완성작들의 점수 차이로 생성 과정을 고친다 — DiffusionART
여러 결과물의 점수 차이에서 교정 방향 하나를 추정해 생성 단계들이 나눠 쓴다. 과제별 재튜닝 없이 적은 GPU로 배우는 DiffusionART를 읽는다.
다섯 개가 한꺼번에 — AI PM은 처리 전에 '확인 순서'부터 짠다
요청이 몰리면 겉모습으로 줄 세우는 순간 가장 비싼 일을 놓친다. 열어봐야 순서가 보인다 — AI PM이 확인과 처리를 나눠 우선순위를 잡는 법, 그리고 사람이 끝까지 쥐어야 할 결정.
실행 땐 AI 모델 없이 코드만으로 — 로봇 정책 COAP 해부
실행 중에는 AI 모델 없이, 미리 개발된 코드가 로봇 상태를 측정하고 동작을 결정한다. RoboDojo 42개 양팔 과제에서 70.24% 성공.
검증 한 번의 무게를 줄이는 SpecFold: 확산형 언어모델의 중복 계산 접기
함께 검증하는 초안 후보들이 공유하는 투영·FFN 계산을 접어 재사용해 검증 한 번의 비용을 낮춘다. 다만 속도 이득과 정확도 변화는 모델·과제에 따라 갈린다.
REMORY: 요약이 놓친 에이전트의 기억을 메우는 법
긴 작업에서 맥락을 압축할 때 요약 옆에 학습된 메모리를 덧붙인 연구. 같은 실패를 되풀이하는 헛수고가 줄고 주장과 출처를 잇는 능력이 올랐다. 다만 내용을 더 찾아 주지는 않았다.
흐려도 제자리에: 3인칭 영상을 1인칭으로 바꾸는 LEGO
3인칭 영상을 1인칭 시점으로 바꾸는 LEGO. 선명한 조건보다 위치가 맞는 흐릿한 조건이 왜 더 나은지, 실험을 따라가며 짚는다.
LLM 시뮬레이터, 어디서 들키나 — 가위바위보 실험
통제 실험에서 LLM은 행동 빈도는 잘 맞혔지만, 과거에 따라 다음 수를 정하는 순서 규칙을 복원하고 지키는 데는 약했다. 두 단계 전까지 봐야 하는 규칙에서 특히 크게 무너졌다.
세 번 생각하는 AI: 글 대신 판단을 고쳐 쓰는 결정 모델 SanSi
글을 한 글자도 쓰지 않고 같은 층을 여러 번 되돌려 판단을 고쳐 쓰는 결정 모델 SanSi. 구조를 맞춘 비루프 모델보다 13.5%p 높은 72.0% 정확도를 냈다.
'고쳤습니다'를 믿지 않는 코딩 비평가, Opera
긴 코딩 작업에서 '고쳤다'와 '정말 사라졌다'를 갈라 문제가 닫힐 때까지 따라붙는 비평가 Opera. 세 벤치마크에서 비평가 없는 기본보다 최대 15퍼센트포인트 높았다.
메시를 편집 가능한 CAD로 되돌리는 에이전트, CADFather
낡은 3D 모양(메시)을 편집 가능한 설계도로 되살리는 자율 에이전트. 한 도구에 기대지 않고 여러 도구와 후보를 지휘하며, 추가 학습 없이 작동한다.
좋은 그림은 점수 하나로 못 잡는다 — 이미지 AI를 끌어올리는 보상 조합법
점수 하나만 좇으면 진짜 품질은 되레 꺾인다. Arena·UCLA 연구진이 성격 다른 보상을 안정적으로 조합해 오픈소스 이미지 AI를 끌어올린 레시피를 뜯어본다.
과정을 채점했더니 답이 좋아졌다 — OneSearch-VL
정답만 보지 않는다. '어디를 봤고 무슨 근거로 답했나'까지 채점하는 OneSearch-VL. 이 과정 채점을 보상에 더하자 벤치마크 평균이 57.3에서 61.1로 올랐다.