읽을 가치가 있는 기사만, 짧고 또렷하게.

Netlify는 OpenRouter와의 파트너십을 통해 사용자가 AI 모델을 선택할 수 있는 폭을 대폭 확장하고 에이전트 실행 환경을 개선했습니다. 이제 사용자는 AI 게이트웨이를 통해 OpenRouter에서 제공하는 다양한 모델을 자신의 프로젝트에 적용할 수 있으며, 이는 작업의 요구사항과 예산에 맞춰 최적의 모델을 선택할 수 있게 합니다.

특히 Netlify의 에이전트 실행 환경인 Agent Runners에서 사용 가능한 코딩 모델의 선택지가 확대되었습니다. 기존에 Claude Agent, OpenAI Codex, Gemini CLI 등을 지원하던 것 외에 Kimi, K3, GLM 5.2, DeepSeek V4와 같은 주목받는 오픈 모델과 OpenCode까지 사용할 수 있게 되었습니다. 이는 개발자들이 다양한 모델을 실험하고 프로젝트를 구축하는 데 있어 더 많은 선택권을 제공합니다.

Netlify는 이러한 모델 선택의 결과를 객관적으로 평가하기 위해 자체적으로 오픈소스로 공개한 AXIS 도구를 사용하여 모델을 평가합니다. 이 평가는 단순히 디자인보다는 생성된 사이트가 데이터베이스 사용과 같은 기능적 요구사항을 정확하게 충족하는지에 초점을 맞춥니다. 따라서 개발자는 비용 효율성이나 성능뿐만 아니라, 원하는 결과물을 얻기 위해 프롬프트를 어떻게 구성하고 모델을 어떻게 활용하는지에 대한 접근 방식을 고려해야 합니다.

결론적으로, 사용자는 일괄적인 솔루션 대신 여러 모델을 비교하며 반복적인 프롬프팅을 통해 원하는 결과를 도출하는 실험적인 접근 방식을 시도할 수 있습니다. 이러한 새로운 모델과 평가 도구는 개발자들이 다양한 AI 모델을 활용하여 꿈꾸는 웹 애플리케이션을 구축하는 데 필요한 통찰력을 제공할 것입니다.

AI 거버넌스는 AI 시스템을 안전하고 윤리적으로 운영하기 위한 프로세스, 표준, 가이드라인을 의미합니다. 이는 투명성, 책임, 공정성, 개인 정보 보호, 보안을 기반으로 하며, AI와 에이전트 시스템이 인간이 정의한 목표에 부합하도록 보장하는 역할을 합니다.

효과적인 AI 거버넌스를 실현하기 위해서는 단순히 정책을 수립하는 것을 넘어 실제 조직 구조와 실행 가능한 프레임워크가 필요합니다. 조직은 AI 거버넌스를 운영하기 위해 AI 리스크에 대한 수용 범위와 프레임워크를 설정하고, AI 거버넌스 센터 오브 엑설런스, 리스크 관리 체계, 거버넌스 플랫폼과 같은 기반 역량을 구축해야 합니다.

이러한 거버넌스 체계는 EU AI 법, ISO 42001, NIST와 같은 외부 프레임워크에 기반을 두어 실질적인 준수와 감사를 가능하게 합니다. 리더십이 리스크 수용 범위를 정의하고 거버넌스 팀이 이를 측정 가능한 정책으로 전환함으로써 AI 위험 관리를 단순한 규제 준수 사항이 아닌 전략적 경쟁 우위로 바꿀 수 있습니다.

결론적으로, 강력한 AI 거버넌스는 AI 시스템의 잠재적 위험을 최소화하고 결과에 대한 신뢰를 극대화하여 AI의 생산성 이점을 안전하게 활용할 수 있도록 합니다. 이는 AI 시대에 필수적인 전략적 접근 방식입니다.

207개 GitHub 프로젝트의 102만 개 PR을 분석하여 코드 리뷰 과정이 어떻게 변화했는지 조사한 결과가 발표되었습니다. 이 조사는 코드 리뷰가 인간 중심에서 LLM 보조, 그리고 AI 에이전트 참여 단계로 진화하는 과정에서 리뷰 속도와 품질이 어떻게 달라졌는지 분석했습니다.

연구에 따르면 AI 리뷰어를 점진적으로 도입하거나 에이전트 단계에서 빠르게 도입한 프로젝트들은 리뷰 결정 속도가 빨라지는 것을 확인했습니다. 하지만 단순히 리뷰 결정 속도가 빨라졌다고 해서 리뷰 품질이 반드시 향상되는 것은 아니라는 점이 중요한 발견입니다.

따라서 개발팀은 코드 리뷰 프로세스를 자동화하고 AI 에이전트를 도입할 때 속도 향상뿐만 아니라 리뷰의 질적 측면을 함께 고려해야 합니다. 리뷰 속도와 품질은 상충 관계에 있을 수 있으며, 어떤 접근 방식이 더 나은 결과를 가져오는지에 대한 심층적인 분석이 필요합니다.

xberg 다국어 문서 인텔리전스 프레임워크는 다양한 형태의 입력에서 깔끔한 텍스트, 표, 메타데이터, 구조화 데이터를 반환하는 것을 목표로 합니다. 이 프레임워크는 PDF, 이미지, 스프레드시트, 오디오, URL 등 다양한 형식의 문서를 처리할 수 있으며, 복잡한 데이터 추출을 위한 파이프라인 구성의 필요성을 줄여줍니다.

기존 방식에서는 포맷 감지, OCR, 추출을 위해 여러 라이브러리를 이용한 복잡한 파이프라인을 구성해야 했으나, xberg는 이러한 과정을 하나의 코어가 처리하도록 통합했습니다. 이를 통해 개발자는 여러 라이브러리를 관리할 필요 없이 효율적으로 문서를 처리할 수 있게 됩니다.

현재 이 시스템은 101개의 포맷과 371개의 코드를 지원하며, 이는 다양한 문서 형식에 대한 높은 처리 능력을 의미합니다. 이러한 통합 접근 방식은 개발자들이 다국어 문서 인텔리전스 시스템을 구축할 때 필요한 복잡성을 크게 낮추고 효율성을 높여줍니다.

리눅스용 ChatGPT 데스크톱 앱이 프리뷰로 공개되어 개발자들에게 새로운 통합 환경을 제공합니다. 이 앱은 ChatGPT, Work, Codex 기능을 하나의 네이티브 데스크톱 환경에서 통합하여 개발 워크플로우를 혁신하는 것을 목표로 합니다.

이번 통합을 통해 사용자는 프로젝트 관리, 파일 작업, 브라우저 워크플로우를 원활하게 수행할 수 있게 됩니다. 특히 ChatGPT와 같은 대화형 AI 옆에서 Codex를 직접 실행할 수 있게 되어 코딩 작업과 AI 활용 간의 경계가 허물어집니다.

이는 개발자들이 복잡한 도구들을 개별적으로 사용하지 않고도 일관된 환경에서 작업할 수 있도록 돕는 중요한 변화입니다. 리눅스 환경에서 AI 기반 도구들을 통합함으로써 생산성과 효율성을 크게 높일 수 있을 것으로 기대됩니다.

300개의 GitHub 프로젝트에서 수집된 27만여 개의 인라인 코드 리뷰 대화를 분석하여 인간과 AI의 피드백이 실제 수정과 후속 대화로 어떻게 이어지는지 비교했습니다. 이 분석은 인간과 AI가 코드 리뷰를 수행하는 방식의 근본적인 차이를 보여줍니다.

AI는 코드 내의 문제를 찾아내고 즉각적인 수정안을 제시하는 데 집중하는 반면, 인간은 구현 방식의 배경인 ‘왜 이렇게 구현했는지’를 묻고 테스트나 프로젝트 관례와 같은 더 넓은 맥락을 고려합니다. 이러한 차이는 피드백의 질과 최종적인 코드 개선 과정에 중요한 영향을 미칩니다.

결과적으로 AI는 효율적인 문제 해결에 강점을 보이지만, 인간은 코드의 의도와 시스템적 관례를 이해하는 데 필수적인 역할을 합니다. 개발팀은 AI의 효율성과 인간의 맥락적 이해를 결합하여 시너지를 창출하는 방식으로 코드 리뷰 프로세스를 설계할 필요가 있습니다.

리눅스 소프트웨어 패키징 방식의 복잡성과 유지보수 비용에 대한 우려가 제기되고 있습니다. 모든 리눅스 사용자가 쉽게 설치할 수 있도록 여러 배포 채널을 지원하는 터미널 편집기 Fresh의 사례에서 보듯이, 채널이 늘어날수록 릴리스 유지 비용과 시스템 장애 가능성이 커진다는 문제가 발생합니다.

npm, Cargo, AppImage, Flatpak, deb, rpm, AUR, Nix, mise 등 다양한 패키징 도구들이 존재하지만, 이러한 방식들은 각기 일부 사용자에게만 적합하며 보안 및 호환성 측면에서 고려해야 할 사항이 많습니다. 사용자가 다양한 채널을 관리하고 소프트웨어를 설치할 때 발생하는 복잡성은 시스템 안정성을 저해할 수 있습니다.

결론적으로, 다양한 패키징 채널의 확장은 사용자 편의성을 높이는 동시에 개발자와 시스템 관리자에게는 유지보수 부담과 잠재적인 보안·호환성 문제를 야기합니다. 따라서 특정 패키징 방식의 채택은 해당 시스템의 보안과 안정성을 충분히 고려해야 합니다.

20년 경력의 개발자가 LLM 코딩 도구를 1년 넘게 사용한 후 코딩을 포함한 모든 AI 사용을 중단하기로 결정했습니다. 이 개발자는 AI 사용을 중단한 주요 이유로 정신 건강, 소프트웨어 품질, 그리고 환경과 사회적 비용을 꼽았습니다.

이러한 결정은 AI 도구가 제공하는 생산성 이점과 그에 따른 잠재적 위험 사이의 균형을 고려한 결과입니다. 개발자는 AI 활용이 작업 효율성을 높였지만, 동시에 코드 품질 저하 및 윤리적 비용에 대한 우려를 느끼게 되었습니다.

실제로 이 개발자는 Claude Code와 Linear를 연결하여 코드 한 줄을 직접 수정하지 않고도 비사소한 프로젝트를 완성할 만큼 생산성을 확보했습니다. 이는 AI를 활용하여 작업 속도를 높이는 동시에, 결과물의 품질과 개발 과정의 지속 가능성을 중요하게 생각하는 개발자들의 고민을 반영합니다.

Ballet은 팀의 최적 아이디어를 수익 스택 전반에 걸쳐 자동화하는 워크플로우 자동화 플랫폼입니다. 성장 아이디어가 시스템 연결 부족이나 느린 엔지니어링 로드맵 때문에 지연되는 문제를 해결하기 위해 개발되었습니다. 사용자는 원하는 결과(예: 리드 라우팅, 귀속, 갱신 플레이)를 설명하면 Ballet이 이를 실행 가능한 코드로 구축하고 실행하며 유지 관리합니다.

이 플랫폼의 핵심은 워크플로우를 검토 가능하고 버전 제어가 가능한 코드로 작성한다는 점입니다. 이는 기존의 시각적 그래프 기반 도구와 달리, 정확성이 중요한 부분에서는 결정론적(deterministic)으로 작동하며 엔지니어가 코드를 읽고 승인하며 재실행할 수 있게 합니다. 또한, Ballet은 사용자가 연결하지 못한 시스템에 대해서도 필요할 때 즉시 API에 대한 통합 코드를 작성하여 실행할 수 있어 Zapier나 n8n 같은 도구의 커넥터 라이브러리 한계를 넘어섭니다.

Ballet은 Salesforce, BigQuery, Stripe, Freshdesk 등 기존 시스템과의 통합을 지원하며, 데이터 처리 및 영업 활동에 필요한 자동화를 가능하게 합니다. 특히, 데이터에 기반한 다음 행동을 영업 담당자에게 전달하거나, CRM 필드를 업데이트하고 내부 청구 시스템에 전파하는 등의 복잡한 프로세스를 자동화할 수 있습니다.

Ballet은 Brainfish 팀이 개발한 지식 계층(Knowledge layer) 위에 구축된 실행 계층(Execution layer)으로서, 보안 및 규정 준수 측면에서 Brainfish의 SOC2 Type II 준수를 받습니다. 이는 개발된 코드가 투명하게 관리되고 승인 게이트를 거치며 실행 기록이 보존되어 신뢰성을 높입니다.

산업용 추천 시스템은 일반적으로 검색, 랭킹, 재랭킹 파이프라인을 사용하지만, 이러한 파이프라인은 정보와 목표를 분절시키고 경직된 규칙에 의존하며 실시간 의도에 대한 인식이 부족하여 세션 수준의 변화를 충분히 다루지 못하는 한계가 있습니다. 이에 DREAM(Developing Recommender Engine with Agentic Methods)은 기존 파이프라인을 대체하지 않으면서 인식 기반의 조정 가능한 감사 가능한 정책 레이어를 추가하는 자율 최적화 제어 아키텍처를 제시합니다.

DREAM은 두 가지 핵심 구성 요소로 이루어져 있습니다. 첫째, 세 가지 계층의 Intent Engine은 온디바이스 신호를 구조화된 L0/L1/L2 의도 표현으로 통합하며, 엣지-클라우드 트리거 체인을 통해 보고 볼륨을 약 8.7%로 줄입니다. 둘째, Meta Engine은 MetaModel을 사용하여 계층적인 M1-to-M2-to-M3 추론을 수행하며, 의도 요약, 전략 메모리를 기반으로 한 전략 계획, 매개변수 번역을 포함합니다. 이 두 구성 요소는 보상 이중 루프를 통해 오프라인 시뮬레이션과 온라인 피드백을 결합하여 생성, 실행, 평가, 경험 축적의 순환을 형성하며 지속적으로 최적화됩니다.

타오바오 홈페이지 피드에 대한 대규모 A/B 테스트 결과, 재랭킹 제어만으로도 IPV(Impression Per View)는 2.06%, 코어 IPV는 2.39%, GMV(Gross Merchandise Volume)는 0.88%가 개선되었습니다. 여기에 세밀한 랭킹 제어로 확장하면 이러한 개선 효과는 각각 2.71%, 3.06%, 1.31%로 높아지며 PV(Page View)는 1% 이상 꾸준히 향상되었습니다. 이러한 성과는 파이프라인 모델을 교체하거나 서비스 안정성을 희생하지 않으면서도 에이전트적 메타 제어를 산업 추천에 적용할 수 있는 실행 가능한 패러다임을 뒷받침합니다.

오픈 엔드 실세계 상호작용은 에이전트가 직접 답변하거나 명확화를 요청하거나 진행 상황을 업데이트하거나 행동 전에 확인하는 등 여러 유효한 행동을 허용합니다. 이러한 유연성은 그룹 기반 강화 학습(RL)의 핵심 가정인 그룹 내 롤아웃을 행동적으로 비교 가능하게 한다는 전제를 무너뜨립니다. 결과적으로 보상 모델이 상호작용 스타일에 대해 선호하는 바가 상대적 이점을 왜곡하고, 문맥에 적합한 행동보다는 보상 선호 행동으로 최적화를 유도할 수 있습니다.

연구진은 이를 보상 공정성 문제로 공식화하고, 전략 조건부 롤아웃 그룹화를 통해 더 공정한 상대적 비교를 복원하는 훈련 레시피인 ARC(Advantage Regularization via Conditioning)를 제안했습니다. ARC는 하이브리드 보상과 엔트로피 정규화를 결합하여 이 문제를 해결합니다. 이 방법은 사용자 가시적 커뮤니케이션을 잠재적 추론 및 도구 사용과 분리하는 새로운 사용자 에이전트 상호작용 패러다임인 \inter에서 연구되었습니다.

\inter는 반응적이고 조종 가능하며 실행 인식적인 사용자 에이전트 상호작용을 위한 새로운 패러다임입니다. 또한 \inter는 지도 학습 및 RL 훈련을 위한 전략 주석이 달린 훈련 코퍼스인 \inter-86K를 구축하는 주석 및 증류 파이프라인을 제공합니다. 실험 결과, ARC는 핵심 $\tau/\tau^2$ 도구 사용 벤치마크를 상당히 강화했으며, \inter는 생각 스타일 기준선 대비 첫 토큰 도달 시간을 4.91초에서 1.27초로 단축했습니다.

이러한 결과는 오픈 엔드 상호작용 학습에서 중심 병목 현상이 에이전트가 어떻게 보상받는지뿐만 아니라 그들의 행동이 애초에 공정하게 비교되는지에 달려 있음을 시사합니다. ARC 구현과 \inter-86K 훈련 데이터는 공개될 예정입니다.

텍스트 임베딩 파이프라인을 대규모 언어 모델(LLM)로 대체해야 하는지에 대한 비용 및 성능 비교 연구 결과가 발표되었습니다. 이 연구는 118M에서 14B 매개변수를 가진 26개의 임베딩 모델과 10개의 LLM을 37가지 작업(분류, 의미적 텍스트 유사성(STS), 클러스터링, 쌍 분류, 검색)에 걸쳐 비교 분석했습니다. 결과적으로 두 패러다임은 실질적으로 동등한 성능을 보였으며, 최고 LLM인 Gemini 3.1 Pro와 최고 임베딩 모델은 0.4점 차이만 보였습니다.

하지만 각 모델의 강점은 작업에 따라 명확하게 구분되었습니다. LLM은 추론이 필요한 검색 작업에서 우위를 보였고, 임베딩 모델은 분류 작업에서 더 뛰어난 성능을 보였습니다. 반면, 클러스터링, STS, 쌍 분류와 같은 작업에서는 두 모델이 동등한 결과를 나타냈습니다.

이러한 성능 균형을 달성하는 것은 비용적으로 매우 비효율적입니다. 동등한 품질의 임베딩 모델에 비해 LLM은 최대 1,431배 더 많은 비용이 발생하며, 동일한 GPU에서 토큰 처리는 2.5배에서 736배 더 느립니다. 특히 추론 토큰은 LLM 추론 비용의 28%에서 81%를 차지하므로, 추론 예산을 줄이는 것이 검색 품질을 유지하거나 개선하는 데 중요합니다.

따라서 연구진은 임베딩 모델을 유사성, 분류, 클러스터링 작업에 사용하고 LLM은 추론 집약적인 검색에 할당하는 작업 분담을 권장합니다. 이 연구의 코드, 데이터셋 및 결과는 공개되어 있으며, 관련 내용은 https://github.com/embeddings-benchmark/embedders-dilemma에서 확인할 수 있습니다.

장편 비디오 이해는 개별 사건을 검색하는 것을 넘어 진화하는 서사를 추적하고 암묵적으로 남아있는 사회적 의미를 해석하는 작업을 포함합니다. 하지만 기존의 벤치마크들은 특히 고맥락의 비영어 미디어에서 이러한 능력을 공동으로 평가하는 경우가 거의 없습니다. 이러한 격차를 해소하기 위해 연구진은 일본 장편 비디오의 서사 진화와 문화적 이해 추론을 평가하기 위한 벤치마크인 NARU를 소개합니다.

NARU는 155개의 비디오, 총 146.8시간에 걸쳐 1,481개의 질문으로 구성되어 있으며 네 가지 서사 및 다섯 가지 문화 차원을 포괄합니다. 이 벤치마크를 구축하기 위해 연구진은 원본 비디오를 구조화된 사건, 서사, 문화 주석으로 변환하는 계층적 메모리 기반 주석 파이프라인을 제안했습니다. 이 과정에는 태스크 지향 합성 및 반복적인 단축물 제거를 통해 질문을 생성하는 단계가 포함되었으며, 68명의 원어민 검증자 참여를 통해 구축되었습니다.

다양한 모델 구성에 대한 평가 결과는 장거리 서사 통합과 문화적으로 근거한 추론 모두에서 상당한 한계를 드러냈습니다. NARU는 이러한 지속적인 격차를 노출함으로써 장편의 고맥락 비디오를 신뢰성 있게 해석할 수 있는 MLLM 개발을 위한 체계적인 테스트 환경을 제공합니다.

에이전트 스킬은 현재 수동으로 작성되거나 단일 LLM 생성 과정에서 만들어지기 때문에 상호작용 실패로부터 개선할 수 있는 폐쇄 루프가 없습니다. 최근 연구들은 이 루프를 닫으려 시도했지만, 단일 턴 질문 응답 평가에서 피드백을 얻는 방식은 심각한 비대칭성을 초래합니다. 한 번의 교환으로 드러난 격차를 첫 번째 단계에서 메우면, 진화 기울기는 감소하고 여러 턴에 걸쳐 나타나는 결함은 보이지 않으며 진화가 정체됩니다.

시스템의 거버넌스 역시 종단 간 검증 점수라는 스칼라 게이트에 의해 주도되는데, 이는 후보를 거부할 수는 있지만 구조적 원인을 국소화하거나 복구할 수는 없습니다. 연구진은 지속적인 스킬 진화에 대한 제약은 편집 능력이나 반복 횟수가 아니라 평가 피드백이 신뢰할 수 있는 진화 기울기를 계속 제공하는지에 달려 있다고 주장합니다.

이에 연구진은 SkillEvo를 제안하며, 신뢰할 수 있는 피드백이 기울기를 생성하고 제어 가능한 거버넌스가 그 방향을 제한하도록 합니다. SkillEvo는 다중 턴 사용자 시뮬레이션을 피드백 생성기로 전환하여 수정의 각 라운드가 피드백을 소비하고 새로운 피드백을 생성하도록 합니다. 또한, 스칼라 게이트의 수동 거부를 대체하여 사실적 저하와 구조적 팽창을 적극적으로 복구하는 독립적인 거버넌스 계층을 도입하여 저하가 축적되더라도 기울기가 표류하는 것을 방지합니다.

이러한 접근 방식은 6가지 클라우드 서비스 범주, 9개의 프로덕션 스킬, 98개의 스킬 참조 파일에 걸쳐 자기 성찰 기반 진화보다 23.0점, 단일 턴 QA 기반 진화보다 15.4점 높은 성능을 보였습니다.

심전도(ECG), 광혈류 측정(PPG), 그리고 음성심장학(PCG)은 동일한 심장 주기 정보를 제공하지만, 기존의 심장 기반 모델들은 단일 센서 모달리티로만 학습되어 센서 간 공유되는 생리학적 정보를 활용하지 못했습니다. 이에 연구진은 ECG, PPG, PCG 세 가지 모달리티 전체에 걸쳐 단일 공유 표현을 학습하는 심장 기반 모델인 CardioState-JEPA를 제안했습니다.

CardioState-JEPA는 생리학적으로 인식하는 결합 임베딩 예측 아키텍처를 기반으로 하며, 이질적인 파형들을 공통 토큰 공간으로 매핑하고 단일 공유 트랜스포머 인코더로 처리하여 학습합니다. 모델은 센서별 파형의 외관보다는 공유되는 생리학적 상태를 예측하는 것을 목표로 하며, 시간적 오프셋을 처리하기 위해 학습된 지연 정렬기(delay aligner)를 사용하여 전기적, 기계적, 혈역학적 사건들을 해당 심장 시간으로 일치시킵니다.

이러한 접근 방식은 모달리티 간 동기화된 다중 센서 기록이 부족한 상황에서, 단일 모달리티 내 구조로부터 학습한 후 쌍별 데이터를 사용하여 잠재 심장 시간에서 모달리티를 정렬하는 방식으로 이루어집니다. 평가 결과, 이 인코더는 ECG, PPG, PCG에 걸친 25가지 다운스트림 작업에서 최고 자체 지도 신호 기준선 대비 PPG 분류에서 8.2 AUROC 포인트, PCG 잡음 탐지에서 18.8 AUROC 포인트, ECG 분류에서 15.5 AUROC 포인트를 개선했습니다.

이는 이질적인 심장 신호들이 단일 심장 생리학적 기반 모델을 상호 감독할 수 있음을 입증하며, 다양한 심장 신호가 공유된 심장 생리학적 모델을 구축하는 데 활용될 수 있음을 보여줍니다.

잠재 공간 기반 비디오 생성은 오토인코더에 의존하지만, 기존 비디오 오토인코더의 잠재 공간은 픽셀 수준 재구성에 최적화되어 있어 고수준의 의미론적 조직화가 부족합니다. 이에 본 연구는 고정된 비전 파운데이션 모델 표현 위에 압축적인 생성 잠재 공간을 구축하는 비디오 표현 오토인코더인 V-RAE를 제안합니다. V-RAE는 시간적 중복성을 제거하면서 의미 구조를 보존하는 경량의 시간 풀링 모듈과 압축된 특징으로부터 연속적인 움직임을 재구성하는 비디오 디코더를 포함합니다.

V-RAE는 비디오 재구성, 의미론적 탐색, 클래스 조건부 생성에 대해 평가되었으며, K600에서 2.13 rFVD를 달성하여 평가된 모든 대규모 사전 학습 비디오 VAE를 능가했습니다. 또한, V-RAE의 잠재 공간은 기존 비디오 토크나이저 잠재 공간보다 훨씬 더 많은 의미 정보를 유지합니다. 생성 설정이 일치하는 조건에서, 이 모델은 UCF101과 K600에서 각각 117.86과 19.16의 gFVD 점수를 달성하며 최대 6배 빠른 속도로 수렴합니다.

연구진은 재구성 품질만으로는 생성 유용성을 완벽하게 측정하기 어렵다는 점을 지적하며, 다운스트림 생성 품질과 더 신뢰성 있게 상관관계를 갖는 시간 일관성 진단 지표인 tFVD를 도입했습니다. 나아가 V-RAE는 Cityscapes 데이터셋에서 Wan 2.2 VAE 잠재 공간을 기반으로 미래 비디오 예측 성능을 향상시켰습니다.

이러한 실험 결과는 고정된 의미론적 표현이 비디오 재구성, 생성, 예측 모델링을 모두 지원할 수 있음을 보여줍니다.

문서 파싱은 비정형 문서를 구조화되고 기계가 읽을 수 있는 형태로 변환하는 것을 목표로 합니다. 최근 비전-언어 모델(VLM)의 발전은 문서 파싱 분야를 크게 진전시켰으나, 기존 접근 방식들은 여전히 두 가지 주요 문제에 직면해 있습니다. 첫째, 분리된 VLM 기반 방법들은 정확한 레이아웃 분석에 크게 의존하는데, 카메라로 촬영된 문서의 기하학적 왜곡이 연쇄적인 오류를 발생시킬 수 있습니다. 둘째, 종단 간(end-to-end) VLM 기반 방법들은 명시적인 레이아웃 감지에 대한 의존도를 완화하지만, 고해상도 시나리오에서 중복 생성, 환각 현상, 그리고 불충분한 구조적 추론 문제를 겪습니다.

이러한 문제들을 해결하기 위해 연구진은 문서 파싱을 위한 통합 프레임워크인 NaviDC-OCR을 제안했습니다. NaviDC-OCR은 VLM에 기하학적 인식을 통합하는 변형 인식 학습(deformation-aware learning)을 도입하고 복잡한 레이아웃 표현을 위한 적응형 샘플링 메커니즘을 제안합니다. 또한, 공식 문법과 표 구조를 명시적으로 모델링하여 보다 효과적인 구조적 표현 학습을 가능하게 하는 내용-구조 분리 학습 전략을 개발했습니다.

광범위한 실험 결과, NaviDC-OCR은 다양한 문서 파싱 벤치마크에서 최고 수준의 성능을 달성했습니다. 이 모델은 OmniDocBench v1.6에서 96.87점, Wild-OmniDocBench에서 88.53점, PureDocBench에서 78.41점을 획득했으며, ICDAR 2026 Sci-ImageMiner 챌린지에서 1위를 차지했습니다. 이러한 결과는 복잡한 문서 파싱 시나리오에서 NaviDC-OCR의 효과와 일반화 능력을 입증합니다.

추론 모델에서 정확한 답변과 관련된 추론 행동은 무엇이며, 추론 지향 훈련이 이러한 행동을 증폭시키는지에 대한 연구 결과가 발표되었습니다. 이 연구는 추론 지향 훈련이 모델의 정확도와 가장 밀접하게 관련된 행동을 증폭시키지 않으면서 추론 과정을 더 신중하게 보이게 만들 수 있다는 점을 강조합니다.

연구진은 행동 리프트(Behavioral Lift)라는 측정 지표를 사용하여 이러한 불일치를 정량화했습니다. 행동 리프트는 모델의 추론 과정에 특정 행동이 존재할 때와 없을 때 정확도가 얼마나 변하는지를 측정합니다. 텍스트 전용 및 비전-언어 추론을 포함한 15개 모델과 6개 벤치마크에서 15,282개의 추론 흔적을 분석한 결과, 추론 모델은 자기 수정(self-correction), 가설 테스트(hypothesis testing), 불확실성 인정(uncertainty acknowledgment)과 같은 행동을 강하게 증폭시키는 것으로 나타났습니다.

하지만 가장 높은 리프트(highest-lift)를 보이는 행동들은 신뢰도 보정(confidence calibration), 지식 정렬(knowledge alignment), 자기 인식(self-awareness)이었습니다. 특히 신뢰도 보정은 두 양식 모두에서 정확도의 가장 강력한 긍정적 신호이지만 증폭이 거의 일어나지 않았습니다. 반면, 불확실성 인정은 3배에서 7배 증폭되었음에도 불구하고 정확도와는 약하거나 부정적인 연관성을 보였습니다.

결론적으로 추론 지향 훈련은 가장 높은 리프트 행동들을 선호적으로 증폭시키지 않는다는 사실이 밝혀졌습니다. 이는 표면적인 형태뿐만 아니라 보정되고 근거 있는 추론을 보상하는 프로세스 수준의 목표를 설정해야 함을 시사합니다.

의회 기록은 민주적 숙고의 주요 기록이지만, 방대한 양과 파편화로 인해 시민, 기자, 연구자들이 다각적인 접근을 하는 데 어려움이 있습니다. 따라서 의회 기록에 검색 증강 생성(RAG)을 적용할 경우, 가장 빈번한 발언자의 지배, 주제별 전문성에 따른 화자 가중치 부여 불가, 정치적으로 민감한 텍스트에서의 인용 오류라는 세 가지 위험이 발생할 수 있습니다.

이러한 위험을 해결하기 위해 이탈리아 하원의원들을 위한 RAG 시스템인 ParliamentRAG가 제시되었습니다. 이 시스템의 핵심 기여는 주제에 따라 의존하는 권위 모델로, 현재 질의에 따라 각 화자의 권위를 추정하며 직업, 학력, 이전 발언과 같은 해석 가능한 구성 요소를 결합합니다. ParliamentRAG는 사용자 질의에 대해 관련 발언 조각을 검색하고 의회 그룹 전반의 주제 관련 전문가를 식별한 다음, 그들의 관점을 종합하여 지원 인용구를 포함한 요약을 생성합니다.

ParliamentRAG는 15가지 정책 주제에 대해 자동화된 지표와 6명의 도메인 전문가에 의한 블라인드 A/B 인간 평가를 결합한 이중 프로토콜을 통해 Google NotebookLM과 비교 평가되었습니다. 그 결과, ParliamentRAG는 정치 그룹 전반의 커버리지에서 더 높은 수치(0.97 대 0.95), 완벽한 인용 충실도(1.00 대 0.95), 그리고 출처 관련 차원에 대한 전문가 선호도에서 더 강한 결과를 보였습니다. 반면 NotebookLM은 산문 지향적인 차원에서 더 강력한 성능을 보였습니다.

새롭게 소개된 Mimir v1은 계층적 추론 모델(HRM) 아키텍처를 기반으로 10억 개의 매개변수를 가진 언어 모델입니다. 이 모델은 사전 훈련된 데이터가 아닌 허용 가능한 후처리 데이터만을 사용하여 처음부터 훈련되었으며, 영어 성능은 물론 덴마크어에서 새로운 최고 성능을 달성했습니다.

Mimir v1은 총 161개의 데이터셋을 혼합하여 훈련되었으며, 영어, 수학 및 코딩, 덴마크어에 걸친 20개의 벤치마크에서 경쟁력을 입증했습니다. 이 모델은 기존의 HRM-Text 1B 모델을 능가하며, Qwen 3.5 4B나 Gemma 4 E2B와 같은 더 큰 최첨단 모델들과도 경쟁합니다.

이러한 결과는 연구자들이 공개되고 윤리적으로 확보된 데이터만을 사용하여 고성능 언어 모델을 개발할 수 있다는 것을 보여줍니다. Mimir v1은 Hugging Face Hub를 통해 공개되어 개발 커뮤니티에서 접근 가능합니다.