AI Tech - 2026-05-23
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
TransitLM: A Large-Scale Dataset and Benchmark for Map-Free Transit Route Generation
기존 대중교통 경로 계획은 구조화된 지도 데이터와 복잡한 라우팅 엔진에 의존해왔습니다. 이를 해결하기 위해, 중국 4개 도시의 1,300만 개가 넘는 경로 계획 기록을 담은 대규모 데이터셋 TransitLM을 공개하여 지도 없이도 경로를 생성하는 언어 모델 훈련을 가능하게 합니다.
Perception or Prejudice: Can MLLMs Go Beyond First Impressions of Personality?
멀티모달 대규모 언어 모델(MLLM)이 사람의 성격을 제대로 인식하는지, 아니면 피상적인 특징만으로 편견을 갖는지 평가하는 것은 중요합니다. 이 연구는 모델이 단순한 첫인상을 넘어 행동 기반의 깊이 있는 성격 추론이 가능한지 검증하기 위한 새로운 평가 과제(GPR)를 제안합니다.
DelTA: Discriminative Token Credit Assignment for Reinforcement Learning from Verifiable Rewards
검증 가능한 보상을 통한 강화학습(RLVR)은 LLM의 추론 능력을 향상시키지만, 응답 전체에 대한 보상이 각 토큰의 확률에 어떻게 영향을 미치는지는 불분명했습니다. 이 연구는 판별자(discriminator) 관점을 도입하여, 정책 업데이트가 어떤 토큰의 확률을 높여야 할지를 결정하는 원리를 명확히 밝힙니다.
π-Bench: Evaluating Proactive Personal Assistant Agents in Long-Horizon Workflows
기존 벤치마크는 AI 개인 비서가 사용자가 명시적으로 말하지 않은 숨겨진 의도를 능동적으로 파악하는 능력을 평가하기에 부족했습니다. 이를 해결하기 위해, 장기적이고 복잡한 작업 흐름 속에서 AI 에이전트의 선제적 지원 능력을 측정하는 새로운 벤치마크 파이벤치(π-Bench)를 제안합니다.
Full Attention Strikes Back: Transferring Full Attention into Sparse within Hundred Training Steps
긴 컨텍스트를 처리할 때 풀 어텐션(full attention)의 높은 연산 비용은 LLM의 큰 제약이었습니다. 이 연구는 이미 훈련된 풀 어텐션 모델이 본질적으로 희소(sparse)하다는 점을 발견하고, 단 몇 백 번의 학습 단계만으로 이를 매우 효율적인 희소 어텐션 모델로 전환하는 방법을 제시합니다.
Hugging Face Blog
Sensor2Sensor: Cross-Embodiment Sensor Conversion for Autonomous Driving
자율주행 시스템의 훈련에는 방대하고 다양한 데이터셋이 필수적이지만, 실제 차량에서 수집한 데이터는 규모와 다양성에 한계가 있습니다. ‘Sensor2Sensor’는 대시캠 영상처럼 규모가 큰 비정형 데이터를 특정 자율주행차의 센서 데이터 형식으로 변환하여, 희귀한 ‘롱테일’ 시나리오까지 포착하는 새로운 접근법을 제시합니다.
Gated DeltaNet-2: Decoupling Erase and Write in Linear Attention
기존의 리니어 어텐션 모델은 고정된 메모리에서 정보를 삭제하고 쓰는 과정을 동시에 처리하여 정보 손실의 위험이 있었습니다. ‘Gated DeltaNet-2’는 메모리의 삭제와 쓰기 게이트를 분리함으로써, 기존 정보를 안정적으로 보존하면서 새로운 정보를 더욱 정교하게 업데이트하는 아키텍처를 제안합니다.
DecQ: Detail-Condensing Queries for Enhanced Reconstruction and Generation in Representation Autoencoders
사전 훈련된 비전 모델을 사용하는 RAE(Representation Autoencoders)는 의미 표현에는 강하지만 이미지의 세밀한 디테일을 복원하는 데는 한계가 있었습니다. ‘DecQ’는 사전 훈련된 모델의 장점을 유지하면서도 세부 정보를 압축하는 쿼리를 학습하여, 고품질 이미지 생성과 정교한 디테일 복원을 동시에 달성합니다.
토스 기술블로그
Cross Functional 기술 문제 풀기 위한 역량 성장 Tip
여러 부서가 얽힌 복잡한 기술 문제를 해결하기 위해 단순히 회의만 늘리는 것은 효과적이지 않습니다. 문제 해결의 핵심은 표면적인 조율을 넘어, 근본적인 원인을 파악하고 구체적인 기술 해결책까지 제시할 수 있는 크로스펑셔널 역량을 기르는 것입니다.
GitHub Trending
anthropics/claude-plugins-official
앤트로픽이 공식적으로 관리하는 고품질 클로드(Claude) 코드 플러그인 디렉토리입니다. 이 저장소는 클로드의 기능을 확장하고 개발 생산성을 높이는 데 도움이 되는 다양한 플러그인들을 제공합니다.
colbymchenry/codegraph
다양한 AI 코딩 에이전트를 위한 사전 인덱싱된 코드 지식 그래프입니다. 이 기술은 더 적은 토큰과 도구 호출을 사용하며, 100% 로컬 환경에서 실행되어 효율성과 보안성을 높여줍니다.
rohitg00/ai-engineering-from-scratch
AI 엔지니어링을 처음부터 배울 수 있도록 구성된 실용적인 학습 자료입니다. 이 프로젝트는 단순히 이론을 배우는 것을 넘어, 직접 AI 서비스를 구축하고 배포하는 전 과정을 경험할 수 있도록 돕습니다.
dotnet/skills
.NET과 C# 환경에서 AI 코딩 에이전트의 작업을 돕기 위한 기술(skill)들을 모아놓은 저장소입니다. 이 프로젝트는 AI가 .NET 생태계의 코드를 더 정확하게 이해하고 생성하도록 지원하여 개발자의 생산성을 향상시킵니다.
Lum1104/Understand-Anything
모든 코드를 탐색, 검색, 질문이 가능한 대화형 지식 그래프로 변환해주는 도구입니다. 이 프로젝트는 화려한 시각화보다는 코드 구조에 대한 깊은 이해를 돕는 데 초점을 맞추었으며, 다양한 AI 코딩 도구와 연동하여 사용할 수 있습니다.
오늘의 키워드
LLM Eval Reasoning Agent Inference RAG Vision Fine-tuning Claude Claude Code