2026-07-15 작은대학교 뉴스
🔥 Today — 오늘 반드시 알아야 할 3가지
HSEmotion, 경량 모델로 감정 분석 성능 개선
무슨 일: HSEmotion 팀이 ABAW 챌린지에서 가벼운 얼굴 특징 추출기와 후처리 기법을 활용해 감정 분석 모델을 개발하고, 동영상에서의 양가감정/주저함 인식 성능을 개선했다.
왜 중요: 무거운 모델을 미세 조정하지 않고도 체계적인 예측 보정과 가벼운 다중 모달 융합만으로 높은 성능을 달성해, 효율성과 배포 유연성을 입증했다.
출처: clean_item:clean_20260715_arxiv_26c822c07446#summary · rev 1
트랜스포머, 양자 회로 합성에서 오류 누적 문제
무슨 일: 양자 회로 최적화를 위해 트랜스포머 모델을 사용했지만, 왼쪽에서 오른쪽으로 순차 생성하는 과정에서 초기 토큰 오류가 누적되면서 정확한 회로 합성에 실패하는 현상이 발생했다.
왜 중요: 근사적 결과는 후처리로 보정 가능하지만, 내결함 양자 컴퓨팅에 필요한 정확한 회로 합성에서는 자기회귀적 드리프트가 신뢰성을 크게 떨어뜨리며, 추론 시 탐색과 데이터 확장이 일부 효과를 보여도 회로 길이가 길어질수록 정확도가 급감하는 한계가 드러났다.
출처: clean_item:clean_20260715_arxiv_2536f8c92bdb#summary · rev 1
Light-MER, 경량 감정 인식 프레임워크 제안
무슨 일: 10억 개 이상의 파라미터를 가진 대규모 감정 인식 모델이 꼭 필요한지 의문을 제기하며, 경량화된 ‘Light-MER’ 프레임워크를 제안했다. 이 모델은 지식 증류를 통해 소규모 학생 모델이 대규모 교사 모델의 성능을 유지하면서도 효율성을 크게 높였다.
왜 중요: 기존 대규모 모델은 높은 연산 비용과 느린 추론 속도로 인해 로봇이나 모바일 기기 같은 제한된 환경에서 실시간 사용이 어려웠다. Light-MER은 적은 파라미터로도 최고 수준의 성능을 내면서 실제 배치 가능성을 열어, 감정 인식 기술의 실용화에 중요한 전환점이 될 수 있다.
출처: clean_item:clean_20260715_arxiv_6a4dbb81cb10#summary · rev 1
🤖 AI News
이중 고리 방식, AI 에이전트 평가 지표도 진화
무슨 일: 스스로 진화하는 AI 에이전트 시스템이 평가 지표도 함께 진화시키는 '이중 고리(Double Ratchet)' 방식을 제안했다. 기존에는 평가 지표가 이미 존재한다고 가정했지만, 실제로는 그렇지 않은 경우가 많다는 문제를 해결하기 위한 것이다.
왜 중요: 이 방식은 정답이나 최고 수준의 평가 기준을 사용했을 때와 비교해 88~110%의 성능을 유지했으며, 평가 지표가 없거나 신뢰할 수 없는 상황에서도 시스템이 안전하게 스스로 개선할 수 있는 길을 열어준다.
출처: clean_item:clean_20260715_arxiv_78b5e2ec1d4b#summary · rev 1
JADR 프로토콜, 내부 표현으로 탈옥 위험 측정
무슨 일: 기존의 탈옥 내구성 연구는 생성된 응답을 외부 평가 모델로 판단했지만, 이 연구는 첫 응답 토큰이 생성되기 전에 모델 내부 표현을 자코비안 공간에서 측정하는 JADR 프로토콜을 제안했다.
왜 중요: 이 방법은 외부 평가자 없이 모델 자체의 활성화만으로 위험 인식 능력을 비교할 수 있어, 양자화나 미세 조정 같은 모델 변경의 영향을 통계적으로 유의미하게 측정하고 내부 안전 메커니즘의 취약성을 직접 드러낸다.
출처: clean_item:clean_20260715_arxiv_af631495303d#summary · rev 1
언어 모델 41% ‘serendipity’ 선택, 편향 드러나
무슨 일: 44개 언어 모델에게 "아무 단어나 골라봐"라고 묻자, 41%가 'serendipity'를 선택하는 등 같은 답을 고르는 경향이 극심하게 나타났다.
왜 중요: 모델 간 정답 선택 일치도가 모델 버전과 유형에 따라 4배 이상 차이 나며, 최신 주력 모델일수록 더 획일적인 반면, 사람보다 훨씬 더 집중된 응답을 보여 언어 모델의 편향 구조를 드러낸다.
출처: clean_item:clean_20260715_arxiv_eabc8db091b4#summary · rev 1
회전식 카메라 무인기, 목표물 탐지부터 요격까지
무슨 일: 고정익 무인기에 장착된 회전식 카메라를 이용해 목표물을 탐지부터 추적, 최종 요격까지 하나로 연결하는 제어 체계를 개발했다.
왜 중요: 무인기가 스스로 목표물을 놓치지 않고 추적하며, 충돌 각도까지 정밀하게 제어해 요격할 수 있도록 해준다.
출처: clean_item:clean_20260715_arxiv_8c3dcad18fd6#summary · rev 1
픽셀 단위 루프 폐쇄, 탐색 성공률 35% 향상
무슨 일: 픽셀 단위의 상대적 3D 기하 구조를 바탕으로, 기존의 이미지 수준이 아닌 픽셀 공간에서 직접 루프 폐쇄(loop closure)를 적용하는 새로운 탐색 방법을 제안했다.
왜 중요: 픽셀 수준의 조밀한 루프 폐쇄는 경로 계획의 연결성과 비용 전파를 바꿔, 기존 방식보다 성공률과 SPL에서 35% 이상 향상된 안정적인 임의 지점 간 탐색을 가능하게 한다.
출처: clean_item:clean_20260715_arxiv_75e395ec8773#summary · rev 1
📄 Research
DenseReward, 합성 실패 데이터로 로봇 학습 효율 향상
무슨 일: 로봇 조작 작업에서 강화학습을 효과적으로 적용하기 위해, 다양한 실패 데이터를 합성하고 세밀한 보상 신호를 제공하는 DenseReward라는 새로운 보상 학습 방법을 제안했다.
왜 중요: 기존에는 실패 데이터 수집에 많은 인력이 필요하고, 보상 신호가 너무 단순해 정책 학습 효율이 낮았는데, 이 방법은 합성 실패 데이터와 밀집 보상을 통해 이러한 문제를 해결하여 로봇 정책 학습 성능을 크게 향상시킬 수 있기 때문이다.
출처: clean_item:clean_20260715_papers_5217eadaf125#summary · rev 1
확산 모델, 긴 충돌 사슬 예측 한계 드러나
무슨 일: 공이 여러 개 부딪히는 영상에서 확산 모델이 충돌 사슬이 길어질수록 예측 성능이 떨어지는 현상이 발견됨. 단일 공 실험에서는 이런 현상이 거의 나타나지 않아, 영상 길이가 아니라 사건 간 의존성이 원인임을 확인함.
왜 중요: 이는 기존 영상 확산 모델이 인과적 연결이 긴 작업을 제대로 처리하지 못하는 구조적 한계를 드러내며, 자기회귀 생성이나 모델 깊이 증가 같은 직렬 연산 강화 방식이 성능 향상에 효과적임을 시사함.
출처: clean_item:clean_20260715_papers_c52796a14309#summary · rev 1
FlowWAM, 광학 흐름으로 비디오 생성 모델 제어
무슨 일: FlowWAM은 기존의 수치적 행동 표현이나 단순한 시각적 표현 대신, 광학 흐름(optical flow)을 통합된 행동 표현으로 사용해 사전 훈련된 비디오 생성 모델을 제어에 활용하는 방법을 제안했다.
왜 중요: 비디오 생성 모델이 가진 세계 모델링 능력을 유지하면서도, 정확한 제어에 필요한 움직임 정보를 효과적으로 전달할 수 있는 새로운 행동 표현 방식을 제공하기 때문이다.
출처: clean_item:clean_20260715_papers_cd11c5a397f2#summary · rev 1
단일 카메라로 피부 병변 3D 측정 성공
무슨 일: 피부과 진료에서 병변의 크기와 형태를 측정할 때 3D 정보가 유용하지만, 기존 연구는 대부분 2D 방식에 집중해 왔다. 이 연구는 일반 카메라 한 대만으로도 피부의 정밀한 3D 재구성과 실제 크기 측정이 가능한 모델을 처음으로 개발했다.
왜 중요: 추가 장비나 여러 번 촬영할 필요 없이 단일 이미지로 피부 병변의 입체적 정보를 얻을 수 있어, 피부암 검진이나 상처 모니터링의 정확성과 효율성을 크게 높일 수 있다.
출처: clean_item:clean_20260715_papers_490d3925ec0a#summary · rev 1
AI가 외부 의존성 대체, 공급망 위험 줄인다
무슨 일: 소프트웨어 개발에서 외부 의존성을 쓰는 비용이 커지고, 생성형 AI로 직접 구현하는 비용이 낮아져서 기존 공급망 방식이 바뀌고 있다. 연구진은 의존성 중 실제로 쓰는 기능만 AI로 재생성하는 방식을 제안했고, 실험 결과 99.8%의 기능을 유지했다.
왜 중요: 공급망 공격 위험을 줄이고 외부 신뢰 대신 로컬 검증 중심으로 개발 방식을 바꿀 수 있기 때문이다.
출처: clean_item:clean_20260715_papers_135b861aca84#summary · rev 1
🇰🇷 Korea
경찰, 깃허브 토큰 대량 유출 수사 착수
무슨 일: 경찰이 깃허브 개인 액세스 토큰(PAT) 대량 유출 사실을 확인하고 수사에 착수했다.
왜 중요: 유출된 토큰으로 공격자가 피해자의 비공개 저장소에 접근할 수 있기 때문이다.
출처: clean_item:clean_20260715_korea_e1651a8a86e1#summary · rev 1
삼성 헬스, AI 동의 철회 시 데이터 삭제 경고
무슨 일: 삼성 헬스가 AI 학습에 동의하지 않으면 사용자의 건강 데이터를 삭제하겠다고 경고하고 있다.
왜 중요: 사용자가 동의를 철회하면 데이터 동기화와 백업이 중단되고, 법적 의무가 없는 한 건강 기록이 사라질 수 있기 때문이다.
출처: clean_item:clean_20260715_korea_ddab485c500f#summary · rev 1
연구진 "2040년까지 초지능 개발 중단" 제안
무슨 일: AI 발전 속도와 위험성을 경고했던 연구진이 이번에는 2040년까지 초지능 개발을 중단하자고 제안했다.
왜 중요: 초지능이 인류에게 통제 불가능한 위협이 될 수 있다는 우려가 커지고 있기 때문이다.
출처: clean_item:clean_20260715_korea_cea9e7d49813#summary · rev 1
PostHog, AI로 SQL 파서 70배 고속화
무슨 일: PostHog가 ANTLR 기반 C++ SQL 파서를 Claude Code 세션으로 재작성해 16K줄의 Rust 파서와 도구, 테스트를 만들고 속도를 약 70배 향상시켰다.
왜 중요: 코드를 거의 직접 보지 않고 AI를 활용해 기존 파서보다 훨씬 빠른 새 구현을 만들었다는 점에서 AI 기반 개발의 생산성과 성능 개선 가능성을 보여준다.
출처: clean_item:clean_20260715_korea_02378a7f06a8#summary · rev 1
AI 시대, 가치가 하드웨어로 이동
무슨 일: AI 시대가 오면서 소프트웨어 중심이었던 가치가 반도체, 컴퓨팅, 데이터 등 하드웨어와 인프라로 이동하고 있다.
왜 중요: 애플리케이션 계층의 마진이 줄어들고, 물리적 자원과 인프라가 핵심 경쟁력으로 떠오르고 있기 때문이다.
출처: clean_item:clean_20260715_korea_91e46434e981#summary · rev 1
💡 기타 (Dev · Business)
JVM 내장 AI 엔진, 저지연 LLM 실행 기술 개발
무슨 일: JVM 안에서 AI를 직접 실행하기 위해 OpenJDK의 Project Panama FFM API를 활용해 llama.cpp, whisper.cpp와 직접 연결하는 저지연 로컬 LLM 실행 엔진을 개발했다.
왜 중요: 기존 REST 방식의 오버헤드를 없애고, 핫 경로에서 메모리 할당을 최소화해 성능을 극대화했으며, 향후 RAG를 대체할 시공간 메모리 계층(L-TABB)의 기반 기술이 된다.
출처: clean_item:clean_20260715_hackernews_85fcc36ccf04#summary · rev 1
Microcosm Industries, 시뮬레이션 장난감 세계 공개
무슨 일: 시뮬레이션 장난감과 소프트웨어 미니어처 세계를 모은 ‘Microcosm Industries’를 공개했다.
왜 중요: 복잡한 시스템을 놀이로 탐구할 수 있는 이 소프트웨어는 교육과 게임의 경계를 허물며, 기술 발전으로 제작이 쉬워져 새로운 전성기를 맞을 가능성이 있기 때문이다.
출처: clean_item:clean_20260715_hackernews_49c758f3ad90#summary · rev 1
파이어폭스 전체를 웹어셈블리로 캔버스에 렌더링
무슨 일: 웹어셈블리로 컴파일된 파이어폭스 전체를 캔버스 요소에 렌더링하는 데모를 공개했다.
왜 중요: TCP-over-websocket으로 종단간 암호화를 구현하고, WASM-JS JIT로 사이트 속도를 높이는 등 웹어셈블리의 한계를 시험한 실험적 결과물이다.
출처: clean_item:clean_20260715_hackernews_7357d9fdcaed#summary · rev 1
← 다른 수업 보기