AI Tech - 2026-05-19
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
CiteVQA: Benchmarking Evidence Attribution for Trustworthy Document Intelligence
현재의 문서 이해 AI 모델은 정답만 맞히면 근거 자료가 틀려도 평가를 통과하는 한계가 있습니다. 이 문제를 해결하기 위해 CiteVQA는 모델이 정답을 제시할 때 정확한 출처를 인용했는지까지 검증하여, 법률 및 금융 등 신뢰성이 중요한 분야에서의 활용 가능성을 높입니다.
PhysBrain 1.0 Technical Report
로봇이 물리적 상식을 배우기에는 로봇의 움직임 데이터만으로는 부족하다는 한계가 있습니다. PhysBrain 1.0은 대규모 인간 1인칭 시점 비디오를 구조화된 물리 상식 데이터로 변환하고, 이를 활용해 시각-언어 모델(VLM)을 사전 학습시켜 로봇의 물리적 이해 능력을 향상시키는 새로운 접근법을 제시합니다.
MMSkills: Towards Multimodal Skills for General Visual Agents
기존 AI 에이전트의 재사용 가능한 ‘스킬’은 주로 텍스트나 코드로 정의되어 시각적 상황 인식이 중요한 작업에는 한계가 있었습니다. 이 연구는 시각적 상태 인식, 진행 상황 판단 등을 포함하는 ‘멀티모달 스킬(MMSkills)’ 개념을 제안하여, 시각 에이전트가 더 복잡하고 동적인 환경에서 효과적으로 작업을 수행할 수 있도록 합니다.
FashionChameleon: Towards Real-Time and Interactive Human-Garment Video Customization
영상 속 인물의 의상을 바꾸는 기술은 상업적 가치가 높지만, 기존 기술들은 실시간 상호작용이 어려워 활용에 제약이 있었습니다. FashionChameleon은 단일 의상 영상 데이터만으로도 영상 속 여러 의상을 실시간으로 자연스럽게 수정할 수 있는 새로운 프레임워크를 제시하여 이커머스나 콘텐츠 제작 분야의 활용도를 높입니다.
Learning to Foresee: Unveiling the Unlocking Efficiency of On-Policy Distillation
대규모 언어 모델의 효율적인 튜닝 기법인 On-policy distillation(OPD)의 효율성 원인은 그동안 명확히 밝혀지지 않았습니다. 이 연구는 OPD의 효율성이 학습 초기에 최종 모델로 향하는 안정적인 업데이트 경로를 미리 예측하는 ‘선견지명(foresight)’ 능력에서 비롯된다는 새로운 분석을 제시합니다.
Hugging Face Blog
DexJoCo: A Benchmark and Toolkit for Task-Oriented Dexterous Manipulation on MuJoCo
인간 수준의 정교한 조작 능력을 갖춘 로봇 손을 개발하려면 표준화된 평가 기준이 필수적이지만, 기존 벤치마크는 정교한 손의 고유한 능력을 제대로 평가하지 못했습니다. 이를 해결하기 위해 제안된 DexJoCo는 MuJoCo 기반의 새로운 벤치마크 및 툴킷으로, 복잡하고 과제 지향적인 손 조작 기술을 체계적으로 평가할 수 있는 환경을 제공합니다.
Flash-GRPO: Efficient Alignment for Video Diffusion via One-Step Policy Optimization
비디오 생성 모델을 인간의 선호도에 맞게 조정하는 GRPO와 같은 정렬 기술은 막대한 컴퓨팅 자원을 소모하는 고비용 문제입니다. Flash-GRPO는 기존 효율화 방법들의 불안정성 문제를 극복하고 단일 단계 정책 최적화를 통해 훈련 비용을 획기적으로 줄이면서도 뛰어난 성능을 달성하는 새로운 기법입니다.
PAGER: Bridging the Semantic-Execution Gap in Point-Precise Geometric GUI Control
대형 비전-언어 모델 기반의 GUI 에이전트는 넓은 영역을 허용하는 일반적인 작업에는 능숙하지만, 정확한 좌표를 요구하는 정밀한 기하학적 제어에는 어려움을 겪습니다. PAGER는 이러한 의미론적 이해와 실제 실행 간의 격차를 해소하는 새로운 접근법으로, 모델이 GUI 환경에서 기하학적 구조를 정확하게 제어할 수 있도록 돕습니다.
GitHub Trending
tinyhumansai/openhuman
OpenHuman은 개인용 AI 초지능을 구축하기 위한 프로젝트입니다. 개인 정보 보호를 강조하며, 간단하면서도 매우 강력한 성능을 제공하는 것을 목표로 합니다.
Imbad0202/academic-research-skills
이 저장소는 Claude Code와 같은 AI를 위한 학술 연구 기술을 제공합니다. 연구, 작성, 검토, 수정, 최종화에 이르는 체계적인 워크플로우를 통해 학술 논문 작성을 돕습니다.
K-Dense-AI/scientific-agent-skills
이 프로젝트는 바로 사용 가능한 AI 에이전트 기술(Agent Skills) 모음입니다. 연구, 과학, 공학, 분석, 금융, 작문 등 다양한 전문 분야에 즉시 적용할 수 있도록 설계되었습니다.
ggml-org/llama.cpp
llama.cpp는 C/C++ 언어를 사용해 LLM 추론을 실행하는 프로젝트입니다. 이를 통해 복잡한 의존성 없이 다양한 하드웨어에서 효율적으로 대규모 언어 모델을 구동할 수 있습니다.
tech-leads-club/agent-skills
이 프로젝트는 전문 AI 코딩 에이전트를 위한 안전하고 검증된 기술(skill) 등록소입니다. 사용자는 이를 통해 Antigravity, Claude Code, Copilot과 같은 도구의 기능을 신뢰성 있게 확장할 수 있습니다.
오늘의 키워드
LLM Grounding Eval Vision RAG Multimodal Agent Prompt Distillation Alignment