출처, 주제, 시간으로 전체 뉴스에서 관심 소식을 찾아보세요.
OpenAI 그룹 PBC는 오늘 프런티어 인공지능 시스템 라인업 중간급 모델의 업그레이드 버전인 GPT-6.1 테라를 공개했습니다. GTP-5.6 테라의 후속 모델인 이 새로운 모델은 비용이 약 50% 저렴하면서도 컴퓨터 활용 작업을 더 빠르고 더 높은 정확도로 처리합니다. 테라는 OpenAI 라인업에서 일상적인 사용을 위한 모델로 자리매김하며, 설계된 […] 해당 게시물은 “OpenAI, 더 빠르고 성능이 우수한 AI 에이전트를 반값에 제공하는 GPT-6.1 테라 출시”라는 제목으로 SiliconANGLE에 처음 게재되었습니다.
2026년 10월 13일, 제이추신청은 알리천문과 동시에 AI 스마트폰, AI 안경 및 이어폰 등 소비자용 하드웨어 제품을 출시하며, 이는 국산 대형 모델 경쟁의 중점이 모델 성능 지표에서 단말기 진입로 확보로 전환되었음을 의미한다. 같은 시기, 틱톡의 더우바오와 샤오미 등도 AI 원생 하드웨어 생태계 구축을 가속화하고 있다.
추천 이유：본 자료는 티에이미디어가 공식적으로 제공한 산업 심층 보도로, 출처가 명확하며(사쿠 재경/티에이미디어), 구체적인 게시일자(2026-10-26)와 다수의 업체 동향, 검증 가능한 데이터(예: 대규모 모델 1,509개, 3,999위안의 가격 책정, 징둥의 예약 건수 36만 건 등)를 포함하고 있습니다. 또한 모든 사실은 해당 자료에 명시된 내용과 일치하며, 외부적 추론이나 허구는 전혀 포함되어 있지 않습니다.
arXiv:2610.31946v1 발표 유형: 신규 초록: 세 명의 학생이 같은 시험 문항을 손으로 작성하여 답했다: “행복이란 무엇인가요? 당신은 행복한가요?” 수집 당시 기록된 이들의 나이는 17세, 28세, 45세이다. 17세 학생의 답변은 조심스럽고 형식적으로 표현되어 있다. 각 답변을 나이와 성별 라벨에 맞추도록 요청했을 때, 대부분의 최첨단 언어 모델은 이를 성인에게 확신 있게 배정한다. 본 논문은 Claude Fable 5, Gemini 3.1 Pro, GPT-5.6 Sol, Grok 4.5, GPT-4o (2024), 그리고 DeepSeek V4 등 여섯 개 모델에서 나타난 이러한 실패를 구조화된 사례 연구로 보고한다. 우리는 프레임워크, 공개 형식, 그리고 청중 인식 지침을 조작하는 여섯 가지 실험 조건 하에 1,081회의 API 세션을 실행하고, 총 3,225개의 응답을 평가하였다. 여섯 개 모델 중 세 개는 매칭 과제에서 우연 수준(1/3) 또는 그에 근접한 성과를 보이는 반면, 73~88%의
arXiv:2610.32026v1 발표 유형: 신규 초록: 전통적인 신경망 학습은 일반적으로 사전 정의된 최적화 방식을 따르며, 이를 통해 학습 동역학을 모니터링하고 학습이 진행됨에 따라 옵티마이저 설정을 조정하는 LLM 에이전트를 구동합니다. 그러나 고정된 에이전트 정책은 여러 번의 실행에 걸쳐 경험을 축적하지 못합니다. 우리는 RSI-Opt를 제안합니다. 이는 플러그 앤 플레이 방식의 재귀적 자기개선 옵티마이저 에이전트로, 학습 과정을 안내하는 지식—프롬프트, 절차 집합인 플레이북, 검증된 옵티마이저 코드 라이브러리, 그리고 의사결정 주기—을 지속적으로 발전시킵니다. 메타에이전트는 이전 실행에서 얻은 증거를 바탕으로 이러한 정책을 재작성하며, 아카이브는 평가된 정책들을 보관하여 추가 발전을 도모합니다. 세 가지 학습 과제에서 다섯 세대에 걸쳐, 메타에이전트들은 재사용 가능한 절차와 코드를 개발하고 스스로의 작업을 수행합니다.
arXiv:2610.31734v1 발표 유형: 신규 초록: 실시간 e스포츠 중계에는 어떤 카메라를 송출할지 결정하는 디렉터와, 그 선택에 대해 매초마다 다음 상황을 예측하지 못한 채 해설을 담당하는 캐스터가 필요합니다. 스트리밍 영상 언어 모델들은 해설 기능을 학습했지만, 이는 이미 인간 디렉터가 제작한 중계 영상을 대상으로 한 것입니다. 우리는 실시간 중계 제작 과정을 연구하며, 여기서 모델은 각 플레이어의 원시 카메라 영상을 입력으로 받아, 과거 정보만을 바탕으로 직접 연출과 해설을 동시에 수행해야 합니다. 우리는 이러한 두 가지 역할을 모두 수행하는 단일 스트리밍 영상 언어 모델인 DirCast를 제안합니다. 매초마다 저해상도로 모든 카메라 영상을 스캔하고, ‘유지’ 또는 ‘전환’이라는 디렉터의 판단에 따라 절차를 결정한 뒤, 선택된 카메라 영상을 고해상도로 읽어들인 후 말을 시작합니다. 모델의 컨텍스트는 지금까지 송출된 내용과 무엇이
arXiv:2610.32638v1 발표 유형: 신규 초록: LLM 추론은 기업용 및 대화형 애플리케이션의 핵심 서비스로 점점 더 널리 도입되고 있지만, 주권, 규정 준수, 지연 시간 및 자원 지역성에 대한 요구 사항으로 인해 중앙 집중식 클라우드 배치의 적합성이 제한될 수 있습니다. 통신사들은 이러한 제약을 해결하기 위해 지리적으로 분산된 컴퓨팅 및 네트워크 인프라를 제공합니다. 그러나 기존의 LLM 서비스 프레임워크는 밀접하게 연동된 데이터 센터를 대상으로 설계되어 있어, 지리적으로 분산되고 이질적인 자원을 조율하는 데 대한 지원이 제한적입니다. 우리는 통신사 인프라 위에서 서비스 수준 목표(SLO) 기반 LLM 추론을 구현하기 위한 참조 아키텍처인 InferSlice를 제시하며, 여기에는 네트워크 슬라이싱, GPU 파티셔닝, 탄력적 서비스 제공 및 관찰 가능성이 통합되어 있습니다.
arXiv:2610.32107v1 발표 유형: 신규 초록: 대화에 참여하는 것은 단순히 무엇을 말할지 결정하는 것뿐만 아니라, 과연 말을 할 것인지 여부까지 포함된다. 이러한 판단은 특히 늑대인간 게임과 같이 참가자들의 이해관계가 상충되는 환경에서 더욱 중요한 의미를 갖는다. 왜냐하면 발화와 침묵 모두 타인에 의해 해석되고 평가되기 때문이다. 따라서 언제 말을 할지, 그리고 무엇을 말할지를 결정하는 것은 늑대인간 게임을 플레이하는 LLM 에이전트에게 매우 중요하다. 본 연구에서는 AIWolfDial 공동 과제의 Anytime Utterance Track를 위해 개발된 늑대인간 AI 에이전트를 소개한다. 우리 시스템은 기존의 Inner Thoughts 프레임워크를 기반으로 하며, 이 프레임워크는 내부 사고를 생성하고 각 사고의 가치를 평가함으로써 대화 중 발화 시점을 결정한다.
arXiv:2610.31918v1 발표 유형: 신규 초록: 대화형 LLM 에이전트를 디스틸링할 때는 교사가 생성한 시연과 학생이 생성한 경험 사이에서 선택해야 하며, 이는 대략 오프폴리시 디스틸링과 온폴리시 디스틸링에 해당합니다. 두 방법 모두 효과가 입증되었지만, 우리는 이러한 구분이 본질적으로 계층적이라고 주장합니다. 즉, 상호작용 이력을 유도하는 정책과 현재 행동의 토큰 접두사를 생성하는 정책이 반드시 동일할 필요는 없습니다. 우리는 이러한 두 수준의 온폴리시성을 체계화하고, 이들 간의 조합, 혼합 비율 및 학습 스케줄을 명시적으로 제어할 수 있도록 하는 계층적 에이전트 디스틸링 프레임워크를 제안합니다. 우리는 이 문제를 자기 디스틸링 방식으로 연구하며, 여기서 고정된 교사는 학생이 접근할 수 없는 과제 지침에 접근할 수 있습니다. 그리고
arXiv:2610.31971v1 발표 유형: 신규 초록: 대규모 언어 모델(LLM) 에이전트는 개인과 조직을 대신해 협상에 점점 더 많이 참여하고 있지만, 특히 반복적인 다자 간 상호작용에서는 여전히 조작에 취약한 상태입니다. 전통적인 다중 에이전트 시스템은 명시적인 신뢰 및 평판 모델을 통해 이러한 도전 과제를 해결하는 반면, LLM 기반 협상에 관한 기존 연구들은 대부분 신뢰를 자연스럽게 발생하는 현상으로 간주합니다. 우리는 LLM 에이전트가 이전 상호작용을 바탕으로 유용한 신뢰 추정치를 형성하고 이를 활용해 향후 협상 결과를 개선할 수 있는지 탐구합니다. 우리는 반복적이고 다자간이며 다중 이슈로 구성된 협상 프레임워크를 제안하며, 여기서 재참여하는 에이전트들이 일련의 협상 게임에 참여하는 동안 한 참가자가 은밀히 합의를 방해하려 시도합니다.
arXiv:2610.31827v1 Announce Type: new Abstract: Long-context LLM serving for agentic, coding, and document workloads reuses prefixes whose key-value (KV) cache outgrows GPU and host memory, putting storage I/O on the critical path of the inference step for retrieving prefixes. A single node-local NVMe absorbs all retrievals, while the parallel file system or cloud file store that nodes already mount carries almost no inference traffic. We cast prefix retrieval as aggregate-bandwidth scheduling across these tiers and present KVStream, a KV cache engine that batches a step's reads, defers writes behind the forward pass, replicates each chunk on every tier, and lets each tier adaptively claim the next unread chunks once it is free. Our performance model shows this routing attains the aggregat
번역 대기 중 · 원문 표시 · enarXiv:2610.31728v1 발표 유형: 신규 초록: 뮤온은 대규모 언어 모델 학습에서 인기 있는 최적화 방법으로 자리잡았지만, 그 이론적 기반은 아직 잘 이해되지 않고 있습니다. 본 연구에서는 그래디언트 노이즈의 기하학적 구조가 뮤온의 전치 preconditioning 효과에 어떤 영향을 미치는지 분석합니다. 먼저, 고전적인 등방성 노이즈 가정 하에서 뮤온은 학습률의 재조정 외에는 추가적인 가속 효과를 제공하지 않음을 이론적·실험적으로 보여줍니다. 이를 계기로, 임의의 작업 주기가 서로 다른 연관 기억 시스템에서 미니배치 샘플링으로 인해 발생하는 구조화된 노이즈를 탐구합니다. 우리는 두 가지 작업에 대해 정확한 균형 임계값을 규명하고, 이를 다중 작업으로 확장하여 작업 커버리지와 그래디언트 신뢰성이 학습 과정을 어떻게 공동으로 형성하는지 밝힙니다. 우리의 분석에 따르면, 뮤온은 …을 완화할 수 있음을 보여줍니다.
arXiv:2610.32711v1 발표 유형: 신규 초록: 데이터 분석 및 LLM 워크로드에서 요구되는 메모리 용량은 빠르게 증가하고 있으며, 이는 클라우드와 데이터센터 내 메모리 비용을 상승시키고 있습니다. 다층 메모리는 성능과 비용 간의 균형을 맞추는 유망한 해결책으로 부각되고 있습니다. 그러나 이를 효과적으로 활용하기 위해서는 워크로드의 메모리 동작 특성을 깊이 이해해야 합니다. 본 연구에서는 워크로드별로 다층 메모리 사용 가능성을 분석하기 위한 고해상도 메모리 특성화 방법론을 제안합니다. 데이터센터에서 ARM 기반 프로세서의 도입이 늘어나는 추세에 대응하여, 우리는 최근 출시된 ARM용 통계적 프로파일링 확장 기능(SPE)을 활용해 해당 방법론을 구현했습니다. CloudSuite 및 LLM 애플리케이션에서 선정한 8개의 메모리 집약형 워크로드를 특성화함으로써, 지역별 접근 패턴을 식별하였습니다.
arXiv:2610.32057v1 발표 유형: 신규 초록: 우리는 학습된 스파스 어텐션을 위한 장문 컨텍스트 훈련 시스템인 HyScale을 제시합니다. 학습된 스파스 어텐션은 수백만 토큰 규모의 컨텍스트에 대해 유망한 아키텍처로, DeepSeek-V3.2 이후 생산 환경에서 널리 채택되고 있습니다. 그러나 선택 과정은 훈련의 병목으로 부각되고 있습니다. 각 쿼리마다 이전의 모든 토큰에 대해 점수를 매기는데 반해, 스파스 어텐션은 단지 $k$개의 토큰만 읽습니다. 더욱이 현재 시스템들은 전체 점수 테이블을 메모리에 상주시키고 재계산 과정에서도 선택을 반복합니다. 우리의 핵심 통찰은 선택의 출력이 활성화 값이 아니라 인덱스 집합이라는 점입니다. 이를 바탕으로 HyScale은 HyTopK와 선택 재생 기법을 도입합니다. HyTopK는 점수 테이블 없이 각 쿼리의 정확한 상위-$k$를 실시간으로 찾아내며, 선택 재생 기법은 전방향 패스에서 수행된 선택 결과를 재계산 과정에서 재사용합니다.
arXiv:2610.31985v1 Announce Type: new Abstract: LLM agents are increasingly deployed in collaborative settings where they pursue separate tasks while sharing resources and operating under review or oversight processes. Such settings create safety risks not only when agents are malicious, but also when they are simply trying to help. Prior work has largely studied adversarial or explicitly collusive behavior; we show that benign agents pursuing separate objectives can spontaneously cooperate in ways that bypass intended workflows. We call this the \emph{helpful agent problem}. We study long-horizon shared-resource environments in which agents sometimes depend on resources owned by their peers and cross-owner changes are normally mediated by a reviewer. When review becomes unavailable, agent
번역 대기 중 · 원문 표시 · enarXiv:2610.32045v1 발표 유형: 신규 초록: AI-포-사이언스 에이전트는 과학적 가설을 제시하고, 자율 실험을 수행하며, 증거를 해석하는 데 점점 더 널리 활용되고 있습니다. 이러한 에이전트들은 도메인 특화형 에이전트 하네스에 대규모 언어 모델(LLM)을 통합하여 구축되며, 이는 LLM의 과학적 역량을 향상시키고 모델이 과학적 도구들을 조율할 수 있도록 합니다. 본 연구에서는 LLM이 AI-포-사이언스 에이전트 하네스에 통합될 때 모델의 안전성이 유지되는지 여부를 검토합니다. 우리는 50개의 유해한 화학 관련 요청에 대해 다섯 가지 에이전트 하네스를 평가합니다. 구체적으로, 직접 프롬프팅, 두 가지 간단한 적대적 프롬프팅 전략, 그리고 적응형 공격 하에서 안전성 행동이 어떻게 변화하는지를 분석합니다. 최근 출시된 네 가지 GPT 변종을 대상으로 한 결과는 다음과 같습니다
arXiv:2610.32087v1 Announce Type: new Abstract: Understanding language-agent behaviour requires learning how actions are organised across a trajectory and how this organisation relates to context and outcomes. We propose a general framework that connects data-driven behavioural discovery with analysis and experimental investigation. Categories developed from recorded activity define what is measured. Analyses preserve the behaviours' positions in the process and express their relationships as interpretable hypotheses. Statistical assessment and tests in held-out contexts examine the strength and scope of the evidence. Experiments, including prompt steering, then test how behaviour and outcomes change under deliberately varied conditions. A study of iterative self-reflection illustrates how
번역 대기 중 · 원문 표시 · enarXiv:2610.32215v1 발표 유형: 신규 초록: 현대 GPU 기반 데이터센터의 컴퓨팅 파워 증가로 인해 일부 산업 거대기업들은 대규모 데이터를 활용한 대형 언어 모델(LLM)을 학습하고 배포할 수 있게 되었습니다. 그러나 이러한 모델들과 그 학습 데이터의 엄청난 규모는 중앙 집중식 개발을 점점 더 지속하기 어렵게 만들며, 동시에 관련된 개인 데이터를 보유하고 있지만 이에 상응하는 인프라를 갖추지 못한 소규모 기관들을 배제하게 합니다. 본 논문에서는 분산형 LLM 학습에 관한 우리의 입장을 사전 학습 및 미세조정 패러다임을 중심으로 정리하고, 연합학습, 분할학습 및 탈중앙화 방식을 다루며, 이들이 이질적인 하드웨어와 신뢰성 낮은 연결성을 갖춘 지리적으로 분산된 환경에서 어느 정도 준비되어 있는지를 평가합니다. 이후 우리는 {\em 통합} 시스템을 제시합니다
2026년 10월 26일, arXiv는 논문 arXiv:2610.31683v1을 발표하여 스키마 일관성 인벤토리(SCI)를 제안했다. 이는 96개의 문항으로 구성된 강제 선택형 척도로, 페르소나에 따라 조정되는 언어 모델이 부여받은 신념이 실제로 그들의 인지를 조직화하는지, 아니면 단지 정서적 반응만을 유발하는지 검증하기 위한 것이다.
추천 이유：이 연구는 언어 모델의 ‘신념 내재화 정도’에 대해 현재까지 검증 가능한 측정 방법이 부족하다는 공백을 메웠다. 임상 전문가의 검증, 다중 모델 기반 테스트 및 목표 특이성 기준 설계를 통해, 정서적 표상이 아닌 인지 구조에 초점을 맞춘 최초의 평가 프레임워크를 제시했으며, 모든 도구를 오픈소스로 제공한다.
2026년 더블 11 기간 동안 AI 상용화는 뚜렷한 양극화를 보였습니다. 판매자 측에서는(예: Qwen Office 이커머스 버전) 이미 유료화가 실현되었으며, 유료 사용자의 20%가 이커머스 업계에서 나왔습니다. 반면 소비자 측은 도우바오, Qwen 등 배포 채널의 보조금에 의존해 주문을 유도하고 있으며, 가격 차이는 37.5%에 달하지만 사용자 신뢰도는 낮아(단지 16.06%만이 AI가 상품을 정확히 매칭할 수 있다고 믿음) AI 쇼핑 안내가 아직 전통적인 의사결정 경로를 진정으로 대체하지 못한 상황입니다.
추천 이유：본 자료는 티에이미디어가 2026년 10월 26일에 발표한 심층 보도를 바탕으로 작성되었으며, AI가 더블 11 기간에 보여준 세 가지 유형의 활용 사례를 체계적으로 정리했습니다: ① AI 쇼핑 가이드의 거래 단계로의 확산(더우바오/천원이 주문 및 결제 지원); ② 토큰 서비스의 티몰·징둥 입점(첫날 매출 전일 대비 +450% 증가했으나 판매량은 여전히 초기 단계); ③ 상인용 도구의 선도적 수익화(천원 오피스의 비용 절감 사례가 명확히 제시되며, 알리바바 계열 경영 시스템에 연동됨). 모든 사실은 본문에서 명시된 시점, 데이터 및 출처에 근거하며, 외부 추론은 포함되지 않습니다.
Nanbeige LLM Lab은 512K의 컨텍스트를 갖춘 33B 규모의 밀집형 Apache 2.0 모델인 Nanbeige4.3-33B를 출시했습니다. 이 모델은 Terminal-Bench 2.1에서 80.9점을 기록했으며, 곧 출시될 Nanbeige4.3-3B를 교육할 예정입니다. 해당 게시물 ‘Nanbeige, 33B 규모의 오픈 에이전틱 코딩 모델 Nanbeige4.3-33B 출시’는 MarkTechPost에 처음 게재되었습니다.
