AI FRONTIER
Signals worth understanding before they become obvious.
Mage-VL-Cowork: 진화된 하네스에서 하이브리드 컴퓨터 사용을 학습하는 전체 훈련 레시피
논문은 범용 멀티모달 정렬 체크포인트에서 중간 훈련, SFT, RL에 걸친 엔드투엔드 5단계 점진적 커리큘럼으로 훈련된 4B 하이브리드 CUA인 Mage-VL-Cowork를 제시한다. Mage-CUA-Forge는 재사용 가능한 스킬 조건부 생성 워크플로로 6,915개 스킬에 걸쳐 293,806개의 데스크톱 및 웹 작업을 합성하고 반복적인 작업당 비용을 82.6% 절감한다.
- Mage-VL-Cowork는 범용 멀티모달 정렬 체크포인트에서 훈련된 4B 하이브리드 CUA이다.
- 훈련은 중간 훈련, SFT, RL에 걸친 엔드투엔드 5단계 점진적 커리큘럼을 사용한다.
- Mage-CUA-Forge는 6,915개 스킬에 걸쳐 293,806개의 데스크톱 및 웹 작업을 합성한다.
- 논문은 Mage-VL-Cowork-4B가 OSWorld-Verified에서 66.0%에 도달했으며 해당 파라미터 규모에서 최첨단 성능을 달성했다고 보고한다.
온디바이스 에이전트를 만드는 팀에게 이 레시피는 재사용 가능한 스킬 조건부 작업 합성과 진화된 교사 하네스를 결합하면 4B 규모에서 GUI 상호작용과 코드·터미널 실행을 단일 정책으로 통합할 수 있음을 보여준다.
mistralai/Mistral-Large-4-1T-A52B: 1조 파라미터 네이티브 멀티모달 MoE 모델 공개
Mistral이 Mistral Large 4를 공개했다. 1조 파라미터에 토큰당 약 520억 파라미터를 활성화하는 네이티브 멀티모달 MoE 모델로, 100만 토큰 컨텍스트 길이와 160개 이상 언어를 지원하며 Mistral Ecosystem Open-Weight License로 배포된다.
- 약 1T 총 파라미터/약 52B 활성 파라미터, 128개 라우팅 전문가(토큰당 4개 활성)와 1개 공유 전문가
- 1M 컨텍스트 길이 지원, 텍스트와 이미지 네이티브 멀티모달 입력, Pixtral 스타일 비전 인코더 탑재
- 3,800개의 NVIDIA Grace Blackwell GPU에서 처음부터 학습, Mistral의 유럽 자체 데이터센터에서 운영
- Artificial Analysis Coding Agent Index에서 48%를 기록해 선도적인 오픈 웨이트 모델 GLM-5.3과 사실상 동등하다고 보고되었으며, 작업당 평균 47% 적은 토큰 사용
멀티모달 및 에이전트 워크플로를 구축하는 개발자에게 1M 컨텍스트와 네이티브 함수 호출이 오픈 웨이트로 제공되지만, 1T 파라미터 규모는 다중 GPU 텐서 병렬 배포를 요구하고 MaaS 상업적 사용에는 추가 라이선스가 필요하다.
AutoHebb: 제로샷 추론과 지속 학습을 수행하는 자기 수정 신경망
논문은 자율 Hebbian 네트워크(AutoHebb)를 제안한다. 이는 온라인 학습 피드포워드 신경망의 한 종류로, 외부 피드백과 내부 생성 활동을 결합해 전역 학습 신호(신경조절물질)를 만들고, 그 신호가 3요인 Hebbian 국소 학습 규칙을 게이팅해 가소성 가중치를 갱신한다. 저자들은 메타학습으로 고정(비가소성) 가중치를 탐색해 AutoHebb가 제로샷 추론 과제에서 성공하고, 훈련되지 않은 제로샷 추론·지속 학습 능력이 창발하며, 명시적 알고리즘으로 역공학될 수 있고, 제로샷 추론·지속 학습 과제에서 현대 학습 모델을 능가한다고 보고한다.
- 논문은 AutoHebb 네트워크가 제로샷 추론(ZI) 과제에서 성공했다고 보고한다.
- 논문은 훈련되지 않은 ZI/CL 능력이 창발했다고 보고한다.
- 논문은 AutoHebb가 명시적 알고리즘으로 역공학될 수 있다고 보고한다.
- 논문은 AutoHebb가 ZI/CL 과제에서 현대 학습 모델을 능가하며, 관련 모델과의 성능 비교가 메타학습, Hebbian 가소성, 학습의 자율 제어라는 세 구성 요소의 핵심 역할을 시사한다고 보고한다.
AI 빌더에게 이 설계는 메타학습으로 고정 가중치를 찾고 3요인 Hebbian 가소성 규칙으로 갱신함으로써 온라인 지속 학습과 제로샷 추론을 분석 가능한 형태로 구현하는 대안 경로가 될 수 있다.
DyCraft: 장기 4D 장면 생성을 위한 에이전트 시스템
DyCraft는 애니메이션 생성을 단계별로 분해한다. 먼저 사용자 프롬프트를 상세한 계획으로 확장해 정적 장면을 구축하고, 다음으로 핵심 애니메이션 포즈의 3D 스토리보드를 만들어 코딩 에이전트가 검증된 시작 상태와 종료 상태 사이의 국소 동작을 작성할 수 있게 한다.
- 논문은 휴머노이드 로봇, 인간과 동물 캐릭터, 물리 기구를 아우르는 24개의 장기·다중 샷 애니메이션 작업에서 DyCraft를 평가한다.
- Codex의 네이티브 GPT-6 에이전트 및 기존 에이전트 베이스라인과 비교해 DyCraft는 물리적 위반을 크게 줄이고 인간 평가자가 더 자주 선호하는 고품질 애니메이션 3D 장면을 생성한다.
- 논문에 따르면 범용 하네스를 갖춘 프런티어 코딩 에이전트는 물체가 서로 관통하거나 물리적 지지를 받지 못하거나 부자연스럽게 움직이는 출력을 자주 생성한다.
- DyCraft는 3D 스토리보드를 통해 문제를 검증된 시작·종료 상태 쌍으로 분해하고 일련의 모션 작성 도구를 함께 사용한다.
3D 및 애니메이션 파이프라인을 구축하는 개발자에게 DyCraft는 장기 생성 작업을 독립적으로 검증 가능한 시작·종료 상태로 나누는 것이 에이전트가 전체 애니메이션을 한 번에 스크립팅하는 것보다 물리 위반을 억제하는 데 효과적임을 보여준다.
OpenAI, 일상 업무에서 AI의 도움을 측정하는 LifeVal 벤치마크 공개
OpenAI가 LifeVal 벤치마크를 발표했다. 이 벤치마크는 보육 서비스 찾기, 재정 관리, 정부 서류 처리 등 일상 업무를 AI가 얼마나 잘 돕는지 측정한다.
- LifeVal은 OpenAI가 발표한 벤치마크이다.
- AI가 사람들의 일상 업무 완수를 얼마나 돕는지 측정한다.
- 예시 업무에는 보육 서비스 찾기, 재정 관리, 정부 서류 처리가 포함된다.
AI 빌더에게 LifeVal은 평가 초점을 추상적 능력에서 실제 생활 업무로 옮기는 지표로, 보육·재정·정부 서류 같은 시나리오에 맞춘 모델 최적화가 필요함을 시사한다.
Qodo, Codex의 AI 코드 리뷰에 컨텍스트를 구축
Qodo는 회사 지식과 코딩 표준을 Codex에 도입하여 개발자가 풀 리퀘스트를 열기 전에 여러 저장소에서 P0 문제를 잡을 수 있도록 돕는다.
- Qodo는 회사 지식과 코딩 표준을 Codex에 도입한다.
- 이 통합은 개발자가 풀 리퀘스트를 열기 전에 여러 저장소에서 P0 문제를 잡도록 돕는다.
AI 빌더에게 조직 고유 컨텍스트를 코드 리뷰 에이전트에 주입하면 리뷰가 일반 점검에서 PR 이전의 고심각도 문제 포착으로 전환된다.
66세 Yann LeCun의 새 논문이 Scaling Law에 도전: 1.09억 파라미터가 720억을 능가
Yann LeCun이 새 논문을 발표해 1.09억 파라미터 모델이 720억 파라미터 모델을 능가했다고 보고하며, 모델이 클수록 세계를 더 잘 이해한다는 Scaling Law 가정에 도전했다.
- 논문은 1.09억 파라미터 모델이 720억 파라미터 모델을 능가했다고 보고했다.
- 논문은 66세의 Yann LeCun이 발표했다.
- 논문은 Scaling Law에 도전하며 모델이 크다고 반드시 세계를 더 잘 이해하는 것은 아니라고 주장한다.
AI 빌더에게 이 논문은 파라미터 규모만이 세계 이해의 결정 요인이 아니며 아키텍처와 훈련 목표가 더 중요할 수 있음을 시사한다.