토큰마다 양자 회로를 맞춤 생성: HyperQ, 큐빗을 넓혀 성능을 끌어올리다
얼린 11억 파라미터 모델에 토큰별 양자 회로를 붙여 큐빗을 16→64로 늘리자 벤치마크 평균이 47.65→54.30점으로 올랐다(본체보다 +4.71). 대부분 고전 계산이며 양자 우위 주장은 없다.
월드 모델, 상호작용해도 무너지지 않는가 — HappyWorld-Bench
영상·공간·체화형 월드 모델을 하나의 잣대로 묶어, 겉보기 품질이 아니라 들어가 돌아다니고 건드렸을 때의 신뢰성을 재는 통합 벤치마크.
상호작용으로 공간을 배우는 VLM, Spatial-Interactor 심층 분석
정지 이미지 대신 '관찰-행동-관찰' 상호작용 궤적으로 시각-언어모델의 공간 추론을 3단계 커리큘럼으로 학습시킨 Spatial-Interactor 논문 해설.
SpeakerMem-R1: 여러 명이 오가는 대화를 '누가·누구에 대해' 기억하는 AI 메모리
다자 대화에서 누가 누구에 대해 말했는지와 각자의 상황 변화까지 함께 기억하는 이중 트랙 메모리. 기존 메모리 시스템을 앞서는 성능을 보고했다.
RULER: 정답 없는 SVG 생성에 '채점 기준표'로 보상을 주는 법
정답 이미지가 없는 SVG 생성 과제에서, 지시문마다 6개 항목의 채점 기준표(루브릭)를 자동으로 만들어 강화학습 보상으로 쓰는 RULER를 뜯어본다.
문서 검색을 위한 지능형 청킹, D-RAC: 어떤 형식의 기업 문서도 RAG에 바로 넣는 법
기업의 온갖 문서(PDF·워드·PPT·스캔)를 PDF로 표준화한 뒤 멀티모달 LLM 한 번으로 검색 최적화 마크다운으로 바꿔, 청킹 비용을 대폭 낮춘 D-RAC 연구를 쉽게 풀어봅니다.
로봇에게 "무엇을 어디서"를 먼저 가르치기: 3D 그라운딩 기반 GAM 해설
로봇 파운데이션 모델에 3D 그라운딩을 내장한 GAM 논문 분석. 언어·점·박스로 대상 물체를 지정해 흔들리는 환경에서도 조작 성공률을 높였다.
에이전트의 '안목'을 측정한다: The Tasteful Agent 논문 심층 분석
장기 과업에서 에이전트가 내리는 갈림길 선택 능력을 '안목'으로 정의하고, 이를 자동 벤치마크(Taste-Bench)로 측정·학습시킨 연구를 쉽게 풀어 설명한다.
게임을 잣대로 AI를 재다 — 텐센트 GameHorizon Suite 해설
텐센트 ARC Lab의 GameHorizon Suite는 게임 플레이 능력을 짧은·중간·긴 시간 지평으로 나눠 재현 가능하게 측정하는 데이터·평가 세트다. 무엇을 재고 무엇은 아직 못 재는지 정리했다.
WorldCrafter: 카메라로 불러오는 3D 기억으로 일관된 비디오 월드 모델 만들기
시점(카메라)이 과거 관측을 어떻게 압축할지를 정하는 '암시적 3D 기억'으로, 분 단위 장면 탐험에서도 일관성과 카메라 제어 정확도를 끌어올린 비디오 월드 모델 WorldCrafter를 쉽게 풀어봅니다.
실시간 풀듀플렉스 AI, Realtime-Venus: 듣고 보고 일 시키는 대화 시스템
9B 모델 두 변형(음성·영상 Omni, 음성 전용 Audio) 중 세션마다 하나로 실시간 풀듀플렉스 대화와 백그라운드 작업 위임을 처리하는 Realtime-Venus를 초록 기준으로 심층 분석한다.
답을 아는 AI와 가르치는 AI는 다르다 — 교육 모델 OmniEdu
문제풀이와 개인교습은 다른 능력이다. OmniEdu는 교육 데이터를 '출처'가 아니라 '역량' 기준으로 다시 짜, 두 가지를 함께 잘하도록 학습한 오픈 교육 모델이다.