AI Tech - 2026-05-22
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
Mega-ASR: Towards In-the-wild^2 Speech Recognition via Scaling up Real-world Acoustic Simulation
현재 음성 인식 모델은 실제 환경의 복합적인 왜곡에 취약하여 종종 음성을 누락하거나 환각을 일으키는 한계가 있습니다. ‘Mega-ASR’은 실제와 유사한 음향 데이터를 대규모로 시뮬레이션하고 이를 점진적으로 최적화하여, 어떤 환경에서든 강건하게 작동하는 음성 인식 기술을 제안합니다.
Video2GUI: Synthesizing Large-Scale Interaction Trajectories for Generalized GUI Agent Pretraining
그래픽 사용자 인터페이스(GUI)를 조작하는 AI 에이전트는 다양한 앱에 대한 대규모 학습 데이터가 부족하여 일반화 성능이 떨어지는 문제가 있었습니다. ‘Video2GUI’는 사용자의 앱 사용 동영상에서 상호작용 데이터를 자동으로 추출하여, 비용 문제 없이 대규모 학습 데이터를 생성하는 새로운 프레임워크를 제시합니다.
Enhancing Train-Free Infinite-Frame Generation for Consistent Long Videos
추가 학습 없이 긴 동영상을 생성하는 기존 기술은 메모리 효율은 높지만, 장기적인 일관성을 유지하기 어렵다는 단점이 있었습니다. 이 연구는 학습과 추론 과정의 불일치를 줄여, 파운데이션 모델이 생성하는 동영상의 일관성을 크게 향상시키는 새로운 방법을 제안합니다.
IndusAgent: Reinforcing Open-Vocabulary Industrial Anomaly Detection with Agentic Tools
멀티모달 대규모 언어 모델(MLLM)은 산업 현장에서 처음 보는 이상 현상을 탐지할 때 도메인 지식 부족으로 인한 추론 오류를 일으키는 경향이 있습니다. ‘IndusAgent’는 MLLM에 전문적인 분석 도구를 결합한 에이전트 프레임워크로, 산업 이상 탐지 정확도를 높이고 잘못된 추론을 줄이는 해결책을 제시합니다.
You Only Need Minimal RLVR Training: Extrapolating LLMs via Rank-1 Trajectories
검증 가능한 보상을 통한 강화학습(RLVR)으로 LLM의 추론 능력을 향상시키는 과정에서 모델 파라미터 변화의 특성은 잘 알려지지 않았습니다. 이 연구는 해당 학습으로 인한 파라미터 변화가 매우 단순하고 예측 가능한 ‘rank-1’ 구조를 따른다는 것을 발견했으며, 이를 통해 훨씬 효율적인 학습 방법의 가능성을 시사합니다.
Hugging Face Blog
You Only Need Minimal RLVR Training: Extrapolating LLMs via Rank-1 Trajectories
검증 가능한 보상을 활용한 강화학습(RLVR)은 LLM의 추론 능력을 향상시키는 주요 방법론입니다. 이 연구는 RLVR 학습 과정에서 모델 가중치 변화가 매우 낮은 랭크(low-rank)를 가지며 예측 가능성이 높다는 사실을 발견했습니다. 따라서 파라미터 변화량의 랭크-1 근사만으로도 대부분의 성능 향상을 달성할 수 있어 훨씬 효율적인 훈련이 가능함을 시사합니다.
Uni-Edit: Intelligent Editing Is A General Task For Unified Model Tuning
기존의 통합 멀티모달 모델(UMM)은 여러 작업을 혼합하여 훈련하기 때문에 태스크 간 충돌과 성능 저하 문제가 발생했습니다. 이 문제를 해결하기 위해, 본 연구는 UMM 튜닝을 위한 범용 태스크로서 지능형 이미지 편집 작업인 ‘Uni-Edit’을 제안합니다. Uni-Edit은 여러 작업들이 서로의 성능을 저해하는 대신 상호 보완하며 강화되도록 유도하여 모델의 전반적인 능력을 향상시킵니다.
Mem-π: Adaptive Memory through Learning When and What to Generate
기존의 메모리 증강 LLM 에이전트는 외부 메모리에서 정적인 정보를 검색하여 현재 문맥과 맞지 않는 경우가 많았습니다. 이와 대조적으로, ‘Mem-π’는 필요할 때마다 유용한 가이드를 외부에서 가져오는 대신 직접 생성하는 적응형 메모리 프레임워크입니다. Mem-π는 별도의 전용 모델을 사용하여 언제, 무엇을 생성할지 학습함으로써 현재 상황에 꼭 맞는 동적인 메모리를 제공합니다.
GitHub Trending
anthropics/claude-plugins-official
앤스로픽(Anthropic)이 직접 관리하는 공식 클로드(Claude) 코드 플러그인 디렉토리입니다. 이 저장소는 고품질의 엄선된 플러그인들을 모아 제공하여 클로드의 코딩 능력을 확장시켜 줍니다.
colbymchenry/codegraph
클로드 코드, 코덱스 등 다양한 AI 코딩 도구를 위한 사전 인덱싱된 코드 지식 그래프입니다. 이 기술은 더 적은 토큰과 도구 호출을 사용하며, 100% 로컬 환경에서 작동하여 효율성과 보안성을 높여줍니다.
multica-ai/andrej-karpathy-skills
안드레이 카르파시(Andrej Karpathy)가 발견한 LLM 코딩의 함정을 바탕으로 클로드 코드의 성능을 개선하는 단일 마크다운 파일입니다. 이 파일을 통해 클로드가 더 정확하고 효율적으로 코드를 작성하도록 유도할 수 있습니다.
dotnet/skills
AI 코딩 에이전트가 .NET 및 C# 관련 작업을 더 잘 수행하도록 돕는 기술(skill)들을 모아놓은 저장소입니다. 이 프로젝트는 AI가 닷넷 생태계에서 더 정교한 코드를 작성하고 문제를 해결할 수 있도록 지원합니다.
rohitg00/ai-engineering-from-scratch
AI 엔지니어링을 처음부터 학습하고 직접 구축하며, 실제 서비스를 배포하는 전 과정을 다루는 프로젝트입니다. 이론 학습에 그치지 않고 실용적인 애플리케이션 개발 및 배포 경험을 쌓는 것을 목표로 합니다.
AI Weekly
AI Weekly Issue #494: SpaceX wants $80 billion. OpenAI wants a trillion.
지난 9년간 소수 벤처 펀드가 주도해 온 AI 투자 붐이 이제 공개 시장으로 이동하고 있습니다. 스페이스X가 챗봇 회사를 포함한 800억 달러 규모의 IPO를 신청했고, 오픈AI 또한 1조 달러 규모의 상장을 준비하면서 AI 기업의 가치 평가가 본격적인 대중의 시험대에 오르게 되었습니다.
오늘의 키워드
Audio Hallucination Multimodal Agent Inference LLM Retrieval Eval Claude Claude Code