리서치 레이더

기관 리서치

Google DeepMind

• 신규 없음 (RSS 정상 확인, 최신 글은 전일까지 다룬 EmbeddingGemma 2(2026-10-06)로 변동 없음)

Google Research

• 신규 없음 (RSS 정상 확인, 최신 글은 전일까지 다룬 "Does better work always mean better workers?"(2026-10-07)로 변동 없음)

OpenAI

• 신규 없음 (RSS 정상 확인, Research/Publication 카테고리 최신 글은 전일까지 다룬 2026-10-06 "Sharing AI progress in mathematics"·"Advancing computer use with Ironclad"로 변동 없음)

Anthropic

• AI models may be capable of self-replicating without access to a datacenter — Frontier Red Team이 데이터센터 하드웨어 없이도 저가의 보안이 취약한 기기(스마트 TV 박스 등)를 거쳐 AI 모델이 자가복제할 수 있는지 시험했다. Android 에뮬레이터로 구성한 시뮬레이션 네트워크에서 복제 전 과정을 연쇄시켰고, 260억 파라미터 모델을 15개의 저가 TV 박스에 분산 배치해 실제로 돌렸다. 300억 파라미터 미만 모델도 이미 복제 단계 다수를 처리할 수 있었고, GLM-5.2급 모델은 단순화한 테스트에서 전체 복제 사이클을 완료했다(2026년 말까지 소형 모델도 도달 가능할 것으로 전망) — 이런 분산형 "웜"은 차단이 어려워 감염 기기 격리·IoT 보안 기본값 강화 등을 권고했다. — 링크
  • 관련 주제: AI Agents, Reasoning

Meta FAIR / Meta AI

• 신규 없음 (블로그 인덱스 정상 확인, 최신 글은 2026-07-27로 변동 없음)

Microsoft Research

• StudentSim: Simulating student learning for better AI tutoring — 공개 학습자 기록(비식별 처리)으로 두 단계(전체 풀 → 개인별)로 학습시킨 개인화 학생 시뮬레이터를 제안한다. 체스·제2언어 영어 쓰기·수학 세 영역에서 행동 충실도(같은 학생이 실제로 낼 답과 일치하는가)와 안내 반응성(튜터 피드백 후 답을 고치는가) 두 축으로 평가했다. 체스에서는 GPT-5.4와 Maia2를 모두 능가했고, StudentSim을 피드백 소스로 학습시킨 체스 튜터가 다른 조건보다 전문가 평가에서 더 높은 점수를 받아, 실제 학습자 없이도 AI 튜터 개발 초기 단계의 저비용 대리 피드백으로 쓸 수 있음을 보였다(단, 실제 학습자 테스트를 대체하진 않는다고 저자들은 강조). — 링크
  • 관련 주제: AI Agents

NVIDIA Research

• 신규 없음 (출판 목록 정상 확인, 최신 항목은 전일까지 다룬 Mid-Harness·Gated DeltaNet-2·ZPPO·AEPO·SpatialClaw(모두 2026-12 게재예정)로 변동 없음)

Apple ML Research

• Large Language Models for Machine Translation Quality Annotation: Humans and Models Are Both Challenged — LLM이 기계번역 품질 평가(MQM·ESA 방식)에서 인간 평가자를 신뢰성 있게 대체할 수 있는지 70개 언어쌍 장문맥 테스트셋과 공개 WMT23·WMT25 데이터로 검증했다. 모델이 인간들 사이의 합의보다 더 인간 평가와 일치하는 경우도 있었지만, 평가 방식·언어쌍·도메인에 따라 신뢰도가 크게 갈렸고 대부분의 설정에서 신뢰도가 낮았다. 인간은 세밀한 MQM 주석과 저자원 언어에서, 모델은 경미한 오류·언어 변이·오류 구간 표시에서 각각 약점을 보여 인간-LLM 협업이 필요할 수 있다고 제안한다. — 링크
  • 관련 주제: Reasoning
• Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices — macOS 기기들에 흩어진 유휴 GPU 용량을 모아 대규모 ML 추론을 수행하는 분산형 가상 GPU 클라우드를 제안한다. 여러 기기에 걸친 유연한 추론 작업 분배와 결함 허용(fault tolerance)에 초점을 맞춰, 유휴 Apple Silicon 기기로도 "실용적인 분산 GPU 추론 플랫폼"을 구축할 수 있음을 보였다(다만 이 글에는 상세 아키텍처나 벤치마크 수치는 포함되지 않았다). 중앙집중형 GPU의 높은 비용·제한된 확장성·긴 대기시간에 시달리는 팀이 보유 하드웨어로 컴퓨팅을 늘릴 수 있다는 점에서 실용적 의미가 있다. — 링크
  • 관련 주제: AI Agents

arXiv 신규

AI Agents

• POrchestra (2610.13485) — 서브에이전트가 실행 중 임의 시점에 오케스트레이터에게 하네스 조정을 선제적으로 요청할 수 있게 하고, 이 수정 요청을 사후(hindsight) 신호로 되돌려 On-Policy Orchestration Distillation(OPOD)으로 오케스트레이션 정책을 학습한다. 딥리서치·동적 디지털 어시스턴스·SWE 세 장기 과제 벤치마크에서 최강 베이스라인 대비 평균 9.1% 성공률 향상을, OPOD와 결합 시 소형 오케스트레이터 성공률을 평균 10.0% 향상시켰다.
• Rollout-Time Intervention (RTI) (2610.13438) — 에이전트 RL이 정책 역량을 벗어난 과제에서 유효 궤적이 희박해져 학습이 붕괴하는 on-policy 탐색 병목을 롤아웃 중 보상 측 증거(평가 루브릭)로 오류 궤적을 성공 궤적으로 바꿔 해결한다. 분포 이탈이 과도한 궤적은 걸러낸 뒤 학습에 사용하며, 5개 벤치마크에서 RL 베이스라인을 일관되게 능가하고 정책이 원래 역량 경계를 넘어서게 한다.
• Competence-Aware Orchestration (2610.13144) — 협업을 항상 늘리는 대신 백본 LLM의 과제별 역량을 먼저 추정하고 이에 따라 역할 활성화·통신 그래프를 조정하는 2단계 프레임워크. 6개 벤치마크 평균 93.81%를 달성했고, 고역량 백본에서는 정확도를 87.22→89.97로 올리며 토큰 비용을 36.26% 줄였고, 저역량 백본에서는 기존 기법 대비 평균 4.58점을 추가로 얻었다.

AI Scientist / Automated Research

• JANUS (2610.13194) — Generate-Execute-Feedback 루프의 피드백 지연 문제를 공진화 월드모델로 완화한다. 연구 에이전트가 후보를 제안하면 월드모델이 가치 개선·정보 이득·탐색 효용을 예측해 실행 전에 분기를 선택·정제·가지치기하고, 실제 피드백을 받으면 에이전트용 계층적 스킬과 월드모델용 탐색전략 스킬로 경험을 증류한다. MLS-Bench-Lite와 실제 연구 과제에서 SOTA 베이스라인을 능가했다.
• RSI-Anything (2610.13912) — JEPA 기반 월드모델로 행동과 학습데이터 선택을 가이드하는 범용(도메인 비한정) 재귀적 자기개선 프레임워크. 코드 수정·GUI 조작·실험실 계획·반응 최적화 등 이질적 도메인에서 성능 향상을 보였다(실험실 계획 점수가 5세대에 걸쳐 21.80%→46.01%로 두 배 이상, 반응 최적화에서 평균 최고 수율 96.15% vs 베이지안 최적화 82.16%).
• EvoBelief (2610.12789) — 에이전트의 스킬이 아니라 환경 역학에 대한 "믿음"을 반증 가능한 가설로 표현해 배포 중에 진화시킨다. 예상 밖 결과가 가설 형성을 촉발하고 이후 관찰·실험이 독립적으로 검증하며, 반례가 발견되면 규칙을 좁히거나 폐기한다. DiscoveryWorld의 Reactor Lab에서 정량 법칙을 발견·검증하는 과제의 Normal 티어 83.3%, Challenge 티어 58.3%를 완료한 반면 비교 베이스라인은 모두 0%였다.

Hypothesis Generation

• SOAP (2610.13105) — 단계별 라벨이 없는 실패 궤적만으로 에이전트의 실패 귀인을 수행한다. LLM 표현에서 스펙트럴 참조 공간을 구성해 각 단계에 기본 오류 점수를 부여하고, 어텐션 패턴에서 유도한 단계 의존성으로 후행 단계가 선행 오류를 "오염"시키는 문제를 역전파해 보정한다. 단계 라벨이나 성공 궤적 참조셋 없이도 경쟁 베이스라인 대비 귀인 성능을 일관되게 개선했다.
• Reflective Prompt Optimization of a Deep-Research Agent (2610.12601) — 프롬프트 최적화기가 훈련 예시의 정답을 프롬프트에 그대로 적어넣어 "암기"로 성능을 올릴 수 있다는 실패모드를 지적하며, 주제가 전혀 겹치지 않는 train/val/test 분할로 GEPA 기반 딥리서치 에이전트 프롬프트 최적화를 검증한다. held-out 인용 보상이 0.702→0.781로 상승했고(3개 시드에서 재현, 95% CI [0.051, 0.107]) 이 이득은 스칼라 보상이 아닌 차원별로 분해된 피드백이 핵심 원인임을 ablation으로 확인했다 — 프롬프트 최적화 연구를 평가할 때 held-out 주제·다중 시드·검증자 ablation이 필요함을 보여준다.

Long-context

• LongHarness (2610.13075) — 긴 컨텍스트 에이전트 하네스의 두 실패모드(무한 탐색, 증거-결론 표류)를 "증거-결론 공진화" 메커니즘(미해결 결론이 탐색을 이끌고 새 증거가 결론을 수정)과 증거 생애주기 관리로 해결한다. 1억 토큰 규모 코퍼스에서 OfficeQA Pro의 GLM-5.3-Flash 정확도를 15.8%→60.2%(V1), 4.4%→61.1%(V2)로 끌어올려 Claude Code를 12.0점, Codex를 18.9점 앞섰다.
• Double-Take (2610.13073) — 긴 컨텍스트에서 메모리가 쓸모 있으려면 용량·바인딩·선택성 세 요건이 필요함을 밝히고, 단일 스텝 쓰기의 간섭 누적과 자기연합 쓰기의 교차 위치 결합 실패를 멀티스텝 비고정 업데이트·교차 위치 믹싱·양방향 변화감지 쓰기로 해결한다. 바인딩을 추가하자 종단 간 recall이 우연 수준(0.10)에서 0.92로 뛰었고, 32kb 유전체 컨텍스트로만 학습했는데도 131kb에서 AUROC 0.927, 1Mb 근처에서 0.856을 달성하며 인간→마우스 제로샷 전이까지 보였다.
• Orthros (2610.13735) — 효율적 어텐션을 고정된 구조 배분이 아니라 "단계 인지 분리(phase-aware decoupling)"로 재정의해, 하나의 모듈이 prefill에서는 선형 복잡도로, decoding에서는 full attention으로 동작을 전환한다. 기존 Transformer를 데이터 효율적으로 Orthros로 변환할 수 있고(원본을 능가하는 경우도 있음), 128K needle-in-a-haystack에서 거의 완벽한 성능을 유지하면서 Transformer 대비 21.9배의 prefill 가속을 달성했다.

Reasoning

• MENTOR (2610.13594) — 과제 난이도가 갑자기 뛰며 학습 신호가 사라지는 RLVR의 "제로 보상 붕괴"를 실패 궤적을 버리지 않고 진단 정보로 활용해 해결한다. 멀티에이전트 "멘토"가 실시간으로 실패 원인을 진단해 다음 시도를 위한 맞춤 지시문을 생성하며, 학습 인프라를 바꾸지 않고 GRPO류 파이프라인에 바로 끼워 넣을 수 있다. 수학·코드 생성에서 Llama-3.2-3B-Instruct 기준 베이스 모델 대비 최대 78.3%의 상대적 성능 향상을 보였다.
• UPTURN (2610.13672) — LLM을 미세조정해 수정문을 생성하게 하는 대신, 최종 정답 정확도만으로 학습한 13만 파라미터 MLP 헤드로 "어디서 개입할지"를 찾고, 같은 지시를 인라인이 아니라 새로운 사용자 턴으로 제시해 "어떻게 리다이렉트할지"를 해결한다(인라인 주입은 신뢰성 있게 궤적을 바꾸지 못함). 4개 추론 모델·6개 수학 벤치마크에서 동일 보정 예산 기준 자기수정·리플렉션 토큰 주입 베이스라인을 능가했고 재학습 없이 GPQA-Diamond로 전이되며 GRPO·자기수정 기법과 결합 가능했다.
• A Privileged Teacher That Only Scores Cannot Search (2610.13744) — on-policy 자기증류의 점수화 신호(전체분포 KL·토큰 로그비율)가 실제로 오류를 지역화하는지 금 오류 구간으로 검증한 결과 둘 다 지역화하지 못했다 — 오류 위치 찾기 자체가 탐색 문제인데 점수화 교사는 그 탐색을 요구받지 않기 때문이다. 같은 모델이 먼저 비평(critique)을 생성한 뒤 점수를 매기게 하면 이 문제가 해결되어, 오류를 지역화하고 "Wait", "But", "Actually" 같은 되돌아가기 토큰 쪽으로 확률을 이동시켰으며, 테스트 시점과 검증 가능한 보상이 전혀 없는 프롬프트의 cold-start GRPO 모두에서 도움이 됐다.
• A Critical Look at Power Sampling (2610.13653) — RLVR이 사실상 "분포 선명화"라는 가설을 검증하려고 거듭제곱 분포 π_α∝π_base^α를 목표로 하는 MCMC/SMC 샘플러들이 실제로 수렴하는지 확인한 결과, 현실적 연산량에서는 수렴하지 않으며 그 효과 대부분이 단순 Best-of-N으로 재현됐다. 샘플러 수렴 문제를 건너뛰고 베이스 모델을 직접 π_α에 맞춰 미세조정하면 목표를 훨씬 충실히 근사하지만 이득이 들쭉날쭉하고 모델·과제에 따라 달라져, 거듭제곱 샘플링의 진짜 가치는 π_α를 충실히 근사하는 데 있는 게 아니라 베이스 모델이 이미 선호하는 시퀀스를 뽑아내는 데 있다는 결론으로 이어진다.

🤗 HuggingFace Papers 트렌딩

• ⚠ 확인 실패 — huggingface.co 도메인이 egress 프록시에 의해 정책적으로 차단되어(CONNECT 403, "policy denial") API·페이지 모두 접근 불가(12일 연속). WebSearch 우회는 금지 원칙에 따라 시도하지 않음.

Paper Radar 채택0보류1탈락4