OpenAI는 취약점 발견, 동적 검증, 익스플로잇 평가, 패치 생성을 자율적으로 수행하는 파이프라인을 개발했다고 밝혔다. 개발 중인 사이버 특화 모델로 한 번 실행해 Linux 권한 상승(LPE) 취약점 948건을 검증하고 패치를 생성했으며, API 비용은 약 121만 달러였다.
선정 이유: 발견부터 검증, 익스플로잇 평가, 패치 생성까지 각 단계의 API 비용이 공개되어 취약점 조사의 규모와 비용 수준을 비교하기 쉽다.
Anthropic@AnthropicAIAI 점수4444Google Research는 주관적인 AI 분류기 작성을 반복적인 대화로 다루는 프레임워크 「Agile Deliberation」을 제안했다. 개념의 범위, 하위 범주, 제외 조건을 단계적으로 정의하도록 하며, VLM이 정의의 경계에 해당하는 이미지를 제시해 사용자의 판단을 유도한다. 「Healthy Food」와 「Pay-to-Play」 두 영역에서 회당 1.5시간의 라이브 세션을 18건 진행해 평가했으며, 코드와 알고리즘은 GitHub에서 공개되어 있다.
Anthropic@AnthropicAIAI 점수3939Anthropic@AnthropicAIAI 점수3838Collinear AI의 사이버보안 평가 벤치마크 「CWE-bench v2」는 실제 오픈소스 리포지토리에서 기존 기능을 깨뜨리지 않고 보안 취약점을 수정하는 과제를 91종의 CWE에 걸쳐 100건 공개했다고 밝혔다.
Hugging Face가 장문 문서 안 개체(엔티티)의 상태 변화를 언어 모델이 어디까지 추적할 수 있는지 측정하는 벤치마크 'StateBench'를 공개했다. 난이도는 4단계로 나뉘며, 변수에 값을 대입하는 방식에 따라 갱신 연산의 복잡도가 달라진다. Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol, Luna 같은 프런티어 모델은 입력이 길어지면 까다로운 형식의 상태 추적에서 무너졌다. 반면 순환(recurrent)형과 하이브리드형 모델은 Transformer보다 더 먼 길이까지 일반화할 수 있었다고 한다.
Mistral AI@MistralAIAI 점수5858ML4 is now open-weight! Frontier capabilities on code agents & cyber, way more efficient and compact than its Preview version three weeks ago (!) and cherry on the cake: technical report telling its epic backstory. Check it out: https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/blob/main/assets/technical_report.pdf
OpenAI는 일상생활의 실무 과제에서 AI의 성능을 측정하는 평가 'LifeVal'을 발표했다. 미국과 국제의 시간 사용 조사를 바탕으로 3,995명의 조사에서 중요하게 여겨진 육아, 의료, 가계 관리, 쇼핑, 행정 절차 등의 과제를 선정했다. 공개된 사례에서는 GPT-6 Astra의 최고 기록이 여러 과제에서 100%에 도달했다.
Planning agent와 UI Grounding model로 나눈 8B 규모 UI 내비게이션 에이전트를 실기기 iOS 앱에서 온라인 강화학습으로 직접 학습시키는 방법이 제안되었다. 보상은 LLM-as-a-Judge에 의한 단계별 평가와 최종 과제 완료 보상을 결합했으며, PPO와 GiGPPO로 최적화한다. Android 환경으로의 일반화에서는 SFT 베이스라인 대비 약 7배의 개선을 보였고, 실기기 iOS 앱에서는 Gemini-3.5-Flash를 웃돌고 Gemini-3.1-Pro와 동등한 성능을 기록했다.
Breakthrough Listen과 SETI Institute는 Allen Telescope Array에 에이전트형 AI를 탐색 작업에 도입해, 단일 자연어 요청만으로 망원경 제어, 데이터 보정, AI 모델 적용을 수행할 수 있도록 했다고 밝혔다.
Anthropic은 AI for Science 프로그램을 확대해 전 세계 과학 재단, 연구기관, 연구 그룹 20곳과 제휴했다고 발표했다. 이 프로그램은 연구자에게 무상 Claude 크레딧을 제공하는 것으로, 2025년 5월 시작 이후 생물학, 의학, 물리학, 화학, 기후 과학, 수학 등 수백 건의 프로젝트를 지원해 왔다. HHMI Janelia Research Campus와는 AI 에이전트가 실험 장비를 안전하게 조작하기 위한 공유 사양 'Model Hardware Standard(MHS)'를 공동 개발했으며, 현재 리서치 프리뷰 단계에 있다.
AI at Meta@AIatMetaAI 점수4242
Property Finder는 평가 라벨의 96.8%가 기존 모델의 예측에서 이어받은 것이었으며, 평가가 현행 모델 쪽으로 치우쳐 있었다고 밝혔다. 전문가가 독립적인 정답 데이터를 새로 만들고 진화적 프롬프트 최적화를 수행한 결과, Amazon Bedrock에서 정확도를 높이면서 비용을 86% 줄이는 모델을 선정했다. 평가에는 356장의 이미지를 사용했으며, 주요 지표로 Micro F1을 채택했다.
Google Research는 LLM이 지속 학습 과정에서 지식을 보존하도록 돕는 “sleep framework”를 제안했다. 깨어 있는(active) 단계에서 얻은 단기적 문맥을 수면 단계에서 해제되는 Mixture-of-Experts(MoE) 메모리 블록에 통합하고, 이를 장기적인 파라미터로 정착시키는 구조다. 원문에 따르면 이 교대 반복을 통해 새로운 사실을 지속적으로 습득하고, 최대 10M 토큰의 장문맥 지식을 유지하면서 복잡한 추론 성능을 향상시킬 수 있다고 제시되어 있다.
Ai2는 LLM이 과학 연구 아이디어의 참신성을 얼마나 신뢰성 있게 평가할 수 있는지 검증한 연구 「Old Ideas, Novel Problems」를 공개하고, 참신성 판정용 벤치마크, 데이터, 코드를 함께 공표했다. ICLR 2026의 심사 코멘트에서 참신성에 관한 기술을 추출해 평가 데이터를 구축했으며, GPT-5.1, GPT-5.2, GPT-5.4, Claude Sonnet 4.5, Claude Opus 4.5, Claude Opus 4.6 등 6개 LLM 판정기를 비교했다.
OpenAI는 조화해석, 계산 복잡도, 양자장론 분야에서 새로운 발견 3건을 발표했다. 모델은 국소 평활화 추측(local smoothing conjecture)을 모든 차원에서 증명했고, 지수 시간 가설(ETH)이 틀렸음을 보였으며, QCD 등에 대한 존재 증명도 생성했다. OpenAI는 이번 성과를 원자료(raw research data)로 규정하고, 외부 전문가가 주도하는 공동 연구 그룹을 통해 이해를 넓혀 갈 계획이라고 밝혔다.
선정 이유: AI가 내놓은 수학·컴퓨터 과학·물리학 성과를 외부 전문가의 협력으로 검증하고 이해로 이어가는 공개 방식이 세 가지 형태로 구체적으로 제시되어 있다.
Apple Machine Learning 연구팀이 몇 장의 입력 이미지와 표정 신호로 3D 사람 머리를 실시간으로 애니메이션하는 GHARP를 발표했다. 신원(아이덴티티) 단계를 사전에 계산하고, 애니메이션 단계에서는 실행 시 경량 네트워크를 구동하는 2단계 구조를 채택했다. Ava-256 벤치마크에서 최첨단 품질을 달성했으며, A100 GPU에서 최대 13배 빠르고 가우시안 수는 8분의 1로 동작한다고 밝혔다.
OpenAI는 ChatGPT의 업무 관련 이용 현황을 보여주는 OpenAI Signals 데이터를 공개했다. 165개 작업 활동(Intermediate Work Activities)별로 약 100개국의 이용 동향을 2025년 1분기부터 2026년 3분기까지 분기 단위로 파악할 수 있다. 연구자는 데이터를 내려받아 국가별 차이, 시계열 변화, 다른 경제 지표와의 대조에 활용할 수 있다. 개인용 요금제의 업무 관련 메시지가 대상이며, 엔터프라이즈와 Codex 이용은 포함되지 않는다.
펜실베이니아 대학교 공동 연구자들이 개발한 「LitPivot」은 연구 아이디어 수정을 지원하는 시스템이다. 편집 중인 제안 부분에 맞춰 관련 문헌을 정리하고, 선택한 연구에서 발췌한 내용을 근거로 한 비평과 수정안을 제시한다. 연구자 17명을 대상으로 한 실험에서 분야 전문가들은 LitPivot으로 작성한 연구 아이디어가 텍스트 편집기와 AI 채팅 도구로 작성한 것보다 문헌에 더 근거한다고 평가했다. 참가자들은 수정 후 아이디어의 새로움과 유용성도 높다고 느꼈으며, 주변 문헌에 대한 이해도 깊어졌다고 답했다.
Microsoft와 Hugging Face는 ThinkingBox의 데이터베이스 상태 판정을 강화학습 보상으로 쓰는 에이전트 학습 방법 「ThinkingBox-Training」을 GitHub에 공개했다. Qwen3.8-27B를 GRPO로 50스텝 학습한 결과, 507개 과제 벤치마크에서 평균 성공률(pass@1)이 51.70%에서 60.78%로 올랐고, 20회 모두 성공한 과제는 38건에서 107건으로 늘었다.
Microsoft AI가 AI 진단 시스템 MAI-DxO와 순차 진단 벤치마크 SDBench에 관한 논문을 Science에 발표했다. NEJM의 복잡한 증례에서 MAI-DxO의 진단 정확도는 83%로, 외부 자료가 없는 경우 22%, 있는 경우 36%였던 의사들을 웃돌았다. MIMIC-IV-ED의 응급 증례에서는 80% 대 47%였으며, SDBench는 일부 NEJM 증례를 대상으로 오픈소스로 공개된다.
선정 이유: 순차적 진단을 측정하는 SDBench와 여러 가상 의사가 토론하는 MAI-DxO의 설계, 그리고 정확도와 비용 양면의 비교가 제시되어 있어 의료 AI 평가의 사고방식을 파악하기 쉽다.
Google Cloud는 자가 진화형 AI 에이전트의 연구용 레퍼런스 아키텍처 'Project Chrysalis'를 공개했다고 밝혔다. Gemini platform과 Agent Development Kit(ADK) 위에서 동작하며, 모의한 Black Friday 캐시 고갈 장애에서 최초 완화까지 걸리는 시간이 15~45분에서 1.8초로, HTTP 5xx 오류율이 72.7%~80.0%에서 0.0%로 개선됐다고 설명했다.
Google DeepMind와 Google Research는 World Resources Institute(WRI), IIASA와 공동으로 10미터 사방마다 숲과 토지 이용을 6가지 유형으로 분류한 세계 지도 Forest Typology(ForTy) 2020을 공개했다. 2017년부터 2025년까지의 연간 시계열 데이터도 초기 버전으로 공유하여, 자연림이 플랜테이션이나 농지로 대체된 곳도 추적할 수 있다. 두 데이터는 Google Earth Engine에서 오픈 라이선스에 따라 무료로 이용할 수 있다.
VocabX로 어휘를 특화한 Qwen3-4B 기반 포르투갈어 에세이 채점 모델은 베이스 모델을 바꾸지 않고 측정상 추론 비용을 77% 줄였다고 한다. 어휘는 용도에 맞게 재구성됐으며, 출력층은 약 152,000행에서 약 65,000행으로 축소됐다. 수치는 심사 중인 논문 버전을 기준으로 하므로 공개 시점에는 달라질 수 있다.
Google Research는 전문 교육을 받지 않은 의료 종사자가 시행하는 블라인드 스위프 초음파로 AI가 임신 주수를 추정하는 모델의 일반화 성능을 JAMA Network Open에 보고했다. 전체 MAE는 4.18일로, 전문 검사 기사가 수행하는 표준 방식의 4.48일에 대해 비열등성을 보였다. 시카고에서는 4.10일, 현지 데이터 없이 적용한 나이로비에서는 4.27일이었다.
OpenAI, PerturbAI, Scripps Research는 GPT-Rosalind를 기반으로 한 수천 개의 AI 에이전트를 활용해 마우스 뇌세포 수백만 개분의 기존 실험 데이터를 단 32분 만에 분석했다고 밝혔다. 에이전트는 인간이 수행한 분석 결과를 재현한 뒤 추가 단서를 찾아냈으며, Tsc1과 Tsc2의 작용 차이와 콜레스테롤 조절과 신경퇴행 사이의 연관 가능성을 제시했다. 연구팀은 같은 작업을 사람이 하나씩 수행할 경우 수개월에서 1년이 걸릴 것으로 추산했으며, 추론 아틀라스는 현재 공개된 상태다.
NVIDIA는 시계열 예측 모델 「Kumo Forecast」(구 NV-Tesseract Forecasting)를 공개했다. 사전 학습된 Transformer와 이력 패턴 검색(DARR)을 결합해, 직접 예측과 검색 결과를 섞어 예측한다. 기반은 MOMENT-1-large이며, 약 3억 4000만 파라미터의 인코더를 사용하고 라이선스는 Apache 2.0이다. 해석 기능도 갖추고 있다.
Google, Temasek, Bain & Company가 발표한 제11회 e-Conomy SEA 보고서에 따르면, 동남아시아의 디지털 경제는 2026년에 전년 대비 17% 증가한 3680억 달러(GMV)에 이를 것으로 전망된다. 생성형 AI는 2억 4300만 명(취업 인구의 58%)이 이용하고 있으며, 토큰을 지표로 한 AI 이용은 향후 5년간 60배로 확대될 것으로 예측된다. 2035년에는 1조 달러를 넘어설 것으로 내다봤다.
i14는 선형 어텐션 모델 Laplace 3B를 AWS Trainium2에서 네이티브 PyTorch를 사용해 학습하고 서비스했다. 재귀 상태는 컨텍스트 길이와 관계없이 시퀀스당 29.5 MB로 고정된다. trn2.48xlarge 인스턴스 1대에서의 학습 처리량은 약 120,000 토큰/초였으며, 1,280개의 동시 시퀀스에서의 추론 출력은 11,544 토큰/초였다.
Ai2가 LLM 의사결정에서 속성별 공정성을 최종 선택뿐 아니라 판단의 흔들림 정도까지 측정하는 벤치마크 FairStress를 공개했다. 300개 시나리오와 속성·설득문 조합으로 1300만 건이 넘는 테스트 케이스를 갖추고 있으며, Olmo-eval에도 포함한다. Olmo, Llama, Qwen, Gemma, Claude, GPT 등에서 같은 설득문이라도 유리해지는 속성에 따라 판단이 바뀌는 정도가 다른 경향을 확인했다.
ALTK-Evolve는 GPT-4.1로 학습한 가이드라인을 기본 ReAct 에이전트의 시스템 프롬프트에 추가하는 방식으로, 모델 가중치를 갱신하지 않고도 τ²-bench 소매 도메인에서 Pass^4 67.5%를 달성했다. 이는 2026년 10월 12일 시점 리더보드에 있는 소매 부문 전체 항목을 웃도는 수치다. 항공 도메인에서도 평균 정확도가 57.5%에서 65.0%로 향상되었다.
OpenAI는 COBOL, Fortran, Visual Basic 등 저자원 프로그래밍 언어에서의 구축 및 마이그레이션 능력이 향상되었다고 발표했다. MultiLangBench에서 GPT-6 Astra는 20개 언어 평균 통과율 87.4%를 기록해, GPT-5.6 Sol의 26.8%를 웃돌았다. COBOL 마이그레이션 평가에서는 GPT-6.1 Sol이 낮은 추론 부하에서 86.6%, 높은 추론 부하에서 97.9%에 도달했다.
AI at Meta@AIatMetaAI 점수5252
Microsoft AI의 진단 오케스트레이터 MAI-DxO는 NEJM 증례 기록을 이용한 평가에서 최대 85%의 증례를 올바르게 진단했으며, 경험 많은 의사 그룹의 4배 이상의 비율에 이르렀다. 의사보다 비용 대비 효과도 높다고 한다. 평가에는 NEJM의 최신 304개 증례를 단계적인 진단 과정으로 변환한 Sequential Diagnosis Benchmark(SD Bench)가 사용되었으며, 검사에는 가상의 비용이 설정되었다. 다만 보다 일반적인 증상에서의 성능은 추가 검증이 필요하다고 한다.
Microsoft AI는 2026년 1월 Copilot의 건강·웰니스 관련 대화 50만 건 이상을 분석해 이용 실태를 공개했다. 약 5건 중 1건은 본인의 증상 설명, 검사 결과 해석, 지병 관리에 대해 상담했으며, 증상이나 상태 관리에 관한 질문 7건 중 1건은 타인을 위한 상담이었다. 대화는 사전에 익명화되며 사람이 내용을 읽지는 않는다.
Google 팀이 Ai2의 Olmo 3 7B를 MaxText 기반 Google Cloud TPU에서 1단계 사전학습과 2단계 mid-training annealing까지 재현했다. 홀드아웃 C4 손실과 8개 태스크 정확도는 Ai2의 참조 실행과 거의 동등했으며, 실행 간 노이즈 범위 내라고 보고했다. Ironwood에서는 44.5% MFU, v5p에서는 57.4% MFU를 기록했다.
Sparse VideoGen(SVG)의 공간·시간 마스크로 얻는 이론상의 스파스성을 TPU에서 실제 엔드투엔드 고속화로 연결하는 기법을 해설한다. 81프레임 720p 동영상의 시퀀스 길이는 인기 오픈소스 동영상 생성 모델에서 50K에서 400K에 이르며, 720p에서 1440p로 해상도를 높이면 단일 레이어 Attention의 지연 시간이 차지하는 비중은 55.5%에서 88.2%로 증가한다. 스파스 버전은 단일 TPU v6e에서 커널을 측정한 결과 쿼리·키 쌍의 약 38.87%만 보존하여 계산한다.
Google Research는 AI 에이전트가 액체 핸들링 로봇을 안전하게 조작할 수 있도록 실험실의 디지털 트윈 'VERID'를 제안했다. 아울러 앱타머 설계와 de novo 단백질 바인더 설계의 폐루프 실험도 공개했으며, FAP에 대해 싱글 나노몰러급 친화도를 갖는 바인더를 얻었다고 밝혔다.
Anthropic@AnthropicAIAI 점수5050