13 개 뉴스 — 🔴 1 중요 , 🟡 7 주목 , 🟢 5 흥미
NVIDIA가 총 5,500억 파라미터에 토큰당 55B가 활성화되는 open-weight Mixture-of-Experts 모델 Nemotron 3 Ultra를 출시했다. 이 모델은 다른 선도 open 모델 대비 최대 30% 낮은 비용으로 긴 에이전트 워크플로를 겨냥한다. Ollama에서 이용 가능하며, vLLM이 서빙을 위한 Day-0 지원을 제공했다.
학술 논문 arXiv:2606.05555는 확장 가능한 멀티태스크 강화학습의 주된 동력이 model-based 제어가 아니라 표현 학습이라고 주장한다. model-free 알고리즘 MR.Q는 예측 표현을 고용량 가치 함수와 결합하여 더 적은 연산 비용으로 world-model 방법을 능가한다. 이 결과는 continuous control 과제에서 계획 없이도 성립한다.
학술 논문 arXiv:2606.05661은 LLM 시스템이 순차적 경험을 통해 실제로 개선되는지를 측정하는 최초의 까다롭고 전문가가 검증한 벤치마크 CL-Bench를 제시한다. 프런티어 모델 평가는 지식 재사용과 즉각적 관찰에 대한 과적합 문제를 드러낸다. 전용 메모리 아키텍처조차 단순한 in-context learning에 비해 뒤처진다.
IBM과 Google Cloud는 수십억 달러 규모의 기회로 묘사된 전략적 파트너십을 발표하며, IBM의 산업 전문성과 Google Cloud Gemini Enterprise Agent Platform을 결합한 새로운 Google Cloud Practice를 출범시켰다. IBM은 자사 플랫폼 IBM Consulting Advantage에서 Gemini Enterprise에 최적화된 AI 에이전트를 여덟 개 부문에 걸쳐 구축한다. 목표는 고객을 AI 파일럿에서 프로덕션 적용으로 이동시키는 것이다.
LangChain은 저자 Neil Dahlke의 블로그 게시글에서, 모델 중립성(model neutrality) — 다양한 AI 모델에 걸쳐 작동하는 능력 — 이 클라우드 제공업체에 대한 중립성보다 유연성과 회복력에 더 중요하다고 주장한다. 이 접근법은 모델 수준의 벤더 종속을 피하고 AI 역량이 발전함에 따라 적응할 수 있게 한다.
OpenAI가 'Dreaming'이라는 이름의 ChatGPT용 새 메모리 시스템을 도입한다. 사용자 선호를 더 잘 기억하고 대화 전반에 걸쳐 컨텍스트를 신선하고 관련성 있게 유지하도록 설계되었다. 목표는 세션 간 관련 정보의 유지다. 발표가 간략하여 구현 세부 사항은 현재로서는 제한적이다.
학술 논문 arXiv:2606.05610은 경험적 스케일링 법칙으로 LLM의 연속 사전학습 동안 최적 하이퍼파라미터를 예측하는 프레임워크를 제시한다. 2단계 접근법은 프록시 모델을 통해 compute→설정 함수를 도출한 다음, 검증 손실로부터 등가 사전학습 compute를 추정한다. 모델에 구애받지 않으면서 하이퍼파라미터 탐색 비용을 최대 90%까지 줄이며 비슷하거나 더 나은 성능을 달성한다.
Anthropic이 엔터프라이즈 버전 잠금을 위한 Managed Settings, 새로운 /plugin list 명령, 그리고 Stop 및 SubagentStop hook 개선과 함께 Claude Code v2.1.163을 출시했다. 이번 릴리스는 몇 가지 실용적 추가 기능과 함께, 모든 Bash 명령에 잘못 트리거되던 hook 조건의 수정을 포함한 일련의 버그 수정을 가져온다.
NIST가 건물 화재 시 가장 안전한 대피 경로를 한 걸음씩 계산하는 강화학습 기반 AI 시스템 Safe Step을 발표했다. 이 모델은 평면도와 NIST의 화재 시뮬레이션으로부터 학습하며, 실시간 센서 데이터를 사용해 경로를 지속적으로 갱신한다. 독성 가스의 누적량이 가장 낮은 경로를 선택하고 화재 확산을 예측하지만, 현재는 단층 평면도에서만 작동한다.
CHASE는 공격자와 방어 모델이 강화학습을 통해 공진화하는 폐쇄 루프(closed-loop) 프레임워크다. 공격자는 의도를 보존한 채 프롬프트를 재작성하기 위해 GRPO를 사용하고, 방어는 2단계 학습으로 강화된다. 그 결과 무해한 입력에 대한 거짓 거부율은 0을 유지하면서 취약성 점수를 43.2% 감소시켰다.
arXiv 논문은 안전 정렬(safety alignment)이 역설적으로 대규모 언어 모델에 취약성을 만들어낸다는 것을 보여준다. 'Posterior Attack'은 모델이 유해한 콘텐츠를 인식하는 능력을 악용하는 single-query 탈옥(jailbreak)이다. 30개의 오픈소스 LLM과 GPT-5, Claude 4.6 같은 프런티어 모델에서 테스트되었다.
![편집 일러스트레이션: FLUX.2 [klein], ASUS ProArt 노트북에 사전 설치되어 출시](https://images.24-ai.news/black-forest-labs-flux-outpainting-600.webp)
