본문으로 건너뛰기
AI NEWS JOURNAL
AI, IN PERSPECTIVE

AI 뉴스 검색

제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.

발행 시간순

온폴리시 대 오폴리시를 넘어: LLM 에이전트 디스틸레이션은 어느 수준에서 학생 모델을 따라야 하는가?

arXiv:2610.31918v1 발표 유형: 신규 초록: 상호작용하는 LLM 에이전트를 디스틸레이션할 때는 교사가 생성한 시연과 학생이 생성한 경험 중 하나를 선택해야 하며, 이는 대략적으로 오폴리시와 온폴리시 디스틸레이션에 해당합니다. 두 방법 모두 효과적인 것으로 입증되었지만, 우리는 이러한 구분이 본질적으로 계층적이라고 주장합니다. 즉, 상호작용의 역사(히스토리)를 유도하는 정책과 현재 행동의 토큰 접두사를 생성하는 정책이 반드시 동일할 필요는 없다는 것입니다. 우리는 이러한 두 가지 수준의 온폴리시성을 체계화하고, 이들 간의 매칭, 혼합 비율 및 학습 스케줄을 명시적으로 제어할 수 있도록 하는 계층적 에이전트 디스틸레이션 프레임워크를 제안합니다. 우리는 이 문제를 자기 디스틸레이션 방식으로 연구하며, 여기서 고정된 교사는 학생에게는 제공되지 않는 과제 지침에 접근할 수 있습니다.

Beyond On-Policy vs. Off-Policy: At What Level Should LLM Agent Distillation Follow the Student?
진행 상황 및 관련 보도

StackGen3D: 다중 시야 실루엣으로부터 안정적인 3D 블록 쌓기 생성

arXiv:2610.31803v1 발표 유형: 신규 초록: 시각적 사양을 기반으로 물리적으로 안정적인 3D 구조를 생성하려면, 객체 간의 물리적 상호작용을 고려하면서도 기하학적 모호성을 해결해야 합니다. 우리는 주어진 블록 재고와 세 개의 직교 투영 실루엣을 조건으로 하여 안정적인 블록 조립체를 생성하는 프레임워크인 StackGen3D를 제안합니다. 우리의 접근법은 두 단계로 구성됩니다. 첫째, 블록 간의 지지 관계를 모델링하고, 다양한 안정 구조의 데이터셋을 선별하기 위한 빠른 안정성 예측기로 작용하는 물리 기반 그래프 신경망(PI-GNN)을 개발합니다. 둘째, 이 데이터셋을 바탕으로 조건부 흐름 일치 모델을 학습하여, 목표 실루엣과 일치하는 블록 배치의 다모드 분포를 포착합니다. 추론 시에는 가벼운

StackGen3D: Stable 3D Block Stack Generation from Multiview Silhouettes
진행 상황 및 관련 보도

AI 묘지: 지속적으로 업데이트되는 실패한 AI 프로젝트와 스타트업 목록

TechCrunch는 2026년 10월 25일 보도를 통해, 2023년부터 2026년까지 기대에 미치지 못한 여러 AI 프로젝트들을 정리했는데, 여기에는 Relay, Character.ai, Sora, Humane AI Pin 등 스타트업과 제품들뿐만 아니라 OpenAI, Apple, Microsoft 등 대기업의 실패한 시도나 중대한 전환도 포함된다.

The AI graveyard: a running list of projects and startups that didn’t make it

추천 이유:이 보고서는 업계 차원의 현상 분석으로, 범위가 광범위하고 시기적 범위가 명확하며(구체적인 폐쇄·지연 일자 포함) S&P 글로벌 마켓 인텔리전스 데이터를 인용해 기업 수준 AI 프로젝트의 높은 실패율(42%)을 입증하고 있습니다. 또한 사례별 세부 정보와 구조적 분석을 함께 제공하여 전형적인 참고 가치를 지닙니다.

진행 상황 및 관련 보도

연구는 특이값 스펙트럼을 통한 간섭으로 대형 언어 모델의 능력 분포를 조절한다: Llama 및 Qwen 모델에 대한 실증 분석

2026년 10월 24일 arXiv(번호 2610.30676v1)에 게재된 한 AI 연구는 오픈소스 Llama 및 Qwen 지침微調 모델 다섯 가지에 대해 후속 특이값 스펙트럼 평활화와 첨두 섭동을 적용한 결과, 이러한 경량 간섭이 사실 지식, 언어 이해, 연역 추론의 세 가지 능력 간의 성과 균형을 체계적으로 재편할 수 있음을 밝혀냈다.

Spectral Smoothing and Spiking Perturbations Reconfigure Capability Profiles and Selective Task Performance in Large Language Models

추천 이유:이 논문은 다중 모델 및 다중 작업 프레임워크 하에서 변환기의 전방향층 특이값 스펙트럼 구조가 하위 작업 성능에 미치는 인과적 영향을 최초로 실증적으로 검증함으로써, 성능 배치의 구조적 민감성 법칙을 규명하고 모델 성능의 해커팅 및 제어 가능한 편집을 위한 새로운 경로를 제시하였다. 모든 결론은 공개된 모델과 표준 평가 기준에 기반하며, 방법은 투명하고 평가 차원은 포괄적이다.

진행 상황 및 관련 보도

AWS CDK는 재사용 가능한 구성 요소를 구축하여 SageMaker 엔드포인트의 확장·축소 및 업데이트 시 발생하는 블로킹 문제를 해결합니다.

SageMaker 실시간 AI 엔드포인트가 Application Auto Scaling에 등록된 상태에서는 AWS CDK 또는 CloudFormation을 통해 인스턴스 유형 및 수량과 같은 구성 설정을 직접 업데이트하려고 하면 실패합니다. 본 문서에서는 사용자 정의 리소스 기반의 CDK 구성 방식을 제안하며, 엄격한 의존성 오케스트레이션을 통해 엔드포인트 구성과 확장/축소 전략을 원자적 단위로 처리하고, 수동 업데이트를 필요 없도록 구현합니다.

진행 상황 및 관련 보도

TorchNeuron 시스템 수준 성능 분석(제1부): AWS Trainium 칩 기반 엔드투엔드 프로파일링

이 글은 Hugging Face와 Amazon이 공동으로 발표한 기술 블로그 시리즈의 첫 번째 편으로, AWS Trainium AI 가속 칩에서 TorchNeuron을 활용한 PyTorch 모델 추론 성능 분석 방법을 체계적으로 소개합니다. 여기에는 Neuron 백엔드 통합 원리, torch.profiler 구성 방법, NeuronConfig 및 NeuronProfiler 도구의 사용법, Neuron Explorer를 이용한 시각적 추적 등이 포함되며, RMSNorm을 사례로 삼아 세 가지 구현 방식(순수 PyTorch, torch.rms_norm 내장형 병합, torch.compile 자동 병합) 간의 장치별 처리 시간 차이를 비교합니다.

진행 상황 및 관련 보도