AI Today

OpenAI가 차세대 언어모델 GPT-5.5를 발표했습니다. 시스템 카드와 생물학적 안전성 버그바운티 프로그램도 함께 공개되었으며, 최대 2만 5천 달러의 보상금이 책정되었습니다. AI 안전성과 성능 향상에 대한 OpenAI의 지속적인 투자를 보여주는 중요한 업데이트입니다.

Alibaba가 Qwen3.6-27B 모델을 공개했습니다. 27B 파라미터의 밀집 모델임에도 불구하고 플래그십 수준의 코딩 능력을 보여줍니다. 더 작은 모델로도 고성능을 달성할 수 있음을 증명하여 비용 효율적인 AI 배포에 큰 의미가 있습니다.

Zed 에디터가 여러 AI 에이전트를 동시에 실행할 수 있는 병렬 에이전트 기능을 출시했습니다. 개발자가 코드 작성, 리뷰, 테스트 등의 작업을 동시에 처리할 수 있어 생산성이 크게 향상될 것으로 기대됩니다.

Google Cloud Next에서 Google과 NVIDIA가 AI 추론 비용을 대폭 줄이는 새로운 A5X 베어메탈 인스턴스를 발표했습니다. 대규모 AI 모델 운영 비용 문제 해결에 중요한 진전으로, 기업의 AI 도입 장벽을 낮출 것으로 예상됩니다.

Anthropic이 최근 Claude Code의 품질 저하 문제에 대한 원인 분석과 해결책을 공개했습니다. 4월 23일 발생한 문제에 대한 상세한 포스트모템을 통해 투명성을 보여주며, AI 코딩 도구의 신뢰성 확보에 대한 중요성을 부각시켰습니다.

Sony AI가 개발한 자율 탁구 로봇이 정식 경기에서 고수준 인간 선수들을 상대로 승리를 거두었습니다. 실시간 움직임 예측과 정밀한 모터 제어를 결합한 성과로, 스포츠 분야에서의 AI와 로보틱스 융합 가능성을 입증했습니다.

페이스북 AI 수석 과학자 야나 르쿤이 설립한 AMI Labs가 단 12명의 직원으로 10억 달러 투자를 유치했습니다. 기존 AI와는 다른 접근법을 표방하며, 투자자들이 여전히 혁신적인 AI 연구에 큰 기대를 걸고 있음을 보여줍니다.

Google이 TPU를 두 개의 칩으로 분할한 새로운 아키텍처를 공개했습니다. 이는 AI 에이전트 시대에 필요한 복잡한 워크로드를 더 효율적으로 처리하기 위한 전략으로, AI 인프라 설계의 새로운 방향을 제시합니다.

ARES: 정책-보상 시스템의 적응적 레드팀 공격과 종단간 복구

Jiacheng Liang, Yao Ma, Tharindu Kumarage

RLHF의 핵심 취약점인 불완전한 보상 모델 문제를 해결하는 새로운 프레임워크를 제시합니다. 적응적 공격 탐지와 자동 복구를 통해 AI 시스템의 안전성을 크게 향상시킬 수 있는 중요한 연구입니다.

AI 과학자는 과학적 추론 없이 결과를 생성한다

Martino Ríos-García, Nawaf Alampara, Chandan Gupta

LLM 기반 과학 연구 시스템이 올바른 결과를 내더라도 실제 과학적 추론 과정을 따르지 않는다는 중요한 발견을 제시합니다. AI의 과학 연구 자동화에 대한 근본적인 한계를 지적하는 주목할 만한 연구입니다.

컴퓨터 사용 에이전트를 위한 인간 가이드 피해 복구

Christy Li, Sky CH-Wang, Andi Peng

컴퓨터 시스템에서 작동하는 AI 에이전트가 피해를 일으켰을 때 효과적으로 복구하는 방법론을 제시합니다. 예방에 실패했을 때의 사후 대응 전략으로, 실제 배포 환경에서 필수적인 안전장치 연구입니다.

자연어에서 실행 가능한 Narsese로: NARS 추론을 위한 뉴로-심볼릭 벤치마크

Mina Gabriel, Pei Wang

LLM의 언어 생성 능력과 명시적 심볼릭 추론을 결합하는 새로운 프레임워크를 제안합니다. 해석 가능한 불확실성과 다단계 추론이 필요한 복잡한 문제 해결에 중요한 진전을 보여줍니다.

적대적 환경이 에이전틱 AI를 어떻게 오도하는가?

Zhonghao Zhan, Huichi Zhou, Zhenhao Li

도구 통합 AI 에이전트가 악의적인 환경에서 공격받는 새로운 취약점을 분석합니다. 외부 도구 의존성이 만드는 공격 표면을 체계적으로 연구하여 AI 에이전트 보안의 새로운 과제를 제시합니다.

AutomationBench: 크로스 애플리케이션 자동화 벤치마크

Daniel Shepard, Robin Salimans

단일 태스크가 CRM, 이메일, 캘린더, 메시징을 아우르는 실제 비즈니스 워크플로우를 평가하는 새로운 벤치마크를 제시합니다. 크로스 애플리케이션 조정, 자율적 API 발견, 정책 준수가 결합된 실용적인 AI 자동화 평가 도구입니다.

개인화된 벤치마킹: 개인 선호도로 LLM 평가하기

Cristina Garbacea, Heran Wang, Chenhao Tan

모든 사용자 선호도를 평균화하는 기존 벤치마크의 한계를 극복하여 개인별 맞춤형 LLM 평가 방법론을 제안합니다. AI 시스템의 개인화 성능을 정확히 측정할 수 있는 새로운 평가 패러다임을 제시합니다.

추론 구조가 추론 모델의 안전성 정렬에 미치는 영향

Yeonjun In, Wonjoong Kim, Sangwu Park

대형 추론 모델이 악의적 쿼리에 유해한 응답을 생성하는 근본 원인이 추론 구조에 있음을 밝혔습니다. 추론 능력과 안전성 사이의 균형을 맞추는 새로운 관점을 제시하는 중요한 안전 연구입니다.

TTKV: 장문 맥락 LLM 추론을 위한 시간적 계층 KV 캐시

Gradwell Dzikanyanga, Weihao Yang, Hao Huang

KV 캐싱의 메모리 사용량이 맥락 길이에 비례하는 확장성 문제를 해결하는 새로운 시간적 계층 구조를 제안합니다. 장문 맥락 처리 시 메모리 효율성을 크게 개선하여 실용적인 LLM 배포에 중요한 기여를 합니다.