AI Today

JetBrains가 허깅페이스를 통해 Mellum2라는 12B 파라미터 규모의 Mixture-of-Experts 모델을 공개했다. 코딩 작업에 특화된 이 모델은 IDE와 자연스럽게 통합될 수 있어 개발자 경험을 크게 향상시킬 것으로 기대된다. JetBrains의 AI 개발 도구 생태계 확장에 중요한 이정표가 될 전망이다.

NVIDIA가 물리적 AI 추론과 행동 모델링을 위한 Cosmos 3를 공개했다. 이는 로봇공학과 자율주행에서 핵심이 되는 세계 모델링과 행동 예측을 하나의 모델로 통합한 첫 번째 오픈소스 옴니모델이다. 물리 법칙을 이해하고 예측하는 AI의 새로운 패러다임을 제시한다.

OpenAI의 프론티어 모델들과 Codex가 AWS에서 일반 이용 가능해졌다. 기업들은 이제 기존 AWS 환경과 보안 정책을 유지하면서 OpenAI의 최신 AI 모델을 활용할 수 있게 됐다. 엔터프라이즈 AI 도입의 접근성을 크게 높이는 중요한 발표다.

Claude 개발사 Anthropic이 미국 증권거래위원회에 IPO 예비 신청서를 기밀로 제출했다고 발표했다. AI 안전과 헌법적 AI로 주목받은 Anthropic의 상장은 AI 업계의 투자 트렌드와 기업 가치 평가에 새로운 이정표가 될 것으로 예상된다.

OpenAI가 Stargate 프로젝트의 일환으로 미시건에 1기가와트 규모의 대형 데이터센터 건설을 시작했다. 이는 AGI를 향한 확장에 필요한 인프라 구축의 핵심 단계로, 지역 일자리 창출과 AI 접근성 확대에도 기여할 예정이다.

중국이 세계 최초로 침습형 뇌-컴퓨터 인터페이스 칩을 공식 승인했다. 척수 손상 환자의 운동 기능 회복을 목표로 하는 이 기술은 신경과학과 AI의 융합 분야에서 중국의 선도적 위치를 보여준다. 뇌 신호 해석을 위한 AI 알고리즘 발전에도 중요한 데이터를 제공할 것으로 기대된다.

IBM 연구팀이 대규모 기업 환경에서 AI Agent 도입을 위한 새로운 논리 프레임워크를 발표했다. 단순한 LLM을 넘어서 복잡한 비즈니스 프로세스에서 신뢰할 수 있는 AI 의사결정을 가능하게 하는 구조적 접근법을 제안한다. 엔터프라이즈 AI의 실질적 도입 가속화에 기여할 전망이다.

Google이 자사 AI 모델 Gemini를 활용해 Google I/O 2026을 어떻게 제작했는지 상세한 과정을 공개했다. 콘텐츠 기획부터 발표 자료 생성까지 AI가 담당한 역할들을 구체적으로 소개하며, 대규모 이벤트 제작에서 AI 활용의 새로운 가능성을 제시했다.

NVIDIA가 RTX Spark라는 새로운 AI 추론 최적화 제품을 발표했다. 로컬 AI 애플리케이션의 성능을 극대화하는 것을 목표로 하며, 개발자들이 GPU 리소스를 더 효율적으로 활용할 수 있게 해준다. 엣지 AI와 실시간 추론 애플리케이션 개발에 중요한 도구가 될 전망이다.

스탠포드 대학교의 CS336 강의에서 AI Agent 개발을 위한 포괄적인 가이드라인을 GitHub에 공개했다. Claude를 중심으로 한 실습 과제와 함께 Agent 아키텍처 설계 원칙을 제시하여, AI Agent 교육의 표준을 제시한다. 학계와 산업계의 Agent 개발 방법론 발전에 기여할 것으로 기대된다.

물리 기반 다이어그램 생성: 자연어에서 물리 법칙을 준수하는 시각화

Nafiul Haque, Syed Nazmus Sakib, Shifat E Arman

자연어 설명으로부터 물리 법칙을 엄격히 준수하는 다이어그램을 생성하는 새로운 방법을 제시한다. 기존 생성 모델들이 물리적으로 불가능한 힘의 벡터나 보존 법칙 위반을 빈번히 만들어내는 문제를 해결하고자 한다. 교육용 콘텐츠 생성과 과학 시뮬레이션 분야에서 중요한 진전이 될 것으로 기대된다.

자율주행 강화학습에서 불확실성 인식 전문가 조언 시스템

Ahmed Abouelazm, Felix Klingebiel, Philip Schörner

자율주행에서 강화학습의 탐험 과정이 본질적으로 위험한 문제를 해결하기 위해 불확실성을 인식하는 전문가 조언 프레임워크를 제안한다. AI가 새로운 상황을 학습할 때 충돌이나 차선 이탈 없이 안전하게 탐험할 수 있게 해준다. 안전이 핵심인 자율주행 AI 개발에서 실용적 가치가 높은 연구다.

자기진화 LLM Agent에서 하네스 업데이트와 능력 향상 분리

Minhua Lin, Juncheng Wu, Zijun Wang

LLM Agent가 외부 도구나 스킬을 업데이트하는 것과 실제 문제 해결 능력이 향상되는 것은 별개 현상임을 실증적으로 보여준다. Agent가 도구를 추가하거나 프롬프트를 개선해도 근본적인 추론 능력은 크게 달라지지 않을 수 있다는 중요한 발견이다. Agent 성능 평가와 개발 방향 설정에 큰 시사점을 제공한다.

전자의료기록 기반 임상 의사결정을 위한 자동화된 LLM 벤치마크

Yuzhang Xie, Keqi Han, Yunpeng Xiao

실제 전자의료기록 데이터를 활용해 LLM의 임상 의사결정 능력을 자동으로 평가하는 신뢰성 있는 벤치마크를 구축했다. 진단, 치료 선택, 예후 예측 등 의료진의 핵심 업무를 AI가 얼마나 잘 수행하는지 체계적으로 측정할 수 있게 한다. 의료 AI의 실용성과 안전성 검증에 필수적인 도구가 될 것이다.

Agent 도구 호출에서 일반화 성능 향상을 위한 MAVEN

Omkar Ghugarkar, Vishvesh Bhat, Muhammad Ahmed Mohsin

서로 다른 도구 환경에서 AI Agent의 일반화 능력을 크게 향상시키는 MAVEN 프레임워크를 제안한다. Agent가 특정 도구셋에서만 작동하는 것이 아니라 다양한 환경에서 추론 전략을 유연하게 조합할 수 있게 해준다. 범용 Agent 시스템 개발에서 해결해야 할 핵심 과제에 대한 실질적 솔루션을 제시한다.