13 개 뉴스 — 🔴 2 중요 , 🟡 7 주목 , 🟢 4 흥미
Apple은 2026년 6월 8일 5가지 모델로 구성된 AFM 3(Apple Foundation Models 3세대)를 발표하였습니다. AFM 3 Core는 이전 모델 대비 사용자 선호도 23.3%에서 45.6%로 상승하였으며, AFM 3 Cloud는 8.7%에서 64.7%로 올라 사용자 만족도가 상대적으로 36% 증가하였습니다.
Reasoning Arena는 검증 가능한 보상을 활용한 강화 학습(RLVR)에 기반한 새로운 언어 모델 훈련 방법입니다. 기존의 그룹 비교 방식 대신 추론 경로 간 head-to-head 토너먼트와 Bradley-Terry 모델을 도입해 영 그래디언트 문제를 해소하고 훈련 속도를 27~41% 향상시킵니다.
TheoremBench는 Lean4를 사용한 형식 정리 증명에서 대형 언어 모델의 능력을 평가하는 새로운 벤치마크입니다. 자동으로 추출된 전제가 포함된 표준 및 확장 형식의 약 100개 고전 정리를 포함합니다. 연구에 따르면 명시적 전제가 성능을 크게 향상시키며, 새로운 지표가 모델이 쉬운 하위 정리를 선호하고 지나치게 긴 증명을 생성한다는 것을 보여줍니다.
Ultra Flash는 자기회귀 모델에서 480p 장벽을 처음으로 돌파하는 캐스케이드 스트리밍 동영상 생성 아키텍처입니다. 이 시스템은 단일 GPU에서 1K 해상도 약 30FPS, 2K 해상도 약 18FPS를 달성하여 고품질 동영상의 실시간 생성이 가능한 최초의 시스템이 됩니다.
VirBench는 40종의 병원체를 대상으로 바이러스 서열 검색 능력을 평가하는 120개의 실제 쿼리로 구성된 새로운 벤치마크로, Anthropic이 생물학 AI 에이전트 평가 표준으로 도입하였습니다. 전문 도구 없이는 최신 모델이 16.9~91.3% 정확도를 기록했으나, gget virus 도구를 사용한 GPT-5.5는 99.7%에 도달하였습니다.
SearchSwarm는 컨텍스트 윈도우 제약을 준수하면서 서브에이전트에게 작업을 분해·위임하는 능력인 delegation intelligence를 도입하는 다중 에이전트 연구 시스템입니다. SearchSwarm-30B-A3B 모델은 BrowseComp에서 68.1, 중국어 변형에서 73.3을 달성하여 유사 규모의 모든 모델을 능가합니다.
InquiTree는 실제 논문 30편에서 DAG 연구 과정 모델을 사용해 LLM 에이전트를 평가하는 새로운 연구 프레임워크입니다. 이 연구는 긴 세션에서 비판적 판단력이 저하되는 인지적 터널링을 발견하였으며, 모델의 훈련 컷오프 이후에 작성된 논문에서 성능이 하락함을 보여줍니다.
Anthropic이 에이전트 코딩 CLI 도구의 업데이트인 Claude Code v2.1.169를 공개하였습니다. 이번 릴리스에는 격리된 문제 해결을 위한 --safe-mode 플래그, 프롬프트 캐시 중단 없이 작업 디렉터리를 변경하는 새 /cd 명령어, 그리고 엔터프라이즈 MCP 정책·UI 멈춤·Windows 문제에 대한 수정 사항이 포함되어 있습니다.
'Context rot'는 CLAUDE.md나 .cursorrules 같은 AI 구성 파일이 더 이상 존재하지 않는 코드, API, 경로를 참조하는 현상을 가리킵니다. 새로운 연구에 따르면 분석된 리포지터리의 23%에서 오래된 참조가 발견되었으며, 이를 사용하는 팀은 코드 품질이 자신도 모르게 저하될 수 있습니다.
Frontier Red Team 연구진이 Claude Mythos Preview가 패치된 취약점에 대한 기능적 익스플로잇 코드를 몇 시간 만에 자율적으로 제작한다고 발표하였습니다. 이 모델은 Firefox SpiderMonkey 익스플로잇 8개를 12시간 만에 제작하고, Windows 커널 PoC 코드 18개를 6시간 만에 제작하였으며 첫 번째는 31분 만에 완성하였습니다.
HPAA는 공백, 강조, 텍스트의 공간적 배치를 이용해 자동 탐지기에는 유해한 콘텐츠를 숨기면서 인간은 읽을 수 있게 유지하는 타이포그래픽 공격입니다. USENIX Security 2026에 채택된 이 연구는 13개 시스템에서 테스트되어 86% 이상의 인식률과 1% 미만의 탐지율을 달성하였습니다.
VFUSE는 오픈 웨이트 단백질 설계 모델(RoseTTAFold3, RFDiffusion3)에 대한 최초의 특징 수준 독성 감사입니다. Michael Yu와 Matthew Olson은 디퓨전 트랜스포머 활성화에서 Sparse Autoencoder를 훈련하고 합법적인 생합성 작업에서 성능 손실 없이 위험한 단백질 설계 탐지에 AUROC 0.84를 달성하였습니다.
RealityTest는 사용자가 질문할 때 AI 시스템이 신원을 공개하는지 테스트하는 UK AI 보안 연구소의 새로운 벤치마크입니다. 5개 언어로 750명의 참가자로부터 수집된 3,152개의 실제 질문으로 구성되며, 공개율이 8%~92%로 다양하고 억제 지시 한 가지만으로도 3%까지 떨어질 수 있음을 보여줍니다.