읽을 가치가 있는 기사만, 짧고 또렷하게.

엔비디아의 논란이 되었던 DLSS 5 AI 렌더링이 공식적으로 구형 GPU에도 적용된다는 소식이 발표되었습니다. 엔비디아는 DLSS 5를 RTX 50 시리즈 GPU에서 먼저 출시할 계획을 유지하면서도, 이번에 RTX 40 시리즈 GPU에도 공식적으로 지원을 확대한다고 대변인 라잘 마하라즈가 확인했습니다.

이전에는 DLSS 5가 단일 게임에 한정되어 출시될 예정이었으며 개발자가 예술적 비전을 완전히 통제할 수 있도록 하는 것이 핵심이었습니다. 하지만 비공식적으로 모더들이 이미 누출된 DLSS 5 버전을 다양한 하드웨어에서 구동할 수 있도록 포팅하는 작업을 진행해 왔습니다.

엔비디아는 현재 RTX 50 시리즈의 성능 최적화에 중점을 두고 있으며, 구형 RTX 40 시리즈 GPU로의 확장은 성능과 접근성을 넓히기 위한 조치로 보입니다. 이는 DLSS 5 기술이 더 넓은 사용자층에게 적용될 수 있는 기회를 제공하며, 개발자와 사용자 모두에게 새로운 활용 방안을 제시할 것입니다.

AI 애플리케이션 경쟁은 단순히 사용자 인터페이스, 워크플로우, 시장 진입을 넘어 제품의 학습 방식과 성능을 결정하는 지능 계층의 소유권 경쟁으로 확대되고 있습니다. 이는 AI 기술의 경쟁 구도가 외적인 요소에서 내부적인 지능 구조의 통제권 확보로 이동하고 있음을 의미합니다.

Kimi K3나 GLM 5.2와 같은 오픈 웨이트 모델의 발전과 독립적인 사후 학습 기술이 함께 발전하면서 이러한 지능 계층의 소유권 경쟁이 가속화되고 있습니다. 개발자들은 이제 평가, 하네스, 온라인 학습 방식을 결합하여 특정 목표에 맞는 AI 모델을 구축하고 통제하는 데 집중해야 합니다.

이러한 기술 발전은 AI 제품의 성능과 학습 방식이 곧 경쟁 우위로 직결됨을 보여줍니다. 따라서 개발자들은 모델의 학습 과정과 평가 메커니즘을 직접 설계하고 통제하는 것이 미래 AI 경쟁에서 핵심적인 요소가 될 것입니다.

프로젝트 자나두(Project Xanadu)의 성공과 실패에 대한 회고는 디자인 반복, 의미 있는 사용 사례, 실용성의 부족이 가치 있는 비전을 유용하게 만들지 못했다는 점에 초점을 맞춥니다. 이 글은 하이퍼미디어 비전이 실제 구현 과정에서 겪었던 어려움과 제약 조건을 되돌아보며, 당시의 컴퓨팅 환경이 개발에 미친 영향을 분석합니다.

과거 개발자들은 하드웨어 제약 때문에 생산적인 개발이 어려웠으며, 예를 들어 자나두를 Smalltalk로 프로토타입한 후 C++로 컴파일하는 과정에서 일주일이라는 시간이 소요되기도 했습니다. 이는 당시의 컴퓨팅 자원과 저장 공간의 심각한 한계를 보여주며, 오늘날 LLM을 통해 몇 줄의 JavaScript로 비슷한 작업을 수행할 수 있는 환경과 극명한 대조를 이룹니다.

이러한 과거의 경험은 소프트웨어 시스템의 한계를 이해하는 데 도움을 주며, 현재의 디자인 접근 방식에 대한 통찰을 제공합니다. 특히, 많은 웹사이트들이 영어 위키피디아나 Gwern.net처럼 작동하기를 바라는 접근 방식에 대해, 저자는 LLM이 자동 요약 및 확장을 통해 인간 저자의 작업을 최소화하고 새로운 디자인 기회를 열어줄 수 있다고 주장합니다.

결론적으로, 과거의 제약 조건 속에서 이루어진 개발의 어려움을 기억하는 것은 현재의 기술적 한계를 이해하는 데 중요하며, 이는 우리가 추구하는 시스템의 실용성과 효율성에 대해 다시 생각하게 만듭니다.

소수의 초대형 투자사들이 전통적인 스타트업 투자를 넘어 막대한 자산과 정치적 영향력을 축적한 현상을 ‘Cancer Capital’로 규정하고, 이들을 단순한 금융회사가 아닌 정치·사회 권력으로 보아야 한다고 주장하고 있습니다. 이는 대규모 투자 주체들이 시장 내에서 갖는 영향력이 금융 영역을 넘어 사회적, 정치적 영역까지 확장되고 있음을 시사합니다.

이러한 변화는 규제 완화에 따라 벤처 캐피탈(VC)과 사모펀드(PE)가 결합하여 거대한 종합 투자사 형태로 등장하면서 가속화되었습니다. 이러한 종합 투자사들은 막대한 자본을 바탕으로 산업 및 정책 결정에 간접적인 영향을 미치며 전통적인 금융 시스템과는 다른 차원의 권력을 행사하고 있습니다.

따라서 투자 환경을 이해할 때, 단순히 재무적 성과뿐만 아니라 이러한 초대형 투자자들이 축적한 정치적, 사회적 영향력을 함께 고려해야 합니다. 이는 향후 기술 산업과 자본 흐름이 규제 및 정책 환경과 더욱 밀접하게 연결될 것임을 의미합니다.

컴파일러가 보안 검사를 무효화하여 안전해 보이는 코드에서 취약점을 생성할 수 있다는 내용이 제시되었습니다. 이는 개발자가 안전한 C 코드를 작성하고 모범 사례를 따랐음에도 불구하고 취약한 바이너리를 배포할 수 있는 근본적인 이유를 설명합니다.

이러한 문제는 CPU가 소스 코드가 아닌 컴파일러가 생성한 코드를 실행하기 때문에 발생하며, 컴파일러 최적화 과정에서 보안 보호 기능이 제거되거나 메모리 정리 작업이 삭제되는 방식으로 발생합니다. 크리스 도마스 보안 연구원은 C 추상 기계와 컴파일러가 코드를 극적으로 변형할 수 있는 이유를 설명하며, 레지스터 압력, 구조 레이아웃, 데이터 크기가 바이너리의 취약성에 어떻게 영향을 미치는지 구체적인 예를 제시합니다.

예를 들어, 인접한 데이터 크기에 따라 17바이트나 33바이트가 안전한 코드일 수 있지만, 주변 크기는 취약한 코드를 생성할 수 있다는 점이 강조되었습니다. 개발자는 이러한 상황에서 컴파일러 경고 활성화, Sanitizer 사용, 최적화된 빌드 분석, 그리고 배포될 정확한 바이너리 테스트를 통해 취약점을 식별하고 방어할 수 있습니다.

또한, Rust와 같은 다른 언어의 해결책이나 GCC와 Clang 간의 전환 문제, 그리고 AI가 5억 줄의 오픈소스 코드를 분석하여 잠재적으로 위험한 패턴을 식별하는 데 기여한 방식 등 관련 논의도 이루어졌습니다. 이는 개발자들이 컴파일러의 동작을 이해하고 최적화된 환경에서 보안을 확보하는 데 필요한 맥락을 제공합니다.

Antigravity의 약관에 따르면 이용 방식을 서드파티 사용으로 의심할 경우 Google 계정이 정지될 수 있다고 명시되어 있습니다. 이는 Antigravity 서비스 이용과 관련하여 서드파티 사용이 발생할 경우 Google 측에서 계정 정지 조치를 취할 수 있는 근거가 됩니다.

이러한 서드파티 사용 사례로 OpenClaw 이용이 거론되고 있으며, 이는 약관상 가능한 조치에 대한 내용입니다. 다만, 이 내용은 실제 약관 집행이나 계정 정지 사례를 다루는 것이 아니라, 약관에 명시된 조항과 그에 따른 잠재적인 조치 가능성을 설명하는 데 중점을 두고 있습니다.

따라서 이 정보는 실제 계정 정지 사례를 의미하기보다는, 서비스 이용 시 서드파티 사용에 대한 약관상의 책임과 잠재적인 위험을 이해하는 데 필요한 맥락을 제공합니다. 사용자는 Antigravity 서비스 이용 시 서드파티 사용에 대한 정책을 숙지할 필요가 있습니다.

데이터 센터 개발업체인 Crusoe가 300억 달러의 기업 가치로 30억 달러 규모의 신규 펀딩을 완료했다고 보도되었습니다. 이는 이 회사가 최근 양자 거래 회사인 Jane Street와 GPU 및 AI 인프라 공급을 위해 130억 달러 규모의 5년 클라우드 계약을 확보했기 때문입니다.

Crusoe는 Meta, Microsoft, OpenAI를 주요 고객으로 두고 있으며, Oracle과 OpenAI와 같은 고객을 위해 하이퍼스케일 데이터 센터 캠퍼스를 개발하는 AI 인프라 및 클라우드 제공업체로 자리매김했습니다. 이 펀딩은 아부다비 국부 펀드 Mubadala Capital 등 여러 투자자들이 참여했으며, Atreides Management와 Valor Equity Partners가 공동 주도했습니다.

이 자금 조달은 지난 10월에 100억 달러 가치로 13억 8천만 달러 규모의 라운드 이후 이루어졌으며, 회사는 현재 골드만삭스나 모건스탠리와 같은 투자 은행들과 잠재적인 단기 IPO에 대해 논의하고 있습니다. 이는 AI 시대의 지속 가능한 인프라 구축에 대한 투자자들의 관심을 반영하며, 데이터 센터 인프라의 중요성이 더욱 부각되고 있음을 시사합니다.

IFM이 0.9B부터 375B-A23B에 이르는 총 6개의 AI 모델 제품군을 공개하며 학습 전 과정을 투명하게 공개했습니다. 이 모델들은 웨어러블 기기, 스마트폰, 로컬 워크스테이션, 그리고 기업 서버에 이르기까지 하나의 제품군으로 연결하여 광범위한 기기에서 AI를 활용할 수 있도록 확장합니다.

이번 공개의 핵심은 최종 가중치만을 제공하는 것이 아니라 모델 학습에 필요한 모든 상세 정보에 접근할 수 있게 했다는 점입니다. 개발자들은 학습 데이터, 구축 방법, 코드, 설정, 중간 체크포인트, 로그 및 평가 결과까지 모두 제공받아 모델을 이해하고 재현할 수 있습니다.

이는 단순히 모델을 사용하는 것을 넘어 AI 개발의 전체 라이프사이클을 통합적으로 제공하여 개발자들이 모델을 실험하고 커스터마이징하는 데 필요한 투명성과 재현성을 극대화합니다. 개발자들은 이러한 상세 정보를 통해 특정 환경에 최적화된 모델을 구축하고 배포하는 데 큰 도움을 받을 수 있습니다.

엔비디아(Nvidia)가 Hugging Face를 약 129억 달러에 인수하기로 공식 합의하며 인공지능 플랫폼 분야로 사업 영역을 확장합니다. 이 거래는 GPU 중심의 엔비디아가 AI 생태계의 핵심 인프라 플랫폼을 확보하려는 전략적 움직임으로 해석됩니다.

이번 인수를 통해 Hugging Face는 전체 AI 생태계를 위한 개방형 플랫폼으로서의 지위를 유지하게 됩니다. 이는 엔비디아의 컴퓨팅 자원을 사용하지 않더라도 개발자들이 모델과 서비스를 자유롭게 활용할 수 있는 환경을 보장한다는 점에서 개발자들에게 중요한 의미를 가집니다.

Hugging Face는 오픈 소스 모델과 데이터 공유를 촉진하는 데 중점을 두고 있으며, 엔비디아와의 합병은 이러한 개방형 플랫폼의 접근성과 확장성을 더욱 강화할 것으로 기대됩니다. 따라서 개발자들은 향후 AI 모델 개발 및 배포에 있어 엔비디아의 기술력과 Hugging Face의 개방형 생태계가 어떻게 통합될지 주목해야 합니다.

CLIProxyAPI는 다양한 AI 구독 계정을 표준 API 형식으로 노출하는 프록시 시스템입니다. 이 시스템은 ChatGPT Codex, Claude Code, Gemini, Grok Build, Antigravity 등 여러 서비스의 OAuth 계정을 로컬 프록시에 연결하여 호환 가능한 API로 제공합니다.

이러한 접근 방식의 가장 큰 이점은 개발자들이 별도의 API 키를 발급받을 필요 없이 기존의 SDK, API 클라이언트, 그리고 코딩 에이전트를 사용하여 구독 계정의 모델을 호출할 수 있게 한다는 점입니다. 이는 AI 서비스 접근에 필요한 인증 절차를 단순화하고 통합하여 개발 환경을 간소화합니다.

결과적으로 개발자는 복잡한 API 키 관리 대신 프록시를 통해 통합된 방식으로 AI 모델에 접근할 수 있게 됩니다. 이는 AI 기반 애플리케이션을 구축하거나 코딩 에이전트를 활용하는 개발자들에게 구독 계정 활용의 진입 장벽을 낮추는 실질적인 해결책을 제공합니다.

테슬라가 오늘 텍사스 오스틴에서 미래의 자동차인 사이버캡을 공식적으로 공개하는 비공개 행사를 가졌습니다. 이는 인공지능, 자율 주행 차량, 휴머노이드 로봇에 회사의 미래를 걸어온 일론 머스크에게 엄청난 이정표가 됩니다.

이번 발표는 평소와 달리 매우 조용하게 진행되었는데, 라이브 스트리밍 없이 진행되었으며 X.com에서 테슬라 관련 계정들이 텍사스 내 테슬라 로보택시 수를 추적하는 웹페이지를 스트리밍했습니다. 이는 지난번 로보택시 출시 때와 마찬가지로 비판을 최소화하기 위해 초대 명단이 주로 테슬라 지지 인플루언서들로 구성되었기 때문입니다.

참석자 중 한 명인 척 쿡(Chuck Cook)은 이러한 방식으로 새로운 제품에 대한 잠재적인 비판을 완화하려는 의도를 시사했습니다. 이처럼 공개적인 이벤트가 아닌 폐쇄적인 방식으로 발표를 진행한 것은 테슬라의 자율 주행 및 로봇 기술에 대한 대중의 반응과 시장의 평가를 관리하려는 전략으로 해석됩니다.

브라우저 성능의 핵심은 메인 스레드를 어떻게 사용하는가에 달려 있습니다. 프론트엔드에서 발생하는 성능 문제는 단순히 코드가 느려서 발생하는 것이 아니라, JavaScript 실행, 렌더링, 이벤트 처리가 메인 스레드를 장시간 점유하기 때문에 주로 발생합니다.

이러한 현상은 사용자 경험 저하로 이어지며, 개발자는 코드가 느리다는 이유만으로 성능 문제를 해결하기보다 메인 스레드 점유 시간을 줄이는 데 집중해야 합니다. 메인 스레드가 블로킹되면 브라우저의 반응성이 떨어지고 전체적인 프론트엔드 성능이 저하됩니다.

따라서 성능 개선을 위해서는 JavaScript나 렌더링 작업이 메인 스레드를 과도하게 점유하지 않도록 관리하는 것이 중요합니다. 해결책은 이러한 작업들을 메인 스레드 내에서 효율적으로 처리하고, 백그라운드 작업으로 분리하여 실행하는 방식으로 접근해야 합니다.

Git 호환 버전 관리 시스템인 Jujutsu 0.45.0에 커밋을 결합하고 자동 해소하는 새로운 명령어 jj converge가 추가되었습니다. 이 명령어는 분기된 커밋들을 결합하여 자동으로 해소하는 기능을 제공합니다.

jj converge는 휴리스틱(heuristic) 방식을 사용하여 대체 커밋을 생성합니다. 이 과정에서 결과가 확정되지 않을 경우 사용자에게 확인을 요청하거나 비대화형 모드에서 작업을 중단할 수 있는 안전장치가 마련되어 있습니다.

이는 개발자들이 복잡한 커밋 히스토리를 관리하고 병합하는 작업을 더 효율적이고 안전하게 수행할 수 있도록 돕습니다. 사용자는 자동 해소 과정의 결과를 신중하게 검토하여 최종 커밋을 확정할 수 있습니다.

에이전트의 경험을 확장하기 위해서는 재사용 가능한 기술을 확보하는 것이 필수적이지만, 기존 방법들은 환경과의 상호작용을 요구하거나 실행 가능한 증거 및 검증이 부족하다는 한계를 가지고 있습니다. 따라서 에이전트가 사전 경험을 축적하기 전에 유용한 절차적 지식을 제공할 수 있는 보완적인 경로로 소스 코드를 활용하는 접근 방식이 제시되었습니다.

본 논문은 선택된 코드 단위를 구현 기반 기록으로 변환하고 이를 소스-바디-블라인드 재구성 및 소스 인식 비교를 통해 검증하는 완전 자동화 파이프라인인 Code2Skill을 소개합니다. 이 방법은 19,769개의 인기 있는 GitHub 저장소에 적용되어 워크플로우, 경계, 출처, 소스 증거 메타데이터를 포함하는 1,006,822개의 승인된 기록으로 구성된 CodeSkillBank를 생성했습니다.

CodeSkillBank를 활용하여 강화된 모델은 72개의 평가에서 평균 11.7% 향상되었으며 57가지 사례에서 기준 모델을 능가했습니다. 특히 Code2Skill은 궤적 기반 기술 뱅크보다 모든 공유 벤치마크에서 더 우수한 성능을 보이며, 저장소에서 파생된 기술이 에이전트가 충분한 상호작용 경험을 쌓기 전에 유용한 절차적 지식을 제공할 수 있음을 입증했습니다.

또한, 테스트된 AI 생성 코드를 통해 합성된 기술은 인간이 작성한 코드의 93.00%와 비교하여 93.50%의 통과율을 달성했는데, 이는 Code2Skill 파이프라인이 증가하는 AI 생성 소프트웨어 볼륨에 맞춰 확장될 수 있는 초기 증거를 제공합니다. 결과적으로 Code2Skill은 저장소에 내재된 절차적 지식을 검증 가능하고 전이 가능한 에이전트 기술로 변환합니다.

Srijika는 데바나가리, 타밀, 벵골어, 텔루구, 칸나다, 말라얄람어, 구자라트어, 구르무키어, 오디아 등 아홉 가지 브라미스크 문자에 대한 설치 가능한 OpenType 폰트를 생성하는 시스템입니다. 이 시스템은 처음부터 폰트를 생성하는 대신, 이미 형태가 완성된 템플릿 폰트의 글리프 윤곽을 재스타일링하여 폰트를 만듭니다. Srijika는 문서화된 측정 정책에 따라 템플릿의 cmap 및 GSUB 폐쇄와 GPOS 데이터를 보존함으로써 모든 결과물이 구조적으로 완전한 폰트가 되도록 보장합니다.

이는 인도어 폰트 생성의 핵심 과제인 수백에서 수천 개의 종성, 반형, 매트라 변형이 OpenType 형태 변환 하에서 상호 일관성을 유지해야 하는 문제를 해결합니다. Srijika는 총 66개의 TTF 파일을 생성하며, 57개의 큐레이션된 프리셋과 아홉 개의 오픈 보캐뷸러리 쇼케이스 폰트를 제공합니다. 또한, 이 결과물들은 OpenType Sanitizer를 통과하며 HarfBuzz와 CoreText가 종성 중심의 테스트에서 템플릿 글리프-ID 시퀀스를 재현할 수 있음을 입증했습니다.

연구진은 80,915개의 글리프와 54,812개의 앵커를 포괄하는 전체 폐쇄 감사(full-closure audit)를 통해 측정 변화를 정량화했습니다. 스타일 선택에는 약 650개의 오픈 라이선스 폰트 패밀리에 대한 검색 인덱스인 Lipika를 사용하며, 참조 조건부 잠재 확산 모델(reference-conditioned latent diffusion model)을 통해 템플릿 글리프를 선택된 스타일로 다시 그립니다.

다만, 스타일 이동은 훈련 코퍼스에 보유된 패밀리를 포함하는 내부 동일 모델 임베딩에 의해서만 측정되므로 결과에 신중해야 합니다. 또한, 학습된 기준선, 독립적인 스타일 측정 지표, 그리고 인간 연구는 본 보고서의 범위 밖에 있습니다. 연구의 주요 기여는 레이아웃 재사용 공식화 및 파이프라인, 아홉 스크립트에 대한 감사 및 벤치마크, 그리고 참조 안내 재스타일링의 실패 조건, 목표 선택, 데이터 경계에 대한 부정 결과 목록입니다.

코워크 에이전트는 정보 수집, 도구 사용, 코딩, 파일 조작을 여러 모델 호출에 걸쳐 결합하는 복잡한 워크플로우를 실행합니다. 이러한 에이전트의 실질적인 가치는 최고 성능뿐만 아니라 그 능력이 얼마나 효율적으로 전달되는지에 따라 비용과 지연 시간이 누적되기 때문에 결정됩니다. 많은 일상 업무 단계는 최전선 수준의 추론보다는 상태 추적, 조정, 복구, 후속 조치에 중점을 둡니다.

이에 연구진은 추가 훈련을 통해 얻은 비용 효율적인 코워크 모델인 Occamy-1.0을 발표했습니다. 이 모델은 사전 훈련된 Qwen3.6-35B-A3B 체크포인트를 기반으로 구축되었으며, 실행 기반 데이터와 환경, 여러 하네스에 걸친 재현 가능한 장기 궤적을 포착하고 단계별 후훈련을 사용하여 보완적인 실행 능력을 개발했습니다.

Occamy-1.0은 광범위한 코워크 벤치마크에서 가장 강력한 동급 모델 중 하나이며, 일부 작업에서는 훨씬 더 큰 최전선 시스템과 경쟁할 수 있습니다. 평가 프로토콜에 따르면 이 모델은 관찰된 비용-성능 파레토 전선의 낮은 비용 지점에 위치합니다. 도구 호출, 코딩, 지시 사항 따르기에 대한 지원 평가를 통해 이러한 특화가 광범위한 에이전트 능력을 보존함을 보여줍니다.

연구진은 실용적인 코워크 에이전트와 에이전트 후훈련에 대한 연구를 지원하기 위해 모델 가중치와 훈련 데이터의 일부를 공개했습니다.

RenderFormer-V2는 현대 물리 기반 렌더링 시스템을 보완하는 통합 학습 기반 트랜스포머 신경 렌더링 모델로, 장면별 학습이나 특수 코딩 없이도 역광, 체적 산란, 환경 조명, 질감 및 변위된 표면, 그리고 분포 외 재질까지 다양한 광선 전달 효과를 처리할 수 있습니다. 이 모델은 전역 광선 전달을 시퀀스-투-시퀀스 변환으로 모델링합니다.

RenderFormer-V2는 이전 모델과 마찬가지로 두 단계 프로세스를 사용하는데, 장면 독립적인 단계에서는 장면 내 기본 요소 간의 전달을 해결하고, 이후 시점 의존적인 단계에서 내부 신경 장면 표현을 이미지 픽셀로 변환합니다. 특히 장면 독립적인 단계에서는 렌더 정확도를 유지하면서 확장성을 개선하기 위해 새로운 윈도우드 어텐션과 렌더링 정보 기반 어텐션 싱크를 결합하여 사용합니다.

또한 이 모델은 환경 맵과 참여 매질을 포함하는 이질적인 장면 기본 요소를 지원하며, 기반 표면 반사 모델에 독립적인 새로운 신경 임베딩을 통해 재질 외관을 인코딩합니다. 이러한 개선된 어텐션 메커니즘에 대한 광범위한 절제 분석을 통해 RenderFormer-V2의 다재다능함을 입증했습니다.

인스트럭션 기반 3D 편집은 상호작용 콘텐츠 제작에 필수적이지만 고품질의 쌍별 학습 데이터 부족이라는 심각한 병목 현상을 겪고 있습니다. 기존 접근 방식들은 느린 테스트 시간 최적화나 복잡한 파이프라인을 통해 생성된 가짜 쌍을 학습에 사용하는데, 이는 종종 구조적 표류와 기하학적 인공물(artifacts)을 발생시킵니다.

본 논문은 쌍별 3D 감독 없이도 피드포워드 3D 편집을 학습하기 위해 생성적 우선 분별(Generative Prior Distillation)이라는 새로운 프레임워크를 제안합니다. 핵심 아이디어는 실제 3D 쌍에 의존하는 대신, 강력한 기반 모델들로부터 시각, 의미, 기하학적 지식을 3D 편집 모델로 직접 추출하는 것입니다. 구체적으로, 미분 가능한 렌더링 파이프라인을 통해 주 편집 뷰의 이미지 편집 모델에서 얻은 2D 시각 사전 정보와 새로운 뷰에서의 시각-언어 모델에서 얻은 의미 사전 정보를 감독 신호로 사용하여 지침 준수와 원본 정체성 보존을 확보합니다.

특히 2D 투영 감독에서 발생하는 기하학적 붕괴와 다중 뷰 불일치를 해결하기 위해 3D 인식 분포 일치(3D-aware Distribution Matching) 정규화를 도입했습니다. 이 항은 기하학적 사전 정보 역할을 하며 3D 잠재 공간에서 작동하여 사전 학습된 이미지-3D 교사 모델이 정의한 현실적인 3D 에셋의 다양체 내에 편집된 출력이 머물도록 제약합니다.

광범위한 실험 결과, 이 방법은 최고 수준의 지침 충실도와 뷰 간 일관성을 달성하며, 기존의 최첨단 기준 모델들을 크게 능가하는 성능을 보였습니다. 이 연구는 3D 편집 분야에서 데이터 부족 문제를 우회하고 일관성을 높이는 데 중요한 기여를 합니다.

풀-듀플렉스 음성 언어 모델은 동시에 듣고 말할 수 있어 인간 대화에서 중단이나 백채널을 처리할 수 있습니다. 하지만 텍스트 생성, 음성 합성, 오디오 재생이 비동기적으로 진행되기 때문에 모델이 말했다고 인식하는 내용이 사용자에게 실제로 재생된 내용과 일치하지 않을 수 있습니다. 이러한 문제를 해결하기 위해 연구진은 중단 상황에서 모델의 실제 발화 내용을 인지하면서 복구하는 문제를 '앵커 중단(anchor interruption)'이라고 정의했습니다.

이 문제를 해결하기 위해 연구진은 사용자 음성, 모델 텍스트, 모델이 재생한 음성을 교차 배치하는 풀-듀플렉스 모델링 접근 방식인 '셀프 리스닝(Self-Listening)'을 제안했습니다. 셀프 리스닝은 실제 음성 출력을 모델에 입력 스트림으로 피드백하여 중단 복구를 사용자가 실제로 들은 내용에 기반하도록 합니다.

또한, 연구진은 구조화된 순서 응답 중 실제로 발화된 항목을 추적하기 위한 동질적인 훈련 및 테스트 분할을 가진 데이터셋인 '앵커스피치(AnchorSpeech)'를 소개했습니다. 앵커스피치-테스트는 중단 직전에 완료된 마지막 항목에 대해 모델이 일관되게 응답할 수 있는지 평가합니다. 실험 결과, 셀프 리스닝 메커니즘을 갖춘 모델은 풀-듀플렉스 기준 모델에 비해 더 나은 앵커링 성능을 달성하는 것으로 나타났습니다.

대규모 추론 모델(LRM)은 확장된 사고의 사슬(CoT) 생성을 통해 문제 해결 능력을 향상시키지만, 결과적으로 키-값(KV) 캐시가 시퀀스 길이에 선형적으로 증가하여 장거리 추론 시 GPU 용량을 초과하는 심각한 메모리 병목 현상을 발생시킵니다. 기존의 KV 캐시 압축 방법들은 미래 토큰 중요도를 추정하기 위해 최근 쿼리에 의존하는데, 이는 장기 추론에서 발생하는 특정 디코딩 단계가 이전의 광범위한 문맥을 다시 참조하는 사고 재방문 토큰(TRT)을 생성한다는 점을 간과합니다.

연구진은 이러한 TRT에 해당하는 쿼리들이 임베딩 공간에서 소수의 유사성 그룹으로 군집화된다는 것을 발견했습니다. 이 통찰을 바탕으로 전체 쿼리 기록을 저장하지 않으면서 어떤 KV 쌍이 재방문될지 예측하는 학습 불필요 압축 방법인 BeaconKV를 제안했습니다. BeaconKV는 비컨 쿼리와 각 글로벌 쿼리 클러스터의 압축된 대표값을 유지하여 메모리 효율성을 극대화합니다.

네 가지 오픈소스 LRM과 다양한 추론 벤치마크에서 BeaconKV는 기존 압축 방법들을 능가하는 성능을 보였습니다. 이 방법은 전체 캐시 정확도를 거의 유지하면서 메모리를 최대 5.8배까지 줄이고 처리량을 4.3배 이상 향상시켰습니다. 이는 장거리 추론 환경에서 메모리 효율성과 추론 속도를 동시에 개선하고자 하는 개발자들에게 중요한 시사점을 제공합니다.