AI 연구

마이크로소프트 빙 팀이 인공지능 에이전트의 정보 처리 성능을 높이기 위해 해리어 임베딩 모델을 오픈소스로 공개했습니다. 이번 모델은 다국어 벤치마크에서 우수한 성적을 거두며 기술 생태계의 주목을 받고 있습니다.

아마존 세이지메이커 AI가 검증 가능한 보상을 활용한 강화학습(RLVR) 기법을 도입하여 AI 에이전트의 도구 호출 성능을 개선했습니다. 서버리스 환경에서 모델 미세 조정을 지원해 인프라 운영 부담을 줄이고 도구 호출 정확도를 대폭 높였습니다.

의료 현장의 영상 데이터 급증에 대응하기 위해 3D 의료 영상 검색을 위한 최초의 벤치마크가 도입되었습니다. 연구진은 데이터셋과 모델을 공개하여 임상 의사 결정 지원 시스템의 기술적 표준을 제시했습니다.

현재의 AI 벤치마크는 소수의 평가자 의견을 다수결로 처리하여 인간의 다양한 관점을 배제하고 있습니다. 연구진은 AI 모델의 신뢰성을 높이기 위해 측정 목적에 맞는 전략적인 평가 예산 배분이 필요하다고 강조합니다.

알리바바 Qwen 연구팀이 강화학습 기반의 새로운 추론 알고리즘인 FIPO를 공개했습니다. 이 알고리즘은 미래 행동을 예측해 보상을 차등 지급함으로써 모델의 추론 체인 길이를 획기적으로 늘렸습니다.

구글이 4가지 크기의 Gemma 4 모델을 공개하며 오픈 모델 시장 경쟁에 나섰습니다. 모델의 성공은 벤치마크 점수보다 산업 현장에서의 활용성과 도구 지원에 달려 있습니다. 오픈 모델의 생태계 변화와 기술적 과제를 분석합니다.

인공지능 반도체 제조사들이 MLPerf 6.0 벤치마크 결과를 공개했습니다. 각 기업은 서로 다른 모델과 시스템 구성을 활용해 자사 기술의 강점을 증명했습니다.

팔콘 퍼셉션은 이미지와 텍스트를 단일 시퀀스로 처리하여 시각 인식 성능을 극대화한 모델입니다. 연구진은 기존 모델의 한계를 극복하기 위해 새로운 벤치마크와 학습 방식을 도입했습니다.

생성형 AI가 개별 업무의 속도를 높이는 데는 기여하지만, 기업 전체의 생산성 향상으로 직결되지는 않습니다. 조직 내 복잡한 프로세스와 지식 노동의 특수성이 AI 도입 효과를 상쇄하기 때문입니다.

최신 멀티모달 AI 모델이 시각 정보 없이도 이미지를 묘사하고 진단하는 '신기루 효과'가 발견되었습니다. 기존 벤치마크가 모델의 실제 시각적 이해도를 측정하지 못한다는 지적이 제기됩니다.