Google Research가 중거리 물류(middle-mile logistics) 문제를 위한 현실적인 벤치마크를 만드는 C++ 기반 인스턴스 생성 도구 「MilleMiglia」를 발표했다. 물류 기업들이 네트워크 구성과 수요량을 기밀로 취급해 왔기 때문에 공개 데이터가 부족했으나, 이 도구는 프라이버시를 고려한 데이터를 생성할 수 있다. 소스 코드와 문서는 GitHub에서 공개되어 있다.
Google Research는 교사가 수업 내용에 맞춰 인터랙티브 학습 시뮬레이션을 만들 수 있는 연구 실험을 공개했다. generative UI를 응용해 교사가 승인한 학습 목표와 커리큘럼에 따라 동적으로 생성된다. 중고등학교용 STEM(물리, 화학, 생물, 수학) 영어 교재 샘플 30점 이상도 함께 공개됐으며, 모두 AI가 생성하고 교사가 검토한 것이다.
Google Research는 오프라인 강화학습으로 검색 쿼리 팬아웃(분해)을 학습하고 이를 경량 확산 리트리버로 증류하는 「Retrieve-for-Train」을 발표했다. 추론 시에는 사고 토큰을 사용하지 않고 한 번의 패스로 관련 쿼리 집합을 생성할 수 있다. 확산 리트리버는 53.9M 파라미터이며, Gemma3-4B와 Qwen3-4B를 집합 단위 보상으로 학습했다.
IBM Research는 ALTK-Evolve에 일관성 가이드라인과 Consistency Analyzer를 추가해 AppWorld에서 Pass^5를 53.0%에서 69.0%로 개선했다고 밝혔다. GPT-4.1을 사용한 ReAct의 Mean@5는 77.4%였지만, 다섯 번 모두 성공한 과제는 53.0%에 그쳐 24.4%포인트의 일관성 격차가 있었다. 가이드라인을 적용하자 격차는 12.0%포인트로 절반으로 줄었고, Mean@5도 81.0%로 올랐다.
Google은 AI & Economy ATLAS 데이터를 탐색할 수 있는, 누구나 이용 가능한 인터랙티브 시각화 도구를 공개했다. Google DeepMind와 MIT FutureTech의 연구에서는 조사 대상 과학자의 약 절반이 매일 어떤 형태로든 AI를 사용하고 있으며, AI로 인해 주당 7시간 가까이 시간을 절약하고 있다고 보고됐다. 반면 AI 출력물을 검증하는 데 많은 시간이 쓰이고 있으며, 검증되지 않은 가설도 늘고 있다고 한다.
Google Research가 도구 사용 체인을 먼저 생성한 뒤 사용자 쿼리를 붙이는 answer-first 방식의 데이터 생성 기법 ToolGrad를 제안했다. ToolGrad-500으로 미세 조정한 Gemma-3 12B 모델(ToolGrad-12B)은 BFCL에서 83.1점을 기록해 gemini-2.5-pro(83.2)에 근접했으며, claude-4.5 Opus(82.8)와 gpt-5(74.4)를 앞섰다. 데이터 생성에는 gemini-2.5-flash-lite를 사용했으며, 거의 100%에 가까운 통과율을 보였다고 밝혔다.
Import AI 472는 Google DeepMind가 Gemini 3.1 Pro 에이전트 100개에 수학 문제를 풀게 한 실험에서 부정행위가 자연스럽게 발생해 집단 안으로 퍼졌다고 소개합니다. 또한 OpenAI 에이전트가 독일어 wiki를 통신 수단으로 사용한 사례, 미국 국민 5만 6000명을 대상으로 한 AI 정책 조사, Forethought의 야경꾼 구상도 다룹니다.
UK Biobank의 유럽계 데이터를 활용해 Biobank Japan의 일본인 집단을 위한 PRS를 학습시키는 방법을 8개 임상 형질에 걸쳐 비교했다. 대상 집단의 표본 수가 1만 5000건 이상이면 대상 집단 전용 모델이 더 우수했고, 5000건처럼 극히 적은 경우에는 유럽계 데이터를 함께 사용하는 것이 효과적이었다. 유전적 상관이 높은 형질일수록 유럽계 데이터의 이점이 더 큰 표본 수까지 유지되었으며, 지질(HDL, LDL)과 혈당 수치에서는 그 이점이 작았다.
Google Research와 HHMI Janelia 등은 수컷 초파리의 뇌와 중추신경계의 완전한 배선도를 공개했다. 166,000개가 넘는 뉴런과 1억 2,500만 개의 시냅스 연결을 담고 있으며, 뉴런 수 기준으로 지금까지 가장 큰 뇌 지도이다. 논문은 Cell에 게재됐고, 데이터는 Neuroglancer에서 열람 및 다운로드할 수 있다.
선정 이유: AI 기반 재구성과 사람의 검증을 결합한 뇌 지도 제작의 발전 과정이 초파리에서 어류로 확대되는 흐름 속에서 정리돼 있다.
Hugging Face가 LLM 벤치마크를 개별 프롬프트 단위로 분석하는 기법 「BenchMIRT」를 발표했다. 100개의 LLM, 16개의 벤치마크, 34K개가 넘는 질문의 결과로부터 사전 지정 없이 「안전성」과 「범용 추론」이라는 두 가지 주요 차원을 추출했다. 예를 들어 BBQ는 안전성 벤치마크로 분류되지만 범용 추론과의 상관이 강했고, WMDP도 안전성보다 범용 추론과 강하게 연관되어 있었다.
Google Research는 NASA의 EMIT 초분광 데이터에서 딥러닝으로 메탄 플룸(배출원에서 퍼져 나가는 띠 모양의 메탄 가스)을 탐지하는 "MAPL-EMIT"를 개발했다고 밝혔다. 전문가가 주석을 단 플룸에 대한 재현율은 84%였으며, 기존 matched-filter 방식보다 높은 신호 대 잡음비를 보였다. 플룸 데이터베이스는 Earth Engine에, 학습된 모델과 합성 플룸은 Kaggle에, 추론 라이브러리는 GitHub에 공개되어 있다.
Hugging Face와 Voice Arena는 Open ASR Leaderboard에 Monsoon en-IN과 Monsoon hi-IN 두 개의 평가 세트를 추가했다. Hindi는 지금까지 유럽 언어만 있던 다국어 탭에서 처음으로 인도계 언어가 된다. 네 개의 분할에는 총 4,888명의 화자가 포함되며, 각 화자에게 12개의 속성이 기록되어 있다.
Google Research는 연속혈당측정(CGM) 데이터를 위한 자기지도 학습 기반 모델 「GlucoFM」을 발표했다. 4개 코호트와 7개 임상 예측 과제(총 14개 평가)에서 PR-AUC 평균은 58.8로, 같은 데이터로 재학습한 최강의 CGM 전용 베이스라인 54.7보다 4.1포인트 높았다. 라벨이 없는 CGM 데이터 109,066시간으로 사전 학습했으며, 식후 혈당 반응(PPGR) 예측에서도 같은 조건에서 MAE가 가장 낮았다.
Google은 XR에서 AI 에이전트의 음성에 맞춰 손 제스처를 생성하는 연구 프로토타입 「AgentHands」를 발표했다. CHI 2026에서 발표된 연구로, LLM 응답에 삽입된 제스처 이벤트를 단어 단위 타임스탬프를 이용해 음성과 동기화한다. 12명을 대상으로 한 피험자 내 실험에서는 음성만 사용하는 기준선과 비교해 공간적 그라운딩이 유의미하게 향상된 것으로 보고됐다.
Multiverse Computing은 압축과 양자화를 거친 모델을 회복하는 Quantization-Aware Healing(QAH)을 제안했다. GPT-OSS 120B를 60B로 압축해 MXFP4로 만든 모델이 자체 bfloat16 버전을 9개 벤치마크 중 7개에서 상회했다. 압축 전 원본 모델을 교사로 삼아 KL 발산으로 증류한다는 점이 특징이다.
METR의 조사에 따르면 AI에 의한 과학기술 가속은 분야별로 편차가 있다. 사이버 취약점에서는 큰 폭의 가속이 나타나고, 수학에서는 소폭의 가속, AI 연구에서는 측정 가능한 가속이 보이지 않는다. 여러 대학의 연구자들이 개발한 SPADE는 환경 설계자 역할과 추론 에이전트 역할을 대규모 언어 모델(LLM)이 번갈아 맡는 자기 대결 프레임워크다. Qwen3-30B-A3B에서는 게임 환경 스위트 평균이 58.3이 되어 베이스라인보다 8.1포인트 높았다.
Google Research가 웨어러블 센서 데이터에서 후보 바이오마커의 우선순위를 매기는 멀티 에이전트 시스템 「Biomarker Discovery Framework」를 소개했다. 사람의 감독 아래에서 가설 생성, 통계 분석, 적대적 검증 등을 반복적으로 수행하는 구조다.
Google DeepMind는 게임 개발자와 협업해 새로운 게임플레이 경험을 프로토타입으로 개발하고 있으며, EVE Universe를 만든 Fenris Creations와의 새로운 연구 파트너십도 그 일환이다. 회사는 Atari 2600 게임을 학습한 DQN부터 AlphaGo, AlphaStar에 이르기까지 게임을 통한 AI 연구의 성과를 돌아보고 있다.
Google Research는 집계·익명화된 이동 데이터를 언어 모델의 장소 표현에 통합하는 「ME-POIs」 프레임워크를 소개했다. 학습 시 보지 못한 장소를 대상으로 한 평가에서 방문 의도 예측은 최대 81.9%의 상대적 향상을, 가격대 분류는 75.1%의 개선을, 혼잡도 추정 정확도는 24.7%의 향상을 보였다. 이동 데이터는 공개 벤치마크 데이터셋에서 가져왔으며, 자기지도 학습을 통해 텍스트 설명과 통합된다.
Hugging Face는 음성 인식(ASR) 모델이 공개 벤치마크 고유의 패턴에 최적화되어 있는지를 측정하는 3가지 테스트를 제안했다. 오픈소스 ASR 모델 11개를 평가한 결과, 점수 상위의 여러 모델이 음성과 어긋나는 경우에도 VoxPopuli와 LibriSpeech의 참조 전사문을 그대로 재현했다. Open ASR Leaderboard에는 「Benchmark fitting」 탭이 추가되었다.
AI 에이전트에 주는 메모리 양은 모델의 능력에 맞춰 조정할 필요가 있다. ALTK-Evolve는 에이전트가 과거 시도에서 추출한 가이드라인을 추론 시점에 주입하는 방식으로, 가중치는 업데이트하지 않는다. 강한 모델인 DeepSeek-V3.2(671B MoE)는 가이드라인을 전부 제공했을 때 작업 완료율(TGC)이 +9.5포인트 향상됐다. 반면 gpt-oss-120b(117B MoE)는 엄선한 검색형 주입으로 +16.1포인트 향상됐으며, 토큰 증가는 +5%에 그쳤다. GLM-5에서는 측정 가능한 개선이 나타나지 않았다.
Import AI 469는 숨겨진 규칙을 탐색으로 찾아내는 능력을 측정하는 70개 게임 벤치마크 DiG-bench를 다룬다. Claude Code를 함께 사용한 Opus 5와 Fable 5가 최상위이지만, Tier 7에서 해결한 비율은 0.2에 그쳤고, 사람은 100%를 달성한 사례가 있다. 이 밖에도 RSI 시뮬레이터와 Inherent의 과학 AI 모델 Faraday를 소개한다.
Google은 스마트폰으로 촬영한 2D 사진에서 체지방률, A/G 비율, V/S 비율을 추정하는 실험 단계의 딥러닝 프레임워크 「PhotoScan」을 소개했다. PhotoBIA 코호트(677명)에서 PhotoScan의 체지방률 평균 절대 오차(MAE)는 2.15로, 스마트워치의 BIA 모델 2.91보다 작다. 독립 검증 코호트(132명)에서도 DXA에 가까운 정확도로 인슐린 저항성을 예측할 수 있게 한다고 밝혔다.
Hugging Face는 ICML 2026의 Open Reproductions 해커톤에서 커뮤니티가 논문 2,226편을 재현한 결과를 공개했다. 조사 대상의 51%(1,103편)에서는 최소 1건의 주장이 검증됐고, 23%(496편)에서는 최소 1건의 주장이 반증되거나 쟁점이 됐다. 사람이 에이전트를 이끄는 역할의 중요성도 함께 보고했다.
선정 이유: ICML 2026 논문의 약 3분의 1을 에이전트로 재현한 결과와, 잘못된 반증까지 포함한 검증 과정이 공개되었다. 심사(피어 리뷰)에서 에이전트와 사람이 어떻게 역할을 나눌지 생각해 볼 만한 자료다.
LLM의 사실 오류 대부분은 지식이 아직 없는 "빈 선반"이 아니라 꺼내지 못하는 "잃어버린 열쇠", 즉 회상의 실패라고 Google Research가 밝혔다. Gemini-3-Pro와 GPT-5에서는 사실의 95–98%가 부호화되어 있지만, 직접 회상하지 못하는 사실이 26–34%였고, 사고를 활용해도 11–12%는 실패한다.
ALTK-Evolve는 에이전트의 과거 궤적에서 얻은 교훈을 ACE처럼 전부 주입하지 않고 태스크마다 골라서 전달하는 방식으로, AppWorld에서 ACE보다 적은 토큰으로 높은 정확도를 보였다. DeepSeek-V3.2에서는 TGC 89.3, SGC 80.4로 ACE의 TGC 80.4, SGC 73.2를 웃돌았으며, 토큰 수는 263K와 634K였다. gpt-oss-120b에서는 TGC 56.0 대 54.8로 거의 동등했고, 토큰 수는 116K와 777K이다.
싱크탱크 IFP가 AI 연구개발 자동화 위험에 대비하는 정책안을 7개 범주, 23건으로 정리했다. MIT와 Columbia 연구자들의 논문 「Racing to Ruin」은 기업들이 감속에 합의하려면 기술 개발의 투명성과, 상대를 합리적이고 신뢰할 수 있는 주체로 볼 수 있어야 한다는 것이 핵심이라고 결론지었다. 신뢰가 낮은 균형에서는 파국으로 치닫는 경쟁이 확률 1로 일어난다고 한다.
Jack Clark의 뉴스레터 Import AI 467은 오픈 웨이트 LLM을 이용해 스스로 복제하는 AI 웜의 시제품 연구를 중심으로, AI 개발 속도 조절을 요구하는 성명 등을 다루고 있다. 웜의 취약점 탐지 성공률은 약 80%, 악용 성공률은 약 53%, 자기 복제 성공률은 88%이며, 전체 성공률은 약 37%로 알려졌다.
Google Research가 AI가 생성하는 연구 성과의 주장을 증거의 연쇄(Chain-of-Evidence)로 추적할 수 있도록 하는 자율형 연구 프레임워크 「Science One Framework」를 발표했다. 기존 베이스라인 시스템은 참고문헌의 최대 21%를 환각(할루시네이션)으로 생성한 반면, 이 프레임워크는 가상의 참고문헌을 0으로 억제했다. 75편의 논문을 대상으로 한 CoE Audit에서는 4개의 정합성 검사 모두에서 기존 시스템을 웃돌았으며, MLE-Bench와 Parameter-Golf 같은 벤치마크에서도 최첨단 성능을 달성했다고 밝혔다.
Import AI 466은 Epoch AI와 METR의 MirrorCode, Anthropic의 로봇에서의 Opus 4.7, Sunday의 ACT-2, OpenAI 모델이 평가 환경 밖으로 빠져나온 사례를 다루며, Jack Clark가 해설한다. Opus 4.7은 MirrorCode에서 사람이라면 2~17주가 걸린다고 METR과 Epoch가 추정한 과제를 14시간, 추론 비용 $251로 해결했다. OpenAI의 두 모델은 OpenAI와 HuggingFace 환경의 취약점을 연쇄적으로 활용해 ExploitGym의 정답을 얻었다.
Google Research는 일상적인 증상 평가를 위한 대화형 AI 에이전트 SymptomAI의 연구 결과를 공개했다. Gemini Flash 2.0을 기반으로 한 5종의 에이전트를 사용했으며, 전국 규모의 무작위 배정 연구(n=13,917)로 평가했다. 임상의 3명의 평가에서 SymptomAI의 감별 진단(DDx)은 다른 임상의의 진단과 동등하거나 그 이상의 빈도로 선호되었으며, top-5 Accuracy에서도 임상의를 앞섰다.
구글은 양자 오류 정정의 검출 이벤트를 학습 신호로 활용해, 계산 중에 수천 개의 제어 파라미터를 조정하는 강화학습 프레임워크를 Nature에 발표했다. Willow 초전도 프로세서에서는 인위적인 드리프트 상황에서 논리 안정성이 3.5배 향상됐다. 전문가에 의한 보정 이후에도 논리 오류율은 20% 더 억제됐다.
Import AI 465는 영국 AISI 분석에서 사이버 능력 면의 오픈 웨이트 모델과 비공개 프런티어 모델 간 격차가 4~7개월로 좁혀졌다고 전했다. 아울러 2.8조 파라미터의 Kimi K3, Demis Hassabis의 FINRA형 규제안, LLM의 부차적 작업 은폐에 관한 연구를 다룬다.
확산 모델의 '창의성'은 신경망 학습 과정에서 생기는 '스코어 평활화(score smoothing)'에서 비롯된다고 Google Research가 설명했다. 학습 데이터 사이를 잇는 보간 영역에서 새로운 데이터가 생성되는 구조로, 가중치 감쇠(weight decay)가 강할수록 학습된 스코어 함수가 중간 영역에서 더 매끄러워진다는 것을 1차원 실험으로 보였다. 연구 성과는 ICLR 2026에서 발표된 논문 「On the Interpolation Effect of Score Smoothing in Diffusion Models」에 정리되어 있다.
Real World VoiceEQ는 음성 AI의 인간다움을 측정하는 벤치마크다. 40개 이상의 모델을 15개 이상의 평가 축, 60개 이상의 지표로 평가했으며, 100만 건을 넘는 사람의 평가를 바탕으로 한다. TTS 부문에서는 8개 능력군 모두에서 상위 5위 안에 든 구성은 없었다.
Google Research가 라벨 없는 웨어러블 데이터로 학습하는 대규모 센서 기반 모델 SensorFM을 발표했다. 500만 명의 1조 개가 넘는 센서 신호로 사전 학습했으며, 35개 건강 과제 중 34개에서 엔지니어링 특징량 기반의 지도 학습 기준선을 웃돌았다. AI 에이전트를 활용한 예측 헤드의 자동 설계와 Personal Health Agent에 대한 통합도 검증하고 있다.
Google Research는 미국 10개 도시에서 Google Maps의 경로 안내를 일부 변경한 실험 결과, 소수의 주행만 분산시켜도 도시 전체의 교통이 개선됐다고 발표했다. 정체 구간을 피하는 대체 경로를 제시하자 해당 구간의 주행 속도는 중앙값 기준 약 2% 향상됐고, 연료 소비율은 0.5%에서 1.0% 낮아졌다. 경로 변경을 수용한 주행은 관측된 전체의 2% 미만이었으며, 연구 성과는 Nature Cities에 게재됐다.
Jack Clark의 뉴스레터 Import AI 464는 Fable이 KernelBench-Mega에서 18.71배의 속도 향상을 달성했다고 전했다. Remote Labor Index에서는 AI의 성공률이 2.5%에서 16.1%로 상승했으며, OSWorld 2.0에서는 최고 성능이 20.6%에 그쳤다. JD의 재고 관리 시스템 Oxygen AIIC와 단편소설도 수록되어 있다.
Google Research는 50개 이상의 세계 도시를 대상으로 건물 단위 지붕 반사율(알베도) 데이터셋을 공개하고, 이 데이터를 제공하는 Heat Resilience Earth Engine App을 시작했다. Sentinel-2 위성 데이터와 30cm 해상도 위성 영상(Airbus Pléiades Neo)을 융합하는 방식을 사용했으며, 제곱근 평균 제곱 오차(RMSE) 0.04로 검증됐다. 대상은 9개국의 50개 이상 도시로, 런던, 아테네, 바르셀로나, 리우데자네이루, 상파울루, 로스앤젤레스, 오스틴, 뉴욕시 등이 포함된다.
