AI FRONTIER

SWE-Duel: 코딩 에이전트를 위한 자기 확장형 아레나

이 논문은 두 코딩 에이전트가 미러링된 Red-Blue 턴으로 서로를 평가하는 아레나 SWE-Duel을 제안한다. 과제와 판정 기준이 평가 시점에 생성되므로 사전에 유출될 콘텐츠가 존재하지 않는다.

• 5개 언어의 15개 저장소에서 11개 모델-하네스 참가자가 1,500턴 토너먼트를 치렀다.
• GPT-5.5와 Codex CLI 조합이 1위를 차지했으며, 검토한 결함의 98.3%를 수정했다.
• Claude Opus 4.8과 mini-swe-agent 조합이 2위를 차지했으며 Red 승률은 27.3%였다.
• 동일 모델 패밀리 내에서 최신 버전이 작성한 과제는 이전 버전보다 훨씬 자주 고정 참조 솔버를 이겼다(42.9% 대 4.0%).

코딩 에이전트를 만드는 팀에게 이 아레나는 평가 난이도를 과제 작성 능력에 묶으므로, 해결 능력과 출제 능력을 함께 측정해야 함을 시사한다.

IBM Research 논문: 개방형 에이전트 팩토리와 대규모 분산 추론으로 AI 기반 칩 설계 비용 절감

IBM Research 논문 초록이 개방형 에이전트 팩토리와 대규모 분산 추론을 통해 AI 기반 칩 설계를 더 저렴하게 만드는 방향을 제시한다.

• 출처는 IBM Research의 논문 초록이다.
• 제목은 개방형 에이전트 팩토리와 대규모 분산 추론 두 가지를 제시한다.
• 목표는 AI 기반 칩 설계 비용 절감이다.

AI 빌더에게 이 방향은 칩 설계 에이전트와 분산 추론을 결합해 대규모 설계 흐름의 비용을 관리할 수 있음을 시사한다.

OpenRouter 신규 모델: LiquidAI LFM2.5-24B-A2B

Liquid AI의 LFM2.5-24B-A2B는 총 파라미터 24B, 활성 파라미터 2.45B의 전문가 혼합 추론 모델로, 항상 추론한 뒤 답변하며 도구를 호출하는 에이전트를 위해 설계되었습니다.

• 총 파라미터 24B, 활성 파라미터 2.45B.
• 컨텍스트 창 128,000 토큰, 최대 8,192개 완성 토큰 지원.
• 가격은 입력 100만 토큰당 0.05달러, 출력 100만 토큰당 0.70달러이며 캐시 읽기는 100만 토큰당 0.025달러.
• tools와 tool_choice를 통한 함수 호출을 지원하고 response_format의 JSON schema를 통한 구조화 출력도 지원.

도구 호출 에이전트를 만드는 개발자에게 2.45B 활성 파라미터, 128K 컨텍스트, 낮은 입력 가격의 조합은 높은 처리량의 검색 증강 추론에 적합합니다.

openbmb, MiniCPM-V 시리즈 첫 MoE 모델 MiniCPM-V-4.7-35B-A3B 공개

openbmb가 MiniCPM-V-4.7-35B-A3B를 공개했다. MiniCPM-V 시리즈 최초의 MoE 모델로 Apache-2.0 라이선스이며 이미지, 다중 이미지, 비디오 이해를 지원하고 온디바이스 추론을 내세운다.

• 파라미터 수는 35.2B의 MoE 구성이며 Pipeline은 image-text-to-text, 라이선스는 apache-2.0이다.
• Lookahead Expert Scheduling, 세밀한 레이어별 양자화, DSpark 추측 샘플링을 통해 iPhone 17 Pro Max에서 약 3 GB 메모리로 13+ tokens/s 디코딩 속도를 달성한다고 밝혔다.
• Instruct 모드에서 35B-A3B가 Qwen3.6 35B-A3B보다 더 짧은 추론 시간에 더 높은 종합 점수를 기록했다고 보고했다.
• SGLang, vLLM, llama.cpp, Ollama 추론 프레임워크와 SWIFT, LLaMA-Factory 파인튜닝 프레임워크를 지원하며 GGUF, BNB, AWQ, GPTQ, FP8 양자화 버전을 제공한다.

스마트폰이나 엣지 칩에서 멀티모달 MoE를 구동하려는 개발자에게 Apache-2.0 가중치, 다양한 양자화 형식, 주요 추론 프레임워크 지원이 갖춰져 있어 실제 기기에서 13+ tokens/s 주장을 검증하기 수월하다.

우리는 6개월 동안 3,500개의 AI 트레이딩 봇의 자금을 모두 잃고 나서 논문을 썼다

科技行者에 따르면, 한 연구는 6개월 동안 3,500개의 AI 트레이딩 봇으로 거래를 진행한 결과 이 봇들의 자금이 모두 손실되었고, 이후 연구자들이 논문을 작성했다.

• 실험 기간은 6개월이다.
• 실험에 참여한 AI 트레이딩 봇은 3,500개다.
• 이 AI 트레이딩 봇들의 자금은 모두 손실되었다.

AI 구축자에게 이 실험은 AI 트레이딩 에이전트가 시장에서 체계적 손실 위험에 직면할 수 있음을 시사하며, 배포 전 신중한 평가가 필요하다.

Microsoft Research, 모의 학생으로 AI 튜터를 평가하는 StudentSim 공개

StudentSim은 공개된 비식별 학습 기록으로 개인화된 AI 학생 시뮬레이터를 훈련해 실제 학습자 테스트 이전에 AI 튜터를 평가하고 개선하는 연구 시스템입니다. 체스, 제2언어 영어 작문, 수학을 아우르는 StudentSimEval 벤치마크도 함께 제안되었습니다.

• 논문 요약: StudentSim은 실제 학습자 테스트 이전에 AI 튜터를 평가·개선하는 연구 시스템이며, 제품이 아니고 교실에 배포되지 않았으며 교사를 대체할 의도가 없다.
• 체스에서 StudentSim의 행동 충실도는 0.5150, 지도 반응성은 0.9067이다. GPT-5.4는 각각 0.2316과 0.7186, 체스 전용 인간 수 예측 모델 Maia2는 0.4535와 0.2721이다.
• 체스 튜터 강화학습 연구에서 StudentSim을 보상 소스로 훈련한 튜터는 90.5% 정확도에 도달했고, RL 없는 기준선은 75.7%, GPT-5.4를 모의 학생 보상 소스로 쓴 조건은 71.6%였다.
• 연구는 연구용으로 공개된 비식별 학습자 데이터셋만 사용하며, 각 개인화 시뮬레이터는 해당 학생 자신의 비식별 기록으로만 훈련된다.

AI 튜터를 만드는 팀에게 StudentSim은 비용이 큰 실제 학습자 연구 이전에 실제 학습 기록에 기반한 확장 가능한 피드백 신호를 제공한다.

CLEAT: 대화형 에이전트를 위한 가치 기반 명확화 학습

이 논문은 공유된 상호작용 결과로 명확화 가치 컨트롤러와 작업 정책을 공동 학습하는 CLEAT를 제안하고, 잔차 질의 가치로 질문이 가져오는 작업 효용 증가를 측정한다.

• 논문은 동일한 상호작용 이력에서의 짝지은 rollout으로 잔차 질의 가치를 추정하며, 컨트롤러는 명확화 가치를 예측하고 작업 정책은 유용한 질문을 선택해 답변에 따라 행동한다.
• Qwen3-4B를 사용할 때 CLEAT는 4개 벤치마크의 10개 평가 설정 모두에서 최고 평균 점수를 달성했다.
• 논문은 UserGym Travel에서 최강 베이스라인 대비 13.2%포인트, IN3 underspecification 판단 정확도에서 6.5%포인트 향상을 보고했다.
• 절제 실험은 추론 시 컨트롤러를 제거해도 공동 학습이 작업 정책을 개선하며, 진화하는 정책에 명확화 지도를 적응시키면 추가 이득이 있음을 보여준다.

대화형 에이전트를 만드는 팀에게 이는 명확화 가치를 고정된 휴리스틱이 아니라 정책 변화에 맞춰 재추정해야 함을 시사한다.

Know What You Don't Know: Agentic Data Synthesis by Evolving Generation Space for Closed-Loop Learni...

论文摘要：Know What You Don't Know：围绕大语言模型的能力、评测或对齐问题展开，适合关注方法与实验结果。

당장 도입할 필요는 없지만 계속 추적할 가치가 있는 기술 신호입니다.