리서치 레이더 — 2026년 10월 31일 (토)

기관 리서치

Google DeepMind

• 신규 없음 (RSS 정상 확인, 최신 글은 2026-10-28 "Gemini 4 Carbon: Our next frontier model"로 이전 브리핑에서 이미 다룸 — 그 이후 갱신 없음)

Google Research

• 신규 없음 (RSS 정상 확인, 최신 항목은 2026-10-27 "The sleep framework"로 이전 브리핑에서 이미 다룸)

OpenAI

• 신규 없음 (RSS 정상 확인, Research 카테고리 최신 2건 "Working with academic communities to build scientific understanding"·"ChatGPT's expanding world of work"는 둘 다 2026-10-26로 이전 브리핑에서 이미 다룸 — 커버 범위 내 신규 Research/Publication 글 없음)

Anthropic

• 신규 없음 (최신 두 항목 "Early progress on accelerating drug development with Claude"·"How AI agents shape experts' judgment calls"(둘 다 2026-10-27)는 이전 브리핑에서 이미 다룸)

Meta FAIR / Meta AI

• 신규 없음 (ai.meta.com/blog/는 정상 응답했으나 최신 글이 여전히 2026-07-27 "Reimagining Independence: ... University of Pittsburgh"로, 커버 범위 내 신규 없음)

Microsoft Research

• From synthetic enterprise data evaluations to real Microsoft Copilot AI confidence (2026-10-30) — Copilot을 엔터프라이즈 규모로 평가하려면 조직의 복잡성을 반영한 테스트 데이터가 필요하지만 실제 고객 데이터는 민감해 쓸 수 없다는 긴장을 다룬다. O*NET 직무데이터·채용공고·SEC 공시에 접지한 합성 "테넌트"(수백 명 사용자·회의·이메일·조직구조, 수 주에 걸친 시간적 전개 포함)를 제약·자본시장·IT/소프트웨어 3개 산업 환경에 구축하는 Industry Evaluation Data Generation Platform을 공개. 합성 데이터 품질 복합지표가 초기 생성 방식보다 39% 개선됐고 일부 환경은 1.0 만점에 0.9 이상을 기록했으며, 데이터셋 생성이 수일짜리 수동 작업에서 자동화된 실행으로 바뀌어 데이터셋당 약 $10만·프로젝트 전체 약 $30만의 절감을 추산한다고 보고한다. — 링크
  • 관련 주제: 에이전트 평가용 합성 데이터

NVIDIA Research

• 신규 없음 (research.nvidia.com/publications 목록이 이전과 동일 — 날짜가 학회 게재월로만 표시돼 실제 공개 시점을 알 수 없는 한계가 계속됨)

Apple ML Research

• 신규 없음 (RSS 정상 확인, 최신 항목은 "GHARP: Real-Time Gaussian Head Animation..." 등으로 이전 브리핑에서 이미 다룸)

arXiv 신규

색인 상태: --wide 조회(800건, 커서 2026-10-27T17:59:59Z부터)의 newest_fetched는 2026-10-29T17:59:53Z로, 실행 시각(2026-10-30T22:32:33Z) 대비 지연 약 28.5시간 — 최근 정상 기준선(~28~29시간)에 들어온다. 직전 이틀(10-29, 10-30 브리핑)간 같은 지점(2026-10-27T17:59:59Z)에 멈춰 있던 색인이 이번 실행에서 실제로 이틀치(10-27→10-29) 전진한 것으로 확인돼, 지연이 해소된 것으로 판단한다. 상세는 3절 Paper Radar 로그 참고.

AI Agents

• VeriCUA: Verification as Agentic Exploration for Computer-Using Agents (2610.40578) — VLM judge나 상태 점검 프로그램이 디지털 환경의 부분적 관측에만 의존해 완료 판정을 놓치는 문제를 겨냥해, 검증 자체를 플랫폼에 상관없는 동적 증거 수집·평가 절차로 재정의. GUI/코드 체크를 과제별로 조합해 레퍼런스 라벨과의 일치도를 기존 대비 개선했고, 특히 어려운 사례의 오프라인 평가와 온라인에서의 거짓 완료 판정 거부에서 효과가 컸다.
  • 관련 주제: AI Agents
• EnvOS: Auditing Computer-Use Agents When the World Moves On (2610.40246) — 작업 중 세계가 바뀌는(예약 변경, 정책 갱신) 상황에서 컴퓨터 유즈 에이전트를 감사하는 프레임워크. 클리닉 예약 과제에서 Claude Opus 5는 추가 정보 없이는 0/16, 재확인 상기 시 2/16, 갱신된 값을 다시 보여주면 15/16을 성공 — 변경을 포착했는지는 모델과 인터페이스에 따라 크게 달랐다. 그레이더 자체도 스트레스 테스트해, 오염시킨 26개 에피소드 중 EnvOS 파이프라인은 0개를 깨끗하다고 잘못 승인했다.
  • 관련 주제: AI Agents
• Pre-Crime for Agents, at the Last Second (2610.40588) — 한 에이전트가 다른 에이전트를 압박해 운영자 규칙을 깨게 하려는(공모의 첫 단계) 상황에서, 출력이 쓰이기 전에 활성화값에 대한 선형 프로브로 "곧 넘어갈" 모델 호출을 미리 탐지. Qwen3-32B 보류 에피소드에서 양성 5% 플래그 기준 유출 호출의 82%를 포착(제로샷 모니터는 26%), gpt-oss-20b 추론 프로브는 AUROC 0.91을 기록.
  • 관련 주제: AI Agents

AI Scientist / Automated Research

• PaperBenchX: Can AI Reproduce Science Across Disciplines? (2610.39744) — 전자기학·광학·화학·재료과학·생물학·로보틱스 등 12개 연구영역·10개 domain-native 과학 소프트웨어 환경에서 93개 전문가 제작 논문 재현 과제를 만들고 클린 리플레이로 재생성된 증거만 채점. 최고 성능 구성도 완전재현율 13.98%에 그치고, Modeling·Execution(60%대)에 비해 Validation(42.91%)이 가장 낮아 과학적 검증이 핵심 병목임을 드러냄. (Paper Radar 채택 — 3절 참고)
  • 관련 주제: AI Scientist / Automated Research
• Learning Scientific Trajectories to Predict Future Biomedical Discoveries (ForeSCITE) (2610.38719) — 생물의학 문헌의 conclusion 임베딩에서 "초기→후기" 시간적 방향을 클러스터별로 학습해 그 방향으로 외삽·디코딩하는 가설 생성 프레임워크. CAR-T 사례에서 생성된 1,465개 가설 중 전문가가 37개를 novel하고 그럴듯하다고 판정했고, 그중 다수가 cutoff(2023년 3월) 이후 실제 발표된 연구로 독립 검증됨. (Paper Radar 채택 — 3절 참고)
  • 관련 주제: AI Scientist / Automated Research, Hypothesis Generation
• SciGame: Let Agents Play the Scientific Discovery Games in the Real and Counterfactual World (2610.37919) — 과학 문헌을 "과학 카드"로 변환해 Original/Counterfactual 짝 환경에서 법칙 추론 능력을 평가하는 벤치마크로, 데이터 피팅이 아니라 미관측 입력에 대한 예측을 채점. 익숙한 사전지식이 지배 관계가 바뀌면 오히려 성능을 해친다는 것과, 설명은 그럴듯해도 정확한 기호 형태 복원이 여전히 주요 병목이라는 것을 5개 프런티어 모델 실험으로 보임.
  • 관련 주제: AI Scientist / Automated Research

Hypothesis Generation

• The Athlete as a Scientist of One: Agentic Bayesian Experimental Design for Individualized Physiology from Consumer Wearables (EpiCoach) (2610.40370) — 개인 운동생리 데이터를 대상으로 "감사 가능하고 반증 가능한" N-of-1 과학을 하는 에이전트. 모든 주장은 미래 세션에 대한 확률적 예측을 사전에 걸어야 하는 증거-게이트 가설 레지스트리에 기록되며, 18개월 데이터로 평가한 결과 실시간 3주 운영에서 예측 20건이 등록·14건이 채점됐고 하강 구간 예측은 1회 교정 후 보정됐으며 안전관리자가 에이전트를 2회 거부권 행사.
  • 관련 주제: Hypothesis Generation

Long-context

• Retrieval as Traversal: Value-Indexed Memory for Stateful Long-Context Agents (2610.40545) — 리트리벌을 매 forward pass마다 새로 탐색하는 문제 대신, 주소 공간에서의 지속적인 로컬 순회로 재정의하고 콘텐츠와 주소를 분리. MiniGrid Memory 간이 실험에서 5토큰 컨텍스트로 0.95 평균 리턴에 59만 스텝으로 도달해 절대 주소 방식(94만~200만+ 스텝)보다 빠르게 학습했지만, 학습된 geometry·반복 리트리벌은 아직 검증되지 않은 원리증명 단계.
  • 관련 주제: Long-context
• Long-Term Agent Memory through Complementary Curation and Consolidation (2610.39790) — episodic memory와 structured relational memory를 결합한 하이브리드 메모리 아키텍처로 LoCoMo 90.2%, LongMemEval-S 85.5% 정확도를 달성, 두 메모리 유형이 일관되게 상호보완적임을 보임.
  • 관련 주제: Long-context, AI Agents

Reasoning

• Does Chain-of-Thought Reliance Follow a Scaling Law? (2610.38433) — CoT 모니터링이 안전에 유용하려면 최종 답이 실제로 적힌 단계에 의존해야 하는데, box-swap 합성 과제로 정확한 ground truth 아래 이를 직접 측정. Qwen3 계열에서 답변이 중간 단계 교정을 따르는 비율이 0.6B의 16~18%에서 14B의 97~100%로 상승하며 log N에 대한 로지스틱 적합이 R²=0.89로 잘 맞고, Gemma 3·Llama 3도 같은 추세를 따름 — reliance는 주로 모델 능력(capability)이 이끈다.
  • 관련 주제: Reasoning
• Reasoning or Pattern Exploitation? Mechanistic Insights from RL-Trained Language Models (2610.39182) — Tic-Tac-Toe라는 완전히 분석 가능한 논리 도메인에서 GRPO로 RL 훈련된 LLM을 sparse autoencoder로 들여다본 결과, 정량적으로는 높은 정확도·견고성을 보이지만 내부적으로는 "게임 추론"이 아니라 프롬프트에 이미 명시된 정보(차례·진행상황·보드점유)에 더 의존하게 된 것으로 나타남 — RL 이후의 겉보기 추론 향상이 실제로는 더 얕은 적응일 수 있음을 시사.
  • 관련 주제: Reasoning

🤗 HuggingFace Papers 트렌딩

• ⚠ 확인 실패 — API(huggingface.co/api/daily_papers)는 에이전트 프록시가 connect_rejected(CONNECT 403)로 차단했고, 웹페이지(huggingface.co/papers)도 WebFetch에서 getaddrinfo ENOTFOUND로 실패했다 — 환경 egress 허용목록에 huggingface.co가 없는 것으로 보인다. 2026-10-14부터 매 확인마다 동일 증상이 이어지고 있으며(오늘로 18일째), 원칙상 WebSearch 우회는 시도하지 않음.

Paper Radar 채택2보류3탈락3