닉 상태 표현(hidden-state representations)을 통한 참조 기반 편향 감지 방법을 제안합니다. 이 방법은 파인튜닝 전후와 같이 관련 모델 변이 간의 은닉 상태 표현에서 편향을 감사하여 모델 내부의 변화를 포착하는 것을 목표로 합니다.

파인튜닝 과정에서 표현 기하학이 재형성되기 때문에 절대적인 은닉 상태는 직접 비교하기 어렵습니다. 따라서 각 문장을 고정된 앵커 문장 세트와의 유사도를 통해 인코딩하여 공유 비교 공간에서 상대적인 표현을 얻습니다. 이를 통해 목표 그룹이 긍정 및 부정 속성과 맺는 연관성이 어떻게 변화하는지를 측정하는 표현 편향 변화량(Representational Bias Shift, $\Delta B$)을 정의합니다.

연구진은 세 가지 모델 패밀리와 WildGuardMix, DecodingTrust, ToxiGen 벤치마크에서 $\Delta B$가 출력 수준의 편향 변화와 강한 상관관계($|r|=0.84$, $p<0.001$)를 보임을 확인했습니다. 또한 $\Delta B$를 임계값 처리하여 ROC AUC가 0.65에서 0.99 사이인 체크포인트를 탐지할 수 있으며, 이는 SEAT 기반 기준선보다 세 패밀리 모두에서 더 나은 성능을 보입니다.

이 방법은 작업별 평가 데이터가 필요 없으며 모델을 약 3분 만에 감사할 수 있고, 출력 기반 벤치마크보다 3~50배 적은 컴퓨팅 자원을 사용합니다. 이 방법은 출력 기반 감사 방법의 대체재가 아닌 보완재로 간주되며, 앵커 세트나 속성 세트 변경에도 $\Delta B$가 안정적으로 유지된다는 장점을 가집니다.

거대 언어 모델(LLM)은 추론 및 코드 생성에서 뛰어난 능력을 보여주며, 스스로 작동하는 인프라를 개발하고 최적화하는 데 기여할 수 있다는 가능성을 제시합니다. 하지만 현재 존재하는 벤치마크들은 주로 개별 커널, 사전 정의된 연산자, 또는 미리 지정된 최적화 목표에 초점을 맞추고 있어, LLM이 장기적이고 개방적인 LLM 인프라 엔지니어링을 수행하는 능력을 평가하지 못하는 한계가 있습니다.

이러한 격차를 해소하기 위해 본 연구는 LLM이 LLM 인프라 스택을 엔지니어링하는 능력을 체계적으로 평가하기 위한 벤치마크인 Φ-Bench를 제시합니다. Φ-Bench는 최전선 연구에서 연구된 최적화 문제에서 파생되었으며 실제 코드 저장소에 기반하여 LLM 인프라 스택 전반을 광범위하게 다룹니다.

이 벤치마크는 국소적인 커널 수준 함수 완성부터 장기적인 구현 및 엔드투엔드 시스템 최적화에 이르는 다양한 복잡성의 작업을 포괄합니다. 최전선 LLM에 대한 광범위한 실험 결과는 복잡한 LLM 인프라를 엔지니어링하는 LLM의 현재 능력과 한계를 보여주며, 미래 AI 인프라의 자율적인 최적화를 향한 과제를 통찰해 줍니다.

기존의 감정 지원 대화 시스템은 주로 일대일 구도와 개인의 감정 상태에 초점을 맞추고 있어 다자간 관계 상황에서의 상호작용을 충분히 탐구하지 못하고 있습니다. 이 연구는 LLM이 관계의 변화하는 역동성을 포착하고 이를 활용하여 보다 효과적인 감정 지원을 제공할 수 있는지 평가하는 새로운 과제인 관계 인식 감정 지원 대화(relation-aware emotional support conversation)를 소개합니다.

연구진은 실제 커플 및 가족 인터뷰 대화에서 구축된 RESCUE(관계 인식 감정 지원 대화 이해 및 평가 벤치마크)를 사용합니다. 이 벤치마크는 사회정서적 및 지원 관련 역동성에 대한 풍부한 주석을 바탕으로 관계 인식 지원에 필요한 두 가지 핵심 능력인 관계 이해(Relational Understanding)와 관계 민감 지원(Relation-Sensitive Support)을 평가하는 여섯 가지 과제를 정의합니다.

열 가지 LLM을 대상으로 한 실험 결과, 현재 모델들은 국지적인 감정이나 개입 신호에 의존하는 과제에서는 비교적 좋은 성능을 보였으나, 관계 패턴 예측, 관점 예측, 지원 전략 예측과 같은 관계 집약적 과제에서는 어려움을 겪는 것으로 나타났습니다. 이러한 발견은 현재 LLM이 대인 관계를 모델링하고 관계에 민감한 지원 결정을 내리는 데 있어 근본적인 한계를 가지고 있음을 시사합니다.

최근 비디오 월드 모델은 현실적이고 상호작용적인 시각 경험을 생성하지만, 장시간 상호작용에서 지속적인 세계 상태를 유지하고 프로그래밍 가능한 규칙을 적용하는 신뢰할 만한 메커니즘이 부족합니다. 이에 연구진은 세계 상태의 진화와 시각 관측 생성 과정을 분리하는 프레임워크인 프로그래밍 가능한 월드 모델(Programmable World Model)을 제안합니다.

이 모델은 에이전트가 자연어 지시를 실행 가능한 프로그램으로 변환하여 개별 엔티티와 상호작용에 대한 상태 및 상태 전이 규칙을 명시하도록 합니다. 경량 엔진은 이러한 프로그램을 실행하여 화면 밖에 있는 엔티티와 비시각적 속성을 포함하는 명시적이고 지속적인 전역 세계 상태를 업데이트하고 유지합니다.

세계 상태와 시각 생성을 연결하기 위해 상태 증강 3차원 방향 경계 상자(OBBs)를 중간 표현으로 도입합니다. 이 표현과 목표 카메라 궤적은 사전 학습된 비디오 모델에 대한 공간-시간 조건화 신호로 결정론적으로 컴파일되어 생성 렌더러 역할을 수행합니다. 이 설계는 미리 정의된 메커니즘, 개별 엔티티에 대한 직접 제어, 그리고 게임 플레이 전반에 걸친 지속적인 세계 상태를 갖춘 플레이 가능한 게임을 만드는 것을 가능하게 합니다.

연구진은 프로그래밍 가능한 월드 모델을 평가하기 위한 벤치마크인 CombatStateBench를 도입했습니다. 이 벤치마크에서 해당 방법은 기존의 상호작용 비디오 월드 모델보다 월등히 뛰어난 94%의 카운트 정확도와 98%의 상태 정확도를 달성하며 일관성 있는 장기 생성도 지원합니다. 이는 명시적인 상태 진화와 생성 렌더링을 분리하는 것이 지속적이고 프로그래밍 가능한 세계를 구축하는 데 효과적임을 입증합니다.