리서치 레이더

기관 리서치

Google DeepMind

• 신규 없음 (Gemini 4 Argon·SynthID Bio는 2026-10-01 브리핑에서 이미 다룸; 그 이후 새 게시물 없음)

Google Research

• 프로비저닝 가능한 프라이버시를 갖춘 연합학습 — 기존 연합학습이 Secure Aggregation으로 암호학적 보호는 제공했지만 최신 차분 프라이버시 기법과 호환되지 않았고, 서버 운영자가 기기 데이터를 실제로 들여다보지 않는다는 것을 외부에서 검증할 방법이 없었다는 문제에, 신뢰실행환경(TEE) 기반 4단 아키텍처(기기측 암호화+접근정책 사전승인, RAFT 합의 기반 TEE-KMS 클러스터가 공개된 정책에 맞는 워크로드에만 복호화 허용, 루트 TEE가 Federated Language로 워커 TEE에 작업 위임, 암호화된 스냅샷 기반 장애복구)로 종단간 검증 가능한 연합학습을 제안. 접근정책을 공개 투명성 로그(Rekor)에 게시하고 재현 가능한 오픈소스 바이너리로 감사 가능성을 확보. Gboard 영어·일본어 다음 단어 예측에 실배포해 이전 시스템 대비 더 강한 프라이버시 보장과 더 작은 노이즈 배율을 동시에 달성했고, 훈련 시간을 기존 1~2개월에서 서버측 병렬화로 크게 단축했으며 기기 업로드를 모두 모은 뒤 훈련을 시작해 주야간 가용성 제약도 해소. — 링크
  • 관련 주제: AI Agents

OpenAI

• 신규 없음 (RSS 기준 Research/Publication 카테고리에 최근 3일 내 신규 없음; 최신 게시물은 2026-08-01자 수학 난제 2편)

Anthropic

• 신규 없음 (Claude-shaped science는 2026-10-02 브리핑에서 이미 다룸; 그 이후 새 Research 게시물 없음)

Meta FAIR / Meta AI

• 신규 없음 (최신 게시물은 2026-07-09자 Muse Spark 1.1로 확인, 그 이후 갱신 없음)

Microsoft Research

• 신규 없음 (우주기상 위험 예보는 2026-10-01 브리핑, Quine은 2026-09-30 브리핑에서 이미 다룸; MSR Asia 싱가포르 1주년 회고는 연구 결과가 없는 조직 소식이라 제외)

NVIDIA Research

• NVIDIA GPU가 OpenAI GPT-6 Astra Ultrafast를 가속 — research.nvidia.com/publications는 항목 날짜가 학회 발표월(예: 2026년 12월) 등 미래 시점으로만 표시돼 실제 게시 시점을 특정할 수 없어(개별 항목 확인 결과 "2026년 10월" 라벨의 논문조차 상세 페이지에는 2026-10-05라는 미래 날짜가 적혀 있음) 오늘도 사용할 수 없었다. 대신 blogs.nvidia.com/feed를 썼다. Blackwell GPU에서 구동되는 OpenAI GPT-6 Astra의 "Ultrafast" 추론 모드가 표준 모드 대비 최대 8배 빠른 토큰 생성을 낸다고 발표 — OpenAI가 자사 모델로 Blackwell/Rubin GPU용 추론 소프트웨어를 직접 최적화한 결과이며, 코드 생성·툴 사용·에이전트의 edit-test-debug 반복 같은 상호작용 워크로드를 겨냥. 연구라기보다 인프라·제품 발표에 가깝지만 정량 수치가 있어 포함. — 링크
  • 관련 주제: AI Agents

Apple ML Research

• 언어 판별 강화가 다국어 음성모델의 학습을 개선 — 다국어 자기지도 음성모델이 동일 데이터 예산에서 단일언어 모델보다 성능이 떨어지는 문제에, 영어/프랑스어 HuBERT 프레임워크에서 보조 언어 분류기와 언어별 k-means 타깃 두 개입으로 사전학습 중 언어 판별력을 강화. Phone discrimination error가 11.6%→10.4%(단일언어 베이스라인 10.8%)로, lexical 성능이 52.1%→56.7%(단일언어 58.5%)로, prosodic 성능이 68.9%→72.9%(단일언어 72.6%)로 개선됐고, 개입을 HuBERT 학습 초기에 넣을수록 효과가 가장 컸다. — 링크
  • 관련 주제: Reasoning
• 이산 확산모델의 신뢰도 한계 — remasking·uniform-state 샘플러 같은 이산 확산모델이 한 스텝에서 여러 토큰 위치를 동시에 쓰는데, "한 스텝이 학습 분포와 일치하려면 그 스텝이 쓰는 위치들이 이미 고정된 토큰 조건에서 서로 조건부 독립이어야 한다"는 것을 이론적으로 보이고, 동일한 주변분포(marginal)가 서로 다른 결합분포(joint)를 가릴 수 있음을 증명. 닫힌 형태 분포를 아는 합성 과제(ScanAndAdd)에서 신뢰도 기반 순위로 쓰는 2개 이상 미결정 위치는 항상 종속임을 보였고, per-sample 지표는 1.0으로 완벽해 보여도 생성 분포가 샘플링 노이즈 하한의 29배에 달하는 분포 불일치를 보여 개별 토큰 지표가 좋아도 분포 자체는 학습 분포에서 크게 벗어날 수 있음을 시사. — 링크
  • 관련 주제: Reasoning

arXiv 신규

AI Agents

• Global Coherence: 모두가 옳은데 팀은 틀리다 (2610.02036) — 각 에이전트가 국소적으로는 타당한 결정을 내려도 팀 전체로는 잘못된 결과를 내는 "global coherence 문제"는 모델 지능 부족이 아니라 공유 상태(shared state) 실패라는 주장에, Observation-Aliasing Impossibility Theorem(동일 관측을 공유하는 k개의 구분 불가능한 세계가 서로 배타적인 행동을 요구하면 최선의 무작위 전략도 성공률 1/k를 넘을 수 없다는 정리)으로 그 경계를 정식화. 하네스가 공유 상태와 커밋을 소유하는 local-to-global 런타임 의미론(위상·범주·군푸이드·sheaf·최소 history)을 제안해, 결정적 사건이 보일 때 40/40이던 점수가 숨겨지면 사실상 우연 수준(12-17/40)으로 떨어지고 권위 있는 사실 하나만 복원해도 다시 40/40으로 돌아오는 것을 비롯해 TeamBench·tau2-bench Telecom 등 9개 연구에서 반복 검증 — 더 똑똑한 모델이나 더 많은 추론·메시지로는 누락된 전역 정보를 복구할 수 없음을 보임.
• Finding the Right Fit: 모델-하네스 상호작용 (2610.00917) — 에이전트 시스템 선택은 모델과 하네스를 동시에 고르는 일이라는 문제의식에, 4개 설정 가능 하네스(OpenHands, DeepSeek Harness, PI, openJiuwen) × 5개 모델 = 66개 조합을 TUA-Bench·ALE-CLI·Terminal-Bench 4에서 평가. 모델 순위가 하네스에 따라 뒤집힘을 확인(Terminal-Bench 4에서 Claude가 OpenHands에서는 GPT보다 7.94점 앞서지만 PI에서는 30.16점 뒤짐) — 벤더 자신의 하네스가 반드시 최선도 아니고 비용이 높다고 점수가 높은 것도 아니며(GPT는 DSH보다 저렴한 PI에서 더 높은 점수), 모델·하네스·과제를 함께 평가해야 한다고 결론.
• Worse Together: 멀티유저-멀티에이전트 팀의 성능 붕괴 (2610.00583) — 서로 다른 사용자를 위해 일하는 에이전트들이 공유 자원(코드베이스, 캘린더, 예산)을 두고 마주치면 조율에 실패해 단일 코디네이터 에이전트보다 결과가 나빠진다는 문제를, 5개 프런티어 모델 × 4개 환경(API 키 예산 공유, 병원 캘린더 공유, 개인비서의 그룹 주문/예약 공유, 머지 큐 공유) × 77개 시나리오에서 검증. 통신 채널이 없으면 2개 환경에서 완전히 붕괴하고 채널이 있어도 조율 오버헤드로 격차가 크게 남으며(개인비서 환경에서 코디네이터가 타깃 요청을 약 2배 더 많이 달성), stalling·서로의 행동 덮어쓰기·주장 조작 같은 구체적 실패 행동을 식별하고 팀 리더 지정·명시적 절차 지시 등 환경별 완화책을 제시.

AI Scientist / Automated Research

• YouRA: 증거 추적 가능한 자율 연구 에이전트를 위한 지속 상태 아키텍처 (2610.01097) — 종단간 연구 에이전트가 완결된 논문을 낼 수 있어도 원고 주장과 실제 실행된 실험이 괴리되는 구조적 문제(연구 상태·실패 이력·근거-주장 정합성이 지속적·검증 가능한 상태로 유지되지 않음)에, VSA(가설·게이트·증거 포인터를 관리하는 YAML 지속 상태)·Independent Controller(실행과 분리된 별도 LLM 컨텍스트의 제어)·Stateful Reflection(실패를 구조화된 교훈으로 기록해 repair/redesign/reset 3단계로 라우팅)을 결합. MLR-Bench 10-task에서 MLR-Agent·AI Scientist V2 대비 3개 백본 전부 Overall 1위, human-validated hallucination 유의 감소, real-data provenance 비율 개선, 4개 컴포넌트 모두 제거 시 유의미한 성능 하락을 확인.
  • 🎯 Paper Radar 채택 (근거: 3절 참고)
• Science or Slop?: AI 생성 과학 논문의 "슬롭" 벤치마킹과 완화 (2610.00531) — AI 생성 논문은 각 부분은 그럴듯해 보여도 부분을 잇는 과학적 추론이 끊어지는 "slop" 패턴을 보이며 기존 토큰 기반 AI 탐지기로는 잡히지 않는다는 문제에, Structure·Argument·Artifacts 3축 6개 지표로 slop을 정량화하고 연구문제·기여유형을 짝지은 AI-인간 논문 390쌍으로 SciSlopBench를 구축. 제안 지표가 85.9% 정확도로 AI 논문을 식별(Binoculars 68.7% 대비 우수)했고, slop 정도가 높을수록 ICLR 평점이 낮고 2017-2025 전 연도에서 게재거부 논문을 우연 이상으로 구별. 직접적인 slop 지표 최적화나 slop-인지 프롬프팅은 보상 해킹을 유발하는 반면, 실험 기록이 뒷받침하는 부분만 수정하도록 유도하는 SciSlopHarness가 AI-인간 격차를 기준 완화법 대비 63% 줄임.
• EurekaBench: 과학적 통찰 발견 능력 측정 (2610.00492) — 뉴턴이 행성 궤도 관측에서 메커니즘을 찾고 달 궤도로 검증해 "사과와 행성에 같은 힘이 작용한다"는 통찰에 이른 과정을 AI 에이전트가 재현할 수 있는지 묻는 교차 도메인 벤치마크. 신경과학·컴퓨터과학·화학·천체물리·지구물리·플라즈마물리 6개 분야 26개 장기 과제·306개 전문가 검증 과학적 통찰로 구성, 과학적 제약 준수·예측 정확도·통찰 도출 세 축으로 평가. 현재 AI 에이전트는 예측 정확도 최적화에 과도하게 집중해 인간 과학자를 능가하기도 하지만, 그 메커니즘에서 실제 과학적 통찰을 도출하는 데는 현저히 미달한다는 결과.

Hypothesis Generation

• Old Ideas, Novel Problems: LLM 기반 novelty 평가의 불안정성 (2610.02022) — 자동 아이디어 생성 시스템의 novelty를 LLM judge로 채점하는 관행이 실제로는 검증되지 않았다는 문제에, OpenReview에서 리뷰어가 독창성을 명시적으로 긍정/부정한 구간을 마이닝해 평가셋을 구축하고 6개 judge를 체계적으로 비교. 리뷰어가 어느 쪽을 novel로 판단했는지만 알려줘도 동일한 아이디어 쌍의 절반 이상에서 judge 판정이 뒤집히고(pairwise 정확도가 50점 이상 흔들리며 때로 우연 이하로 하락), 같은 프롬프트 변화가 한 judge에는 도움이 되고 다른 judge에는 해가 되며, 전용으로 설계된 novelty 평가기 2종이 가장 저렴한 프롬프트 베이스라인보다도 못한 성능을 보임 — 자동 ideation 시스템이 보고하는 novelty 향상 수치 자체에 의문을 제기.
  • 🎯 Paper Radar 보류 (근거: 3절 참고)
• 검증 혼잡 하에서의 과학적 발견: 다중 충실도 쌍대비교 (2610.01827) — 계산 기법이 분자·소재 등 후보를 대량으로 쏟아내는 반면 실험으로 검증할 역량은 그대로인 "검증 혼잡" 문제에, 데이터 기반 회귀 대신 여러 충실도 수준(경험칙부터 에이전틱 워크플로, 숙련 과학자까지)의 전문가 쌍대비교 순위로 유망 후보를 큐레이션하는 PRISMS를 제안. 전문가 간 충실도·비용이 다를 때 Fisher 정보 기준으로 저충실도에서 고충실도로 질의를 단계적으로 올리며, 약물 탐색 라이브러리 반복 스크리닝에서 회귀 기반 능동학습보다 약 42% 적은 라운드로, 무선택 에스컬레이션 순위 기반 방법보다 약 15% 적은 라운드로 top-10 발견 재현율 50%를 달성하고, 제약 없는 신규 설계 최적화에서는 베이지안 최적화 대비 hypervolume이 약 18.8% 높음.

Long-context

• AutoCompact: 장기 코딩 에이전트의 컨텍스트 압축 시점 학습 (2610.02163) — 저장소 단위 코딩 과제의 긴 궤적에서 컨텍스트 관리는 오버플로 방지를 넘어 "언제 압축하고 무엇을 보존할지"의 문제라는 데 착안, 베이스 에이전트의 압축 결정·요약·이후 행동을 judge가 검토해 잘못된 출력을 교정된 것으로 대체한 궤적으로 지도학습 후, 코딩과 압축 결정을 함께 강화학습으로 최적화. SWE-bench Verified·SWE-PolyBench Verified에서 베이스 모델 대비 각각 9.2%p·5.0%p 절대 성능 향상, 256K 컨텍스트에서는 오버플로가 전혀 없고 16K처럼 좁은 윈도우에서도 폴백 압축으로 성능 유지.
• Causal Memory Policy: 검색에 개입해 메모리 유용성을 식별 가능하게 만들기 (2610.02070) — 메모리 증강 LLM이 검색된 메모리에만 의존해 유용성을 추정하면, 한 번도 검색되지 않은 메모리는 store-level 개입으로도 그 효과가 식별 불가능한 "검색 단계의 positivity violation"이 생긴다는 문제에, 알려진 성향 점수로 샘플링된 메모리를 위해 고정된 컨텍스트 슬롯을 할당해 검색 자체에 개입하는 Causal Memory Policy(CMP)를 제안, 균형 배정 설계 하에서 self-normalized inverse propensity weighting으로 유용성을 추정. LongMemEval에서 필요 메모리의 54%, LoCoMo에서 67%가 식별 불가능함을 실증하고, CMP가 필요/불필요 메모리 판별력을 AUC 0.54→0.66으로 개선했으나, 개별 질의 유용성(AUC 0.78)이 추정된 그 질의 자체에만 통하고 미지의 질의로 일반화하는 집계 방법은 없다는 한계도 함께 제시.

Reasoning

• The Missing Primitive: LLM 수학적 추론의 진단과 수리 (2610.02191) — LLM이 프런티어 수학 문제를 풀어내도 그 해법을 뒷받침하는 구조적 수학 이해를 갖췄는지는 불분명하다는 문제에, "Mathematical Primitive" 개념으로 Discovery·Generation·Digestion·Execution 4개 축의 벤치마크를 제안. 정답 정확도가 서로 다른 능력 프로파일을 가린다는 것, primitive가 상당한 잠재 실행 능력을 열어준다는 것, Discovery가 수학적 추론의 지배적 병목이라는 것을 체계적으로 진단하고, Discovery가 제한된 실패일수록 포스트트레이닝으로 고치기 쉽다는 것을 보여 primitive 중심 자기증류 프레임워크로 모델 규모·벤치마크 전반에서 일관된 개선을 달성.
• 강화학습 스케일링은 정말 더 많은 훈련을 요구하는가? (2610.01133) — 완결된 RL 훈련 이력이 옵티마이저가 실제로 방문한 체크포인트보다 더 강한 정책을 담고 있을 수 있다는 "policy-space scaling" 개념을 제시, 동일 RL 런의 두 체크포인트(고정확도 anchor와 더 짧은 응답을 내는 경쟁력 있는 donor)를 공유 초기화로부터의 변화량으로 표현해 anchor 업데이트를 스펙트럼 분해한 뒤 지배적 성분은 유지하고 donor의 보완적 성분을 결합하는 SURGE를 제안. 추가 훈련이나 쿼리당 추론 연산 증가 없이 DeepSeek(1.5B, 수학 추론)·Nemotron(1.5B)·OLMo(7B, 코딩) 세 RL 이력에서 두 입력 체크포인트보다 더 적은 추론 토큰으로 더 높은 정확도를 달성(DeepSeek AIME24 54.17% vs 측정된 네이티브 최대치 50.83%) — 저장된 RL 이력 자체가 재사용 가능한 스케일링 자원이라는 결론.

Paper Radar 채택1보류2탈락3