읽을 가치가 있는 기사만, 짧고 또렷하게.

저자들은 저자 자원 환경에서 TTS를 배포할 때 비용이 많이 드는 음성 복제 모델이나 특정 화자 코퍼스가 필요한 고정 음성 시스템 중 어떤 것을 선택할지 고민하는 문제를 다루었습니다. 대신 이들은 대규모 음성 복제 모델을 프로그래밍 가능한 데이터 소스로 활용하여 짧은 음성 참조(예: 15초)를 합성 음성으로 변환하고, 이를 완전히 합성 음성으로 훈련된 소형 고정 음성 학생 모델로 만드는 새로운 접근 방식을 연구했습니다.

이러한 파이프라인 설계는 중요한 의미를 가지는데, 교사 모델의 오류가 훈련 목표가 되고 필터링에 실패한 생성물이 어려운 텍스트의 범위를 줄이는 데 사용될 수 있습니다. 특히 태국어는 모호한 단어 경계, 어휘적 톤, 이름 및 차용어, 수치 발화, 태국어-영어 코드 스위칭과 같은 고유한 어려움을 추가합니다. 연구는 텍스트 준비, 합성 생성, 품질 필터링, 거부 샘플링 및 프론트엔드 선택이 결과 학생 모델에 미치는 영향과 교사 모델의 한계를 어떻게 다루는지 평가했습니다.

연구 결과로 나온 8200만 매개변수 모델인 Wayu-Paxa-TTS-Edge는 참조 오디오 없이 온디바이스 태국어 TTS를 가능하게 합니다. 이 모델은 챌린지 세트 키워드 정확도 68.2%(Gemini 3.1의 85.5%)와 91.4%의 일시 정지 정밀도를 달성하며, 참조 음성인 OmniVoice(89.9%)보다 우수하고 Gemini 3.1의 94.8%에 도달했습니다. 또한 세 시스템 중 가장 낮은 일시 정지 배치 오류와 단어 내 일시 정지율을 달성했으며, 태국어와 영어에서 각각 3.7%와 1.1%의 CER을 기록했습니다.

연구팀은 태국어 TTS 개발을 위해 이 모델과 평가 프레임워크를 공개했습니다.

LLM 기반 에이전트는 도구, 재사용 가능한 기술, 전문 에이전트로 구성된 하네스(harness)를 통해 작동하며, 이 하네스는 새로운 기능이 추가됨에 따라 지속적으로 진화합니다. 본 연구는 이러한 하네스 진화를 평가하기 위해 세 가지 축(도구, 기술, 에이전트)에 걸쳐 에이전트를 평가하는 벤치마크인 EVOHARNESSBENCH를 소개합니다. 기존의 지속 학습 벤치마크가 태스크 스트림에서 비정상성(시간에 따른 변화)을 다루는 것과 달리, EVOHARNESSBENCH는 비정상성을 외부에서 제공되는 하네스 자체에 두어 하네스 진화라는 독특한 도전 과제를 제시합니다.

이 벤치마크는 검증 기반 벤치마크에서 결정론적으로 구성된 17개의 다단계 하네스 스트림을 포함하며, 총 802개의 태스크, 520개의 도구, 42개의 기술, 62개의 에이전트를 포함합니다. 연구진은 하네스 진화의 핵심 과제인 배포 평가와 자가 진화 적응 평가라는 두 가지 보완적인 설정을 평가했습니다.

연구 결과는 세 가지 지속적인 격차를 드러냅니다. 첫째, 하네스 확장만으로는 이전에 해결했던 태스크의 성능이 저하되어 하네스 유도 망각이 발생할 수 있습니다. 둘째, 자가 진화 적응에서 얻는 이득은 하네스 진화 단계, 능력 축, 환경에 걸쳐 일관성이 없습니다. 셋째, 능력 보존과 적응이 서로 상충할 수 있는데, 이전 능력을 보존하는 것이 새로 도입된 능력에 대한 적응을 반드시 개선하지는 않으며 그 반대도 마찬가지입니다. 이러한 결과는 에이전트가 이전의 효과적인 행동을 보존하면서 진화하는 하네스에 발맞출 수 있도록 하는 것이 별개의 도전 과제임을 입증합니다.

두 노드 분할(split-LLM) 학습 시스템에 대한 시스템 보안 사례 연구를 제시합니다. 이 시스템은 신뢰할 수 있는 로컬 노드(TLN)가 보호된 활성화를 신뢰할 수 없는 클라우드 노드(UCN)로 보내고, UCN이 결과를 반환하며, TLN이 사적인 손실을 보유한 채 출력 기울기(gradient)를 반환하는 구조입니다. UCN이 받는 프레임에는 실제 데이터와 위장 데이터가 혼합되어 있으며, 손실 함수는 위장 데이터를 무시합니다. 이로 인해 기울기는 정확히 0이 되며, 이 0의 패턴을 통해 어떤 행이 실제 데이터였는지 식별할 수 있습니다.

연구진은 이 시스템에 대해 미리 설정된 프로토콜(공격 가능성 입증, 누락된 누출 보고 방지, 임계값 설정)을 사용하여 측정했습니다. 아홉 가지 시드에서 0의 패턴은 모든 프레임에서 실제 행을 식별했으며, 각 실행마다 4,096개 중 4,096개의 실제 행을 찾아냈습니다. 프레임 내용에 대한 공격은 상수 추측 기준선보다 약 100분의 1 더 많은 토큰을 복구했으며, 이는 0.65%에서 1.50% 포인트의 증가를 의미합니다.

이러한 발견은 모델 품질을 예산 범위 내로 유지하는 구성에서도 반복되었기 때문에, 이 연구 결과는 실제로 배포될 가능성이 있는 설정에 국한되지 않습니다. 모든 실행은 순방향 채널 개인 정보 보호 검사와 품질 검사를 통과했지만, 반환된 기울기가 포함되었을 때 동일한 검사를 통과하지 못했습니다. 기울기의 각 행을 클리핑하거나 노이즈를 추가하는 조치는 보유된 교차 엔트로피(cross-entropy) 0.01 나트(nats)만큼의 누출을 막았습니다.

따라서 이 시스템은 안전하지 않으며, 학습 단계 전반에 걸쳐 관찰을 누적하는 공격을 포함하여 다섯 가지 공격 유형이 전혀 측정되지 않았습니다.

안전 정렬은 보통 주제 수준의 질문, 즉 해당 주제가 유해한지 여부로 다루어지지만, 실제 배포 환경에서는 더 좁은 경계가 필요합니다. 예를 들어, 공직 튜터와 공공 부문 보조 모델은 동일한 주제 내에서 다른 경계를 가져야 하며, 동일한 선거에 대한 사실 질문에는 답하면서도 특정 정치적 조작을 거부해야 합니다. 연구진은 이를 좁은 경계 안전(narrow-boundary safety)으로 공식화하고, 제어된 주제 생성, 커버리지 복구, 분포 내 보상 데이터, 유해-무해 쌍 데이터를 결합한 오프라인 자체 생성 프레임워크를 도입하여 훈련 및 평가를 진행했습니다.

이 프레임워크를 통해 단일 시점 생성은 프롬프트 중 19.88%가 수용된 거부 흔적을 남기지 않았고, 점진적 재시도(escalating retries)는 0.20%만이 그러한 흔적을 남겼음을 확인했습니다. 특히 Qwen3-8B 모델에 정치적 설득을 적용했을 때, 거부 데이터로 훈련을 완료하면 목표 도메인 거부가 9.47%에서 84.75%로 증가하고, 세 가지 광범위한 유해성 벤치마크 전반의 평균 안전하지 않은 응답률은 26.26%에서 0.14%로 감소했습니다.

하지만 이러한 과정에서 XSTest 과다 거부(over-refusal)는 2.00%에서 74.00%로 증가하는 상충 관계가 발생했습니다. 별도의 비교에서 외부 응답을 검증된 타겟 모델 응답으로 대체했을 때 과다 거부는 15.20%에서 5.20%로 감소했습니다. 또한 경계 쌍 데이터는 보유된 쌍에서 준수 측면의 과다 거부를 32.94%에서 4.16%로 줄였지만, 유해 측면의 거부는 91.88%에서 87.72%로만 감소했습니다.

이러한 결과는 데이터 구성이 안전성과 사용성 간의 상충 관계를 제어하며, 안전 정렬은 의도된 거부 경계의 양쪽 측면 모두에서 평가되어야 함을 보여줍니다.

ENEAS는 인스턴스 추적과 의미 발견을 위한 통합된 텍스트 프롬프트 가능 방법론을 제시합니다. 현재의 텍스트 프롬프트 기반 분할 모델, 예를 들어 SAM 3는 시간적 환각, 공간적 파편화, 의미적 오분류 문제를 겪고 있습니다. 이는 객체가 시야에서 사라졌을 때 부재를 보고하지 못하거나, 극단적인 클로즈업에서 전체 객체 대신 국소 질감만 분할하거나, 시각적 유사성을 기준으로 조각상이나 반사물 등을 대상 개체로 잘못 분류하는 오류를 포함합니다.

ENEAS는 이러한 문제를 해결하기 위해 단일 방법에서 정밀한 추적 및 고품질 분할, 그리고 텍스트 질의에 따른 모든 인스턴스의 개방형 발견을 통합합니다. 추적을 위해서는 점 상호작용에 국한되었던 기하학적으로 견고한 SeC 아키텍처를 텍스트 프롬프팅 어댑터와 시간적 메모리로 확장하여, 대상이 사라져도 방해 요소로 표류하지 않고 전체를 유지하며 추적할 수 있게 합니다.

또한, 발견을 위해서는 고속 시각 임베딩 매칭과 조건부 VLM 정제를 결합한 검증 레이어를 사용하여, 시각 모델이 구별할 수 없는 존재론적 오류를 걸러내면서도 낮은 지연 시간을 유지합니다. ENEAS는 단일 오분류 요소가 자산을 손상시키는 3차원 재구성을 염두에 두고 설계되었으며, 이를 통해 시간적 또는 공간적으로 무질서한 데이터의 고품질 의미적 추적 및 분할을 가능하게 합니다.

결과적으로 ENEAS는 시각적으로 유사하지만 실제로는 다른 사물들을 구별하여 참 인스턴스와 그 복제품을 구분해내며, 비디오, 광범위한 라이브러리, 시간적 또는 공간적으로 무질서한 데이터에 대한 의미적 추적 및 분할 능력을 제공합니다. 관련 코드와 모델은 https://github.com/speridlabs/eneas에서 공개되어 있습니다.

대규모 언어 모델(LLM)의 성공은 다음 토큰 예측(NTP)에 기반하지만, 자기회귀(AR) 구조 때문에 토큰 생성이 느리고 순차적으로 이루어지는 병목 현상이 존재합니다. 이를 해결하기 위해 확산 증강 LLM(diffusion-augmented LLMs)이라는 새로운 모델 클래스가 도입되었습니다. 이 모델은 AR 모델 분포를 정의하면서 확산을 사용하여 해당 분포에서 여러 토큰을 병렬로 추출합니다.

모델의 파라미터는 두 세트로 분리되는데, 표준 NTP 목표를 사용하여 훈련된 AR 가중치와 여러 토큰을 동시에 생성하도록 훈련된 경량 확산 가중치로 구성됩니다. 확산 가중치는 기존 LLM 훈련 파이프라인에 미미한 오버헤드만 추가하는 간단한 확산 증류(Diffusion Distillation) 단계를 통해 학습됩니다. 또한, 고정된 컨텍스트 길이에서 손실 없는 가속과 추론 시간 확장을 가능하게 하는 $\Psi$-Spec이라는 샘플러 패밀리도 함께 소개되었습니다.

이 방법은 별도의 초안 모델이 필요 없는 사변적 디코딩(speculative decoding)과 달리, 기본 AR 모델의 품질을 희생하지 않으면서 생성 속도를 높입니다. 그 결과로 탄생한 Uno 모델은 기존의 AR LLM을 확장하거나 처음부터 훈련할 수 있으며, 평가된 모든 배치 크기에서 선도적인 사변적 디코딩 방법보다 높은 처리량을 달성하고 기본 AR 모델 대비 최대 3배의 속도 향상을 제공합니다.

특히 8B Uno 모델은 선도적인 오픈 소스 d-LLM인 26B DiffusionGemma 및 독점 모델인 Mercury 2를 모든 평가 벤치마크에서 에이전트 도구 사용, 코딩, 장문 추론 분야에서 능가하는 성능을 보였습니다. Uno 모델의 코드와 체크포인트는 https://s-sahoo.github.io/uno/에서 공개되었습니다.

추론 모델이 자체 경험으로부터 개선할 수 있지만, 이러한 내부 루프는 취약하다는 문제점을 해결하기 위해 FlowBalance라는 검증 기반 자기 개선 방법을 제시합니다. FlowBalance는 완전한 응답에 대한 정규화된 분포를 학습하는 방식으로, 터미널 검증기(terminal verifiers)가 제공하는 신뢰성 있으면서도 희소한 감독을 활용합니다.

이 방법은 각 온-폴리 정책 궤적에 대해, 동일한 정책의 고정된 훈련 시간 뷰와 특권적 컨텍스트를 사용하여 토큰 수준의 로그 확률 이득을 생성하고 이를 궤적 수준의 자기 안내 점수로 집계합니다. FlowBalance는 이 점수를 검증기가 도출한 그룹 이점(group advantage)과 보정하여 자기 안내를 정렬합니다. 즉, 긍정적인 이점 궤적에서는 안내를 유지하고 부정적인 이점 궤적에서는 반전시키며, 결과적으로 에너지(energy)를 통해 참조 정책을 지수적으로 재가중합니다.

이러한 접근 방식은 별도의 토큰 수준 모방 손실 없이 궤적 균형을 통해 결과가 정렬된 자기 안내를 실현하며, 그룹 내 대비 보존, 최소 변화 역-KL 특성화, 목표 보상에 대한 단조로운 검증기 제어, 거부된 응답에 대한 오탐(false-positive) 자기 안내에 대한 정확한 보정 등을 입증했습니다. 수학적 추론 분야에서 FlowBalance는 Qwen3-4B와 Qwen3-8B 모델 모두에서 FlowRL보다 평균 성능을 향상시켰으며, 훈련 속도와 안정성을 개선하고 OPSD의 응답 길이 붕괴를 피했습니다. 또한 통제된 AIME24 진단에서 더 높은 올바른 전략 다양성을 보였습니다.

거대 언어 모델(LLM)은 대화의 반복적인 생성 및 수정 과정을 통해 사용자에게 결과물(artifact)을 제공하지만, 사용자가 수정 요청 시 국소적인 변경만을 지정할 경우 LLM은 관련 의존성을 파악하여 결과물의 모든 영향을 받는 부분에 수정 사항을 전파해야 하는 과제를 안고 있습니다. 이 논문은 대화 기록에 결과물의 맥락과 의존성이 포함된 대화 생성 결과물에서 LLM의 이러한 수정 전파 능력을 연구합니다.

연구는 이러한 능력에 초점을 맞추고 실용적인 사용을 위해 비용 효율적인 테스트 시간 컴퓨팅 방법을 탐구합니다. 이를 위해 새로운 벤치마크를 도입하고 순차적 반성(sequential reflection) 및 병렬 샘플링 변형을 포함한 아홉 가지 수정 방법을 평가했습니다. 평가에는 gpt-oss-20b/120b, gpt-5.4-mini, qwen3.5-9b/27b/122b와 같은 다양한 모델이 사용되었습니다.

평가 결과, 기준 모델들은 68.3%에서 93%의 정확도를 달성했으며, 가장 비용 효율적인 방법은 LLM 기반 또는 메도이드 선택을 사용하여 세 개의 병렬 샘플 중에서 선택하는 방식으로, 정확도를 2.2%에서 9.7%까지 향상시켰습니다. 이 연구는 LLM 기반 결과물의 수정 전파 문제를 해결하고 비용 효율적인 방법을 제시하며, 관련 코드와 데이터셋은 GitHub에서 공개되어 있습니다.

비전-언어 모델(VLM)은 일반적인 멀티모달 작업에서는 뛰어난 성능을 보이지만, 물리적 세계에 대해 추론할 때는 근본적으로 '평면적'이라는 한계를 가집니다. 이는 VLMs가 2차원 투영을 해석하도록 훈련되었기 때문에 발생하며, 실제 공간 추론을 위해서는 잠재된 3차원 기하학과 시간적 연속성을 복구해야 하는 차원 불일치에서 기인합니다.

이러한 고차원적 복잡성을 극복하기 위해 연구진은 단일 학습 방식에서 벗어나 '분할 정복(divide and conquer)' 패러다임을 제안합니다. 이를 위해 FactoSR이라는 분해된 강화 학습 프레임워크를 제시했는데, 이는 시각적 투영에 의해 소실된 차원들을 명시적으로 해석합니다. FactoSR의 핵심은 세계 일관성 추론이라는 단일 문제를 평면 대응(XY), 깊이 일관성(Z), 시간 반전성(T)이라는 세 가지 직교적인 기하학적 하위 목표로 분해하는 것입니다.

이러한 검증 가능한 제약 조건들을 통합된 정책 학습 메커니즘 내에서 최적화함으로써, 연구진은 모호한 투영 복구 문제를 구체적인 추론 단계로 변환시킵니다. 다중 시점 및 비디오 벤치마크에 대한 광범위한 평가 결과, 이러한 우아한 분해는 3차원 및 4차원 추론에서 상당한 이점을 제공하며, VSI-Bench에서 5.9%, All-Angles-Bench에서 4.5%의 성능 향상을 달성했습니다.

연구 결과는 명시적이고 분해된 4차원 일관성을 강화하는 것이 VLMs를 더욱 강력하고 세계를 인식하는 추론자로 발전시키는 데 결정적인 단계임을 시사합니다.

LLM 에이전트가 동물을 죽이는 것을 피하기 위해 지불할 의사를 측정하는 새로운 벤치마크인 HarvestBench가 발표되었습니다. 이 벤치마크는 기존의 측정이 목표 달성 과정에서 발생하는 부작용을 측정하는 것과 달리, 부작용을 살아있는 생명체로 명명하고 이에 대한 가격을 매기는 최초의 시도입니다.

HarvestBench는 농장 시뮬레이션 환경에서 LLM 하위 에이전트들이 두 대의 트랙터를 통해 옥수수 수확을 진행하는 환경을 사용합니다. 이 환경은 강화 학습 그리드월드이며, 모든 결정은 기억 없이 이루어지며 목표에는 피해가 명시되지 않습니다. 동물이 트랙터 경로를 막을 경우, 자동 조종 시스템은 연료 비용 없이 계속 운전하거나, 명시된 연료 가격을 지불하고 경로를 우회할지 모델에게 질문합니다. 이 실험에서 동물은 바위나 무해한 건초 더미와 비교되었으며, 모델들은 이웃 밭의 작물을 취하는 행위도 테스트되었습니다.

총 7,201개의 가격 책정된 결정에 걸쳐 9개의 모델을 평가한 결과, 3,951번의 결정에서 모델들은 건초 더미나 바위 대신 동물을 피하는 선택을 했습니다. 살상률은 0.4%에서 98.8%까지 다양했으며, Terra와 Sol 모델이 가장 자비로웠고 GPT-4o-mini는 가장 잔혹했습니다. 특히 도덕성 브리핑을 적용했을 때, 6개 모델 중 5개 모델에서 살상률은 6% 미만이었으나, 이 브리핑을 제거하자 모든 모델에서 살상률은 84% 이상으로 증가했습니다.

이 벤치마크는 모델이 피해에 대해 무엇을 말하는지보다는 피해를 피하기 위해 무엇을 지불할 의향이 있는지를 측정합니다. HarvestBench는 LLM 평가자를 사용하지 않고 게임 로그의 이벤트를 세어 측정하므로 완벽하게 재현 가능하며, 에이전트의 행동에 대한 민감도와 도덕적 판단의 영향을 구체적으로 보여줍니다.

2026년 PNPL 대회는 비침습적 음성 디코딩을 위한 다년 과정의 목표를 가지고 진행되었습니다. 이 대회는 기초적인 음성 탐지 및 음소 분류 작업에서 출발하여 실제 뇌-컴퓨터 인터페이스(BCI)에 필요한 언어적 복잡성으로 발전시키는 것을 목표로 했습니다. 이전 대회에서 LibriBrain 데이터셋을 활용하여 강력한 성능을 입증했으나, 실제 BCI를 구현하기 위해서는 수 시간의 데이터가 아닌 몇 분의 데이터로 새로운 사용자에게 일반화할 수 있는 능력이 필요하다는 한계가 지적되었습니다.

이러한 일반화 문제를 해결하기 위해 2026년 대회에서는 LibriBrain100 데이터셋을 확장하여 32개의 추가 피험자를 포함시켰습니다. 이 데이터셋은 기존의 내피험자 데이터 외에도 추가적인 내피험자 데이터({sim}80시간)를 포함하고 있습니다. 대회를 통해 제시된 두 가지 트랙은 내피험자 수준의 성능과 사용자 간 일반화 능력을 동시에 추구합니다.

딥 트랙은 대규모 내피험자 단어 분류를 목표로 최고의 성능을 달성하는 데 중점을 둡니다. 반면, 브로드 트랙은 사용자 간 일반화를 목표로 하며, 피험자별 미세 조정 데이터의 양을 {sim}40분에서 {sim}20분에서 {sim}10분으로 점진적으로 줄이는 것을 목표로 합니다. 이 {sim}10분의 데이터 기간은 임상적으로 실행 가능한 범위에 속하며, 심각한 마비 상태에 있는 사람들에게 의사소통을 복원할 수 있는 비침습적 BCI에 한 걸음 더 다가갈 수 있게 합니다.

오디오-비디오 확산 모델은 텍스트, 음성, 시각 콘텐츠를 조정하기 위해 교차 모달 어텐션을 사용하지만, 이 메커니즘은 미묘하고 체계적인 의미 누수(semantic leakage)를 발생시킬 수 있습니다. 연구진은 이 모델들을 분석하기 위해 텍스트, 오디오, 비디오 스트림을 연결하는 세 개의 교차 어텐션 엣지로 구성된 '어텐션 삼각형'을 탐색하고 분석했습니다.

분석 결과, 오디오-비디오 엣지를 따라 이루어지는 라우팅은 양방향이며, 오디오는 비디오 생성에 영향을 미치고 비디오는 오디오 생성에 영향을 미칩니다. 이 엣지는 모델 파라미터에 인코딩된 편향에 의해 형성되며, 프롬프트가 학습된 사전 지식과 충돌할 때 교차 모달 상호작용이 의도된 조건화를 무시하고 의미를 시각적으로는 정형화되어 있으나 잘못된 결과로 재라우팅하여 누수의 주요 원인이 됩니다.

이러한 현상은 의미적 인공물이 단순히 어텐션이 의도된 대상을 넘어 퍼지는 것이 아니라 특정 경로를 따라 편향에 의해 구조화된 상호작용에서 발생함을 시사합니다. 연구진은 이러한 의미 분포와 기반을 노출하는 어텐션 기반 신호를 추출하여 통제된 조건 하에서 누수를 분석하고 의도적으로 발생시킬 수 있는 진단 도구로 활용했습니다.

궁극적으로 이 신호들을 활용하여 추론 시점 개입(inference-time interventions)을 안내함으로써 교차 모달 정렬을 더욱 일관되게 만들 수 있습니다. 광범위한 실험 결과는 생성 품질을 유지하면서 의미적 기반을 개선했음을 입증하며, 이는 모델의 내부 동역학을 탐색하고 개별 상호작용의 역할을 분리하는 데 기여합니다.

시각적 장소 인식(VPR)은 데이터셋의 제한된 외관 다양성으로 인해 조명, 날씨, 계절 변화와 같은 도메인 변화로 인해 견고성이 저하되는 문제가 있습니다. 이러한 문제를 해결하기 위해 본 연구는 견고한 VPR 훈련을 위한 동일 장소의 하드 포지티브를 생성하는 경로 인식 생성 증강 프레임워크인 AdaptVPR을 제안합니다.

AdaptVPR은 비전 언어 모델을 사용하여 장면 속성을 분석하고 편집 가능성을 추정하며, 규칙 기반 스케줄러를 통해 편집 가능성과 위험 제약 조건에 따라 생성 경로를 결정합니다. 생성 과정은 전역 외관 경로, 국소 가림 경로, 그리고 두 경로를 결합한 이중 경로 등 세 가지 상호 보완적인 경로로 분해됩니다. 각 생성 후보는 기하학적 일관성과 외관 다양성을 기반으로 하는 VPR 지향 검증 방식을 사용하여 구조적 표류 위험을 줄입니다.

이러한 프레임워크를 통해 160K개의 검증된 합성 동일 장소 하드 포지티브를 포함하는 AdaptCities 데이터셋을 구축했습니다. 여러 VPR 기준선과 비전 파운데이션 백본에 대한 실험 결과, 표준 벤치마크에서 일관된 성능 향상과 도전적인 도메인 변화 하에서 상당한 개선을 보였으며, R@1 지표에서 최대 9.2%의 이득을 달성했습니다.

해당 연구의 소스 코드와 데이터 리소스는 공개되어 있으며, 개발자들은 https://github.com/chenshunpeng/AdaptVPR에서 접근할 수 있습니다.

검색 에이전트 분야에서 Iris-mini와 Iris-pro라는 두 모델이 발표되었으며, 이들은 각각 35B-A3B와 397B-A17B 규모로 훈련되었습니다. 이 연구는 웹 코퍼스의 하이퍼링크 구조를 역으로 추적하여 작업과 데이터를 구성하는 데이터 파이프라인과 훈련 레시피를 제시합니다. 구체적으로, 모델은 시드 페이지와 아웃링크에서 추출된 엔티티 그래프를 기반으로 멀티홉 체인을 구성하고, 문자열 매칭으로 단서를 해결할 수 없도록 모든 비답변 엔티티를 설명적 참조로 재작성하는 방식으로 태스크를 역으로 구성합니다.

이러한 데이터는 참조 모델이 닫힌 책(closed-book) 방식으로 해결하지 못하지만, 지원 증거가 제공되면 해결할 수 있는 질문만을 허용하도록 설계되었습니다. 이 질문들은 궤적(trajectory)으로 변환되어 SFT 전에 궤적 및 턴 레벨에서 필터링됩니다. 정책은 라이브 검색에 대해 강화 학습(RL)을 통해 최적화되며, 보상 판단자와 관찰 요약자는 훈련 클러스터 내에서 제공됩니다.

훈련 과정은 SFT-RL 클라이밍이라는 절차를 통해 두 단계를 교차하며, 각 RL 라운드의 가장 효율적이고 가장 잘 해결된 궤적을 다음 지도 학습 단계로 반환합니다. 이 방법은 추론 시 컨텍스트 관리가 시스템 간의 차이보다 더 중요함을 평가하며, 도구 세트, 컨텍스트 제한, 판단 기준을 고정시킨 상태에서 모든 벤치마크를 평가합니다.

관리 기능이 활성화된 상태에서 BrowseComp, BrowseComp-ZH, DeepSearchQA, HLE 벤치마크에서 두 모델은 각각 82.2/88.6, 84.8/85.1, 86.9/92.9, 52.3/56.4의 결과를 달성했습니다. 이는 해당 매개변수 범위 내에서 오픈 소스 검색 에이전트 중 가장 강력한 결과를 보여줍니다. 연구팀은 모델 가중치와 데이터 구성, 훈련, 평가에 대한 전체 레시피를 공개할 계획입니다.

재귀 신경망에서 양자화(Quantization)는 연산 및 메모리 요구 사항을 줄이는 데 널리 사용되지만, 이 과정에서 상태 저장 규칙이 후속 계산에 영향을 미쳐 문제가 발생할 수 있습니다. 본 연구는 이러한 규칙을 나타내기 위해 재귀 상태 쓰기(recurrent-state write-back)를 도입하여 양자화된 재귀 역학의 영향을 분리하고자 합니다.

이 방법은 형광 수명 이미징(fluorescence lifetime imaging)을 위한 GRU 인코더-디코더에 적용되었는데, 이는 정량적 생물학적 이미징에 사용되는 분자 이미징 양식입니다. 이 모델의 주요 임무는 고잡음 시간 분해 형광 신호로부터 단명 성분 $\tau1$과 장명 성분 $\tau2$ 두 가지 수명 매개변수를 추정하는 것입니다.

훈련된 모델을 고정하고 연속적인 상태 전파 대신 결정론적인 4비트 상태 저장을 사용했을 때, $\tau1$과 $\tau2$에 대한 추정 오류는 각각 약 70배와 300배 증가하는 것으로 나타났습니다. 이는 반복적인 작은 업데이트가 쓰기 임계값 이하로 남아 저장된 상태가 거의 고정된 채 네트워크가 변화를 제안하는 상황에서 실패가 발생하기 때문입니다.

오류 피드백, 잔여 메모리, 방향 메모리 등의 기법을 통해 재학습 없이 정확도를 회복할 수 있으며, 연구 결과는 재귀 상태 쓰기(recurrent-state write-back)가 저정밀 재귀 역학의 핵심 결정 요인임을 입증합니다. 또한, 이 연구는 양자화된 재귀 추론을 위해 상태 저장 인터페이스를 핵심 설계 고려 사항으로 제시합니다.

고성능 가속기용 커스텀 커널 설계는 깊은 하드웨어 지식이 필요한 복잡한 작업입니다. 이 연구는 대규모 언어 모델(LLM)과 실시간 컴파일러 피드백을 결합하여 커널 생성을 위한 에이전트 시스템을 구축하는 MaxKernel을 제시합니다. MaxKernel은 TPU 커널 개발을 위한 세 가지 뚜렷한 패러다임을 구현하는 멀티 에이전트 시스템입니다.

첫 번째는 협업적 단계별 설계를 위한 인간 참여(Human-in-the-Loop, HITL) 에이전트이며, 두 번째는 측정 및 추적 기반 최적화 루프를 실행하는 자율(Autonomous, Auto) 에이전트입니다. 세 번째는 설계 공간의 전역 탐색을 위해 Auto 에이전트를 확장하는 그래프 기반 자율 검색입니다. 이 세 가지 패러다임은 계획, 구현, 자체 디버깅, 테스트, 하드웨어 프로파일링을 처리하기 위해 공유된 전문 서브 에이전트 풀을 활용합니다.

연구진은 MaxKernel을 JaxBench라는 50가지 다양한 TPU 커널 작업과 최신 오픈소스 모델의 복잡한 실제 워크로드를 평가했습니다. 그 결과 MaxKernel은 전문가가 수동으로 조정한 기준선과 일치하는 고도로 최적화된 구현을 일관되게 생성하며 벤치마크 전반에 걸쳐 상당한 성능을 제공함을 입증했습니다.

이 에이전트는 오픈 소스로 공개되어 있으며 GitHub를 통해 접근 가능합니다. 이 연구는 LLM을 활용하여 하드웨어 수준의 커널 최적화 과정을 자동화하고 고성능 커널 개발을 가속화하는 데 기여합니다.

대규모 언어 모델(LLM)이 기존 코드를 편집하는 데 사용되지만, 단순히 정확성만으로는 충분하지 않으며 수정 사항은 최소화되고 검토 가능하며 원본 구현에 충실해야 합니다. 본 연구는 버그 수정을 위해 필요한 최소한의 수정 외에 코드를 과도하게 재작성하는 경향인 과도 편집(over-editing) 현상을 탐구합니다.

연구진은 400개의 BigCodeBench 문제를 기반으로 AST 수준의 손상을 주입하고 각 수정 작업에 알려진 최소 패치를 제공하는 평가 프레임워크를 구축했습니다. 이 결과, GPT-5.5와 같은 강력한 모델에서도 높은 Pass@1 점수가 불필요하게 큰 수정과 추가된 인지 복잡성을 수반하는 경우가 광범위하게 관찰되었습니다.

이러한 과도 편집을 방지하기 위해 보존 지침(preservation instruction)을 추가했을 때 이러한 행동이 크게 감소했습니다. 보존 지침은 평균 과도 레벤슈타인 거리(excess Levenshtein distance)를 0.195에서 0.131로 낮추고 추가된 인지 복잡성을 26.6% 줄이며 Pass@1 점수를 2.3점으로 증가시켰습니다.

하지만 이러한 개선은 단순히 더 큰 추론 예산이나 더 큰 모델에서 비롯된 것이 아니었습니다. 연구는 추가적인 편집 품질을 학습하는 방법에 초점을 맞추었으며, 지도 미세 조정(supervised fine-tuning)은 관찰된 손상 패턴에 과적합되는 반면, 강화 학습(reinforcement learning)은 도메인 외 편집 충실도와 성능 유지를 위한 최적의 균형을 제공했습니다. 결과적으로 편집 충실도를 코드 수정 품질의 별도 축으로 설정하고 측정 및 학습할 수 있음을 보여줍니다.

Go의 내장 맵이 스위스 테이블을 사용하여 어떻게 작동하는지 내부 구현을 자세히 설명합니다. Go 1.24 버전에서 맵의 런타임 구현이 이전 방식에서 스위스 테이블 기반 설계로 변경되었으며, 이는 맵의 효율적인 키 검색을 가능하게 합니다.

맵은 키와 값의 쌍을 저장하며, 키는 배열의 인덱스와 달리 어떤 비교 가능한 타입이든 될 수 있습니다. 런타임 레벨에서 맵은 내부적으로 `maps.Map` 구조를 사용하며, 이 구조는 항목의 개수(`used`)와 시드(`seed`)와 같은 정보를 포함합니다. 맵의 항목 개수를 조회할 때 전체 맵을 스캔할 필요 없이 O(1) 시간 복잡도로 접근할 수 있도록 설계되었습니다.

실제 데이터 저장 방식은 맵의 시드를 사용하여 키를 해시하고 이 해시 값을 기반으로 저장 위치를 결정하는 방식으로 이루어집니다. 맵의 가장 작은 저장 단위는 최대 8개의 키-값 쌍을 담는 `group`이며, 각 그룹은 8개의 제어 바이트로 구성되어 있습니다. 이 제어 바이트는 키 해시 값에서 파생된 H1과 H2 값으로 나누어져 각 저장 위치를 지정하는 데 사용됩니다.

장기 목표 에이전트 훈련에서 보상 신호가 부족한 문제를 해결하기 위해 DRACO라는 방법론이 제안되었습니다. 이 연구는 결과에 대한 참값 성공 신호가 없는 결과 불감(outcome-blind) 환경에서 다중 기준 루브릭(multi-criteria rubrics)을 활용하여 보상을 제공하는 데 중점을 둡니다. 기존의 단일 스칼라 보상은 수십 단계에 걸친 과정에서 부적절한 신호가 되기 때문에, DRACO는 훈련 중에 루브릭을 동적으로 생성하여 정책의 진화하는 능력을 추적하고 이를 바탕으로 각 단계별 이점을 재분배합니다.

DRACO는 루브릭을 한 번의 궤적당 점수화한 후, 해당 루브릭이 주석 처리된 단계들에 그 판단을 재분배하여 GRPO에서 차별화된 단계별 이점을 생성합니다. 이 재분배 과정은 폐쇄형 공식으로 이루어져 있으며 훈련된 속성 모듈을 도입하지 않아 효율적입니다.

실제 실험 결과, DRACO는 검증기(verifier)를 사용하지 않고도 AppWorld 환경에서 기본 모델 대비 15.9점, 그리고 희소한 참값 보상을 사용한 GRPO 대비 5.3점의 이점을 얻었습니다. 또한, 도메인 외 Tau-Bench 환경에서는 프론티어 심판 없이도 기본 모델보다 5.3점의 이점을 달성하며 다른 루브릭 기반 훈련 설정들을 능가했습니다.

DRACO의 코드는 GitHub에서 공개되어 있으며, 이는 장기 에이전트 훈련에서 복잡한 보상 신호를 효과적으로 최적화하는 데 기여합니다.

장시간 비디오 언어 모델(MLLM)은 모든 프레임을 볼 수 없기 때문에, 프레임 선택이 사전 처리 세부 사항인지에 대한 연구를 진행했습니다. 연구는 프레임 선택, 공간 압축, 그리고 절약된 토큰 재투자라는 세 가지 결정 요소를 통제된 환경에서 비교했습니다.

선택(Selection)은 가장 큰 영향력을 보였는데, LongVideoBench의 한 시간 분량 데이터에서 쿼리 선택된 여덟 개의 프레임은 균일하게 배치된 열여섯 개의 프레임보다 6.9점 더 높은 정확도를 보였습니다. 공간 압축(Compression)은 비용이 매우 낮았으며, 각 프레임의 공간 예산을 절반으로 줄이는 것은 최대 0.44점의 비용만 발생했습니다.

실제 정확도 향상은 절약된 토큰을 재투자(Reinvestment)할 때 발생했는데, 절약된 토큰을 사용하여 두 배 많은 압축된 프레임에 할당했을 경우, 원래 여덟 개의 프레임에 할당했을 때보다 2점에서 3점의 추가 정확도를 얻을 수 있었습니다.

이러한 비교를 통해 결과의 신뢰성을 높이기 위해, 연구진은 구현 오류와 발표된 규칙 간의 차이를 고려하여 모든 비교를 단일하고 통제된 환경 내에서 수행할 필요가 있음을 지적했습니다.