AV-FABLE: 장시간 영상의 음성·영상 변조 탐지 벤치마크

AV-FABLE은 장시간 음성·영상 동영상에 포함된 국소적 변조를 평가하기 위한 이중 타임라인 벤치마크로, 이를 기반으로 동결된 특징량에서 변조를 탐지하는 NFSR도 제안되었다. 원본·변조 쌍 16,650개(998시간, 편집 구성 27종)로 실험한 결과, AV-LLM에 제로샷 프롬프트를 사용한 탐지는 거의 무작위 추측 수준에 머물렀다.

NVIDIA@nvidiaAI 점수1515

한 나라의 데이터에는 그 나라의 문화, 역사, 가치관이 깃들어 있다. 그것은 국민의 것이다. @JensenHuang이 이 지식이 카자흐스탄 AI의 미래에 왜 천연자원인지 이야기한다.

Anima, GPT-6와 GPT-Live로 진료소 전화 대기 시간 75% 단축

의료 스타트업 Anima는 GPT-Live를 기반으로 한 AI 접수 담당 'Andi'를 도입한 진료소에서 전화 대기 시간이 40~50분에서 10분으로 줄어 75% 이상 감소했다고 밝혔다. 문서 처리에서는 시간당 약 15건이던 처리 건수가 30~45건으로 늘어난 것으로 전해졌으며, 이 업무에는 GPT-6 모델이 사용되고 있다. 환자 조사에서는 86%가 Andi를 다시 이용하고 싶다고 답했다.

ThinkingBox의 데이터베이스 판정을 RL 보상으로 전용, Qwen3.8-27B 에이전트 학습으로 신뢰성 향상

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.

Amazon SageMaker AI, 학습 루프를 직접 구현할 수 있는 training session API 추가

AWS가 Amazon SageMaker AI의 서버리스 모델 커스터마이징에 training session API를 추가했다. forward_backward(), optim_step(), sample()을 API 호출로 조합해 SFT나 강화학습 학습 루프를 로컬 Python으로 작성할 수 있다. GPU 할당, 분산 실행, 장애 복구는 SageMaker AI가 담당한다.

AWS, SageMaker AI 서버리스 모델 커스터마이징에 학습 세션 일반 제공 시작

AWS가 Amazon SageMaker AI의 서버리스 모델 커스터마이징에 학습 세션을 추가해 일반 제공(GA)을 시작했다. 손실 함수와 보상 신호를 포함한 학습 루프는 사용자가 직접 작성하며, GPU 할당, 분산 실행, 장애 복구, 체크포인트 저장은 SageMaker AI가 담당한다. 지원 모델은 gpt-oss-20b, gemma-4-31B-it, Qwen3.6-27B, Qwen3.8-27B이다.

Google DeepMind 등, 세계 숲을 6가지 유형으로 분류한 10미터 해상도 지도 ForTy 2020 공개

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.

OKA, 버섯 모양 로봇 램프 「Mori」 발표

OKA는 높이 약 12인치(약 30cm)의 버섯 모양 홈 로봇 램프 「Mori」의 Founder's Edition을 649달러에 오늘부터 판매를 시작했다고 밝혔다. 재고는 수백 대로 한정된다. 표준판은 799달러이며, 자연음 사운드스케이프를 사용하려면 구독이 필요하다. 호흡 가이드는 무료로 이용할 수 있다. Mori는 음성 어시스턴트가 아니며 음성 명령은 지원하지 않는다. 카메라 영상과 음성은 기기 내에서 처리되며, 파일은 폐기된다.

OpenAI, GPT-Rosalind 기반 수천 개 에이전트로 마우스 뇌 데이터를 32분 만에 분석

OpenAI는 PerturbAI, Scripps Research와 협력해 GPT-Rosalind 위에서 작동하는 수천 개의 AI 에이전트로 마우스 뇌 전체 CRISPR 아틀라스를 32분 만에 분석했다고 밝혔다. 팀은 사람이 수작업으로 같은 작업을 하면 수개월에서 1년이 걸릴 것으로 추산했다. 성과물인 "Reasoning Atlas"는 GitHub에서 공개됐으며, 논문은 bioRxiv에 게재됐다.

Hugging Face, DNA와 대화할 수 있는 오픈소스 모델 Carbon-X 공개

Hugging Face는 목요일 DNA에 대해 자연어로 질문할 수 있는 오픈소스 모델 Carbon-X를 공개했다. 파라미터 수는 14B이며 노트북PC에서 로컬로 실행할 수 있다. 개발자는 실제 웻랩 실험을 통한 검증은 아직 이뤄지지 않았으며 예측 정확도는 알려지지 않았다고 설명했다.

NVIDIA 오픈 모델, 유럽 공공 부문 프로젝트 확산을 뒷받침

유럽 각국의 정부와 공공기관이 NVIDIA의 오픈 모델을 활용해 데이터와 인프라를 자국의 통제 아래 둔 채 행정 업무용 AI를 구축하고 있다. 폴란드에서는 가족·노동·사회정책부가 400곳 이상의 노동사무소를 위해 PLLuM, GPT OSS, Inkling을 사용한 에이전트형 시스템을 개발 중이다. 프랑스에서는 CANUT이 선정한 LINAGORA와 Docaposte가 2,500곳 이상의 대상 기관에 Twake.ai를 기반으로 한 주권형 협업 워크스페이스를 제공한다.

NVIDIA, Cosmos 플랫폼 확장… 학습·평가·배포용 신규 도구 발표

NVIDIA는 Cosmos 플랫폼에 새로운 학습 도구, 시뮬레이션용 체크포인트, Cosmos Data Factory 블루프린트를 추가했다. Data Factory는 자율주행 데이터셋 생성과 비디오 데이터 증강 등 5종의 클라우드 네이티브 블루프린트를 제공하며, GitHub, Microsoft Azure, Nebius, CoreWeave에서 이용할 수 있다. Cosmos 3 NIM 마이크로서비스는 검증된 구성에서 추론을 최대 2배 빠르게 한다고 한다.

유럽 대형 금융기관, 오픈 모델로 자체 인텔리전스 구축

Revolut는 단일 기반 모델 PRAGMA를 중심으로 기술 스택을 재구성해 NVIDIA의 가속 컴퓨팅 위에서 실서비스에 활용하고 있다. 초기 단계에서 8,000만 명의 고객에게 서비스를 제공하고 있으며, 3배 확장을 가정해 설계됐다. 또한 네오뱅크 bunq는 에이전트형 어시스턴트 Finn을 오픈 웨이트 모델로 구동하고 있다. Nebius에서 배포해 답변 1건당 비용을 60%로 낮추면서도 주요 클로즈드 모델과 동등한 품질을 확보했다.

AWS Trainium에서 torchtitan으로 Qwen3를 학습하는 방법

단일 trn2.48xlarge 인스턴스에서 torchtitan을 사용해 Qwen3를 학습하는 세 가지 구성이 제시됐다. 첫째는 Transformers v5를 모델링 백엔드로 사용하는 방법, 둘째는 torchtitan 네이티브 Qwen3로 전환하는 방법, 셋째는 NKI MoE 커널과 override registry를 결합하는 방법이다. Qwen3-4B-Instruct-2507의 경우 공개 가중치에서 시작하면 1스텝 손실이 6.54, 랜덤 초기화에서는 12.43으로 보고됐다.

UserArena: 장기 쇼핑 에이전트를 위한 대화형 사용자 시뮬레이션 평가 벤치마크

UserArena는 실제 e커머스에서 수집한 장기 쇼핑 행동을 대상으로 하는 대화형 벤치마크이며, 사용자 11,010명의 세션 궤적 64,729건, 상품 566,102개, 액션 유형 13종을 포함한다. 아울러 On-Policy Trajectory Distillation(OPTD)을 제안했으며, 평가한 시뮬레이터 가운데 종합 충실도가 가장 높고 오프라인 시뮬레이션에서 실서비스 정책의 효과를 가장 근접하게 재현했다고 밝혔다.

복잡한 에이전트형 메모리는 정말 필요한가, 단순한 RAG가 예상보다 강하다

생 대화 기록에 대해 밀집 검색과 재랭킹을 수행하는 단순한 RAG 베이스라인 「Raw-RAG」가 LoCoMo, LongMemEval, MEME, MemoryAgentBench 평가에서 비교 대상 메모리 시스템 7개의 벤치마크·모델 설정 중 6개에서 1위를 차지했다. 가장 강한 에이전트형 메모리와 비교하면 0.13~5.53포인트 앞섰으며, 필요한 증거를 빠짐없이 포착하기 쉬운 점이 활용률이 낮은 단점을 보완하는 것으로 알려졌다. 변환된 메모리 전체에 접근하더라도 원본 증거와의 정확도 차이가 남아 있어, 논문은 원시 정보를 보존하는 것이 중요하다고 보여준다.

NVIDIA, 사전 학습된 관계형 기반 모델 Kumo Relational 공개

NVIDIA는 기업 데이터베이스에서 추가 학습 없이 예측할 수 있는 사전 학습된 관계형 기반 모델 Kumo Relational을 공개했다. 최대 10,000건의 과거 사례를 컨텍스트로 읽어 들여, 한 번의 포워드 패스로 이탈, 수요, 부정 거래 등을 예측한다. 15개 데이터베이스에 걸친 41개 과제에서 지도 학습 모델과 전문가가 설계한 그래디언트 부스팅 트리 파이프라인을 능가했다고 밝혔다.

임의의 리그를 위한 3D 동작과 영상의 동시 생성 모델

임의의 리그(스켈레톤)에 대해 영상과 3D 동작을 동시에 생성하고, 카메라로 그 동작을 장면에 맞춰 배치하는 모델을 제안했다. 3D 동작은 임의의 스켈레톤을 다루는 별도의 모델로 처리하며, 사전 학습된 영상 생성 모델과 소수의 크로스 어텐션 레이어로 연결한다. 약 20만 쌍의 학습 데이터로 훈련했으며, 텍스트로부터 애니메이션을 만들 때 영상 우선 방식의 파이프라인보다 충실도가 높다고 보고됐다. 영상과 3D 동작 간 상호 변환과 키프레임을 통한 제어도 가능하다고 한다.

OpenAI@OpenAIAI 점수3838

OpenAI의 GPT-Rosalind는 Perry 증후군과 관련된 유전자 DCTN1의 기능이 저해되면 마우스 뇌 데이터에서 콜레스테롤 생성 관련 유전자의 발현이 높아진다는 사실을 밝히고, 신경세포에 콜레스테롤이 제대로 전달되지 않을 가능성이라는 가설을 제시했다. perturbai_tx 및 Scripps Research와 진행한 공동 연구에서는 수천 개의 GPT-Rosalind 에이전트가 병렬로 작동해 수백만 개의 마우스 뇌세포 유전자 발현 결과와 과학 문헌을 32분 만에 대조했다. OpenAI는 앞으로 이 협업을 확대해 새로운 신약 개발 타깃을 찾는 작업에 나선다고 밝혔다.

Mistral, NVIDIA와 엔지니어링용 AI 확대

Mistral과 NVIDIA는 Mistral의 모델을 NVIDIA의 가속 컴퓨팅 및 물리 모델링 도구에 통합해, 시뮬레이션과 AI 설계를 폐루프로 연결하는 엔지니어링 워크플로를 개발하고 있다고 밝혔다. 두 회사는 CAE 및 EDA 분야에서 물리 AI와 에이전트형 AI를 평가하기 위한 공개 벤치마크와 오픈 데이터셋도 마련한다. Mistral은 총 파라미터 약 1조 개, 활성 파라미터 490억 개의 멀티모달 모델 'Mistral Large 4'의 공개 프리뷰를 발표했으며, 가중치는 10월 말 공개될 예정이라고 전했다.

Mistral AI@MistralAIAI 점수3535

오늘 NVIDIA(@nvidia)와의 새로운 협업을 발표했다. 산업 엔지니어링에 AI를 도입하기 위한 것이다. - 더 빠른 시뮬레이션 - 물리 AI를 위한 오픈 벤치마크 및 관련 데이터셋 - CAE 및 EDA 분야의 에이전트형 AI 평가 자세한 내용: https://mistral.ai/news/mistral-nvidia-ai-for-industrial-engineering

Hugging Face, SimReady Central 공개… 로보틱스·AI 팩토리용 시뮬레이션 대응 3D 에셋 2,000종 이상

Hugging Face의 SimReady Central Library는 로보틱스와 AI 팩토리 시뮬레이션에 활용할 수 있는 OpenUSD 형식 3D 에셋 2,000종 이상을 모은 무료 이용 라이브러리다. 로봇 암, 그리퍼, 창고 설비, 랙, 냉각 설비 등이 포함되며, 개발자는 각 에셋의 지원 기능을 확인해 서로 다른 공급업체의 에셋을 조합할 수 있다. 장비 제조사(OEM)는 자사 에셋을 SimReady 요건에 따라 검증하고 이 라이브러리를 통해 제공할 수 있다.

OpenAI, 뇌 임플란트로 암을 검출하는 신생 기업에 투자

OpenAI의 벤처캐피털 부문과 Founders Fund가 뇌 임플란트로 암을 검출·치료하는 기술을 개발하는 Coherence Neuro에 투자했다. 이번 투자는 4,500만 달러 규모의 시드 자금 조달의 일부다. Coherence는 뇌종양과 관련된 전기 신호를 해독하는 AI 모델을 개발하고 있으며, 호주의 병원에서 3명의 환자를 대상으로 약 30분간의 기록 테스트를 실시했다. 앞으로는 7명의 환자를 대상으로 기록 및 자극 기능을 검증하고, glioblastoma 환자를 대상으로 한 장기 이식 임상시험을 계획하고 있다.

NVIDIA Agent Toolkit 확충, 기업 데이터 기반 에이전트 지원

NVIDIA는 오픈소스 NVIDIA Agent Toolkit에 새 도구를 추가해 확충하고, 기업 데이터를 활용해 에이전트를 구축·관리할 수 있도록 했다고 밝혔다. 새로운 Agent Knowledge Foundation에는 CUDA-X 라이브러리, Auto-Ontology 라이브러리, Nemotron Retriever, Kumo의 오픈 모델이 포함된다. OpenShell은 에이전트의 접근과 동작을 제어하는 안전한 런타임을 제공하며, SAP의 리랭커는 거의 3배 빨라졌다.

i14, 선형 어텐션 모델 Laplace 3B를 AWS Trainium2와 네이티브 PyTorch로 학습·추론

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.

벤치마크는 난이도에 관한 경험적 측도다: 난이도 편향과 커버리지 공백 분석

본 논문은 벤치마크를 난이도에 관한 경험적 측도로 정식화하고, 측도 불일치와 커버리지 공백이라는 두 가지 실패 모드를 규명한다. 7개 분야에 걸친 인기 벤치마크 25개를 분석한 결과, 다수의 벤치마크가 특정 난이도 영역을 과도하게 중시하고 있으며 리더보드의 결론은 신중하게 해석해야 한다고 밝혔다. 또한 난이도를 겨냥한 문항 재작성 알고리즘 BenchFill을 제안하고, 국지적인 커버리지 공백을 줄이는 효과를 보였다.

자연어 행동으로 잠재 세계 모델을 확장하는 LaLa-World

LaLa-World는 시뮬레이션, 로봇, 이미지·동영상 데이터를 하나의 예측기로 학습하는 언어 조건부 잠재 세계 모델이다. RAEv2 기반 동영상 생성 모델과 비교한 결과, 동등한 MPC 계획 성능을 6분의 1 적은 학습 비용과 13.9배 빠른 계획 속도로 달성했다. 사전 학습된 LaLa-World를 초기값으로 삼은 LaLa-Policy는 LIBERO와 RoboCasa에서 Cosmos Policy와 경쟁하며, 추론은 최대 5.5배 빠르다.

Octave, Amazon Bedrock 기반 보안 멀티테넌트 AI 플랫폼 구축 방법

Octave Reliance는 Amazon Bedrock 위에 테넌트별로 데이터를 분리하는 AI 플랫폼을 3계층으로 구축했다고 밝혔다. 데이터 준비 단계에서는 Cohere Embed v4로 문서를 임베딩하고, 테넌트 단위의 Amazon OpenSearch Service 벡터 스토어에 저장한다. 여기에 AgentCore Gateway를 통한 인증 및 정책 적용과 Amazon Bedrock Guardrails를 이용한 입출력 필터링을 결합했으며, 이를 통해 유스케이스별 배포 시간을 50% 단축했다고 한다.

Ai2, LLM 의사결정의 공정성을 측정하는 벤치마크 FairStress 공개

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.

구글, TorchTPU를 TorchTitan에 통합한 TorchTitan TPU 공개… PyTorch 모델의 TPU 최적화 기법도 해설

구글은 Meta의 TorchTitan을 포크한 TorchTitan TPU를 공개했다. TorchTPU의 네이티브 백엔드(torch.device("tpu")) 위에서 PyTorch 모델 정의를 그대로 유지한 채 Cloud TPU에서 대규모 학습을 수행할 수 있다. Llama 3 405B는 128~1,024칩에서 약 57% MFU를, Qwen3 235B는 1,024칩 단일 슬라이스에서 32.42% MFU를 기록했다.

업종별 AI 도입 격차에서 비기술 업계가 배울 점

TripleTen의 조사에 따르면 AI 챗봇 사용을 요구받은 노동자의 비율은 테크 업계에 이어 금융업이 48%로 높았고, 헬스케어는 18%, 교육은 25%였다. 전 업종 노동자의 79%가 최소 1개의 새로운 기술 습득을 요구받고 있다고 답했다. 관리자가 직원으로부터 새로운 기술이나 자동화 기법을 배웠을 경우, 직원 주도의 AI 활용 중 88%가 사내 표준 관행이 됐다.

Otter.ai, General Catalyst 성장 펀드에서 3억 2천만 달러 조달

Otter.ai는 General Catalyst의 Customer Value Fund(CVF)로부터 3억 2천만 달러를 조달했다. 조달 자금은 엔터프라이즈 사업 확대, 시장 진입 전략, 해외 진출, 제품 혁신에 투입한다. 회사에 따르면 누적 사용자 수는 4천만 명에 달했으며, 전년의 2천 5백만 명에서 증가했다.

RoboValue: 로봇 가치 모델을 통합 평가하는 시뮬레이션·실제 로봇 벤치마크

RoboValue는 로봇 가치 모델을 시뮬레이션과 실제 로봇 양쪽에서 통합적으로 평가하는 벤치마크다. 작업 상태 이해, 시간에 따른 진행 추적, 실패로부터의 회복 추론, 가치 일관성 등 4가지 능력을 평가하며, 시뮬레이션 15개 작업과 실제 로봇 20개 작업의 조작 데이터셋을 포함한다. 대표적인 모델들은 성과나 전진 진행도 점수가 높았지만, 세부 지시 파악, 이력에 의존하는 진행 추적, 회복 평가에서 오류를 보였다고 한다.

HOLI-World, 인간 1인칭 시점 체험 기반 세계 지능 구축 생태계 제안

HOLI-World는 1인칭 시점 녹화 영상으로부터 대규모 학습 자원을 자동으로 구축하는 통합 생태계이다. 자체 수집한 약 100개 장면의 데이터로 약 8만 쌍의 QA 쌍을 만들었으며, 이를 HOLIWORLD-VL-4B 학습에 사용했다. 이 학습을 통해 HOLIWORLD-Bench와 EgoDynamic4D에서의 공간·시간 추론 성능이 크게 향상된 것으로 알려졌다.

SpecMRL, 파라메트릭 스펙트럼 내에서 Matryoshka Representation Learning 재설계

SpecMRL은 학습된 스펙트럼 기저로 특징 공간을 재편성하여 압축된 임베딩의 품질을 높이는 기법이다. MTEB 실험에서는 평가한 모든 축소 차원에서 표준 MRL(Matryoshka Representation Learning)을 능가했으며, 압축률이 높을수록 그 차이가 커졌다. 임베딩 차원이 절반이어도 전체 차원의 MRL을 능가하는 결과를 보였다.

로봇 함대의 경험에서 배우는 집합적 학습 패러다임

이미 도입된 로봇들이 실행 경험을 공유해 공통 정책을 개선하는 학습 패러다임 '집합적 경험 학습(CEL)'을 제안한다. 실패 시의 문맥에서 공유된 성공 경험으로부터 관련 궤적을 검색하고, 그 행동을 교사 신호로 삼아 정책을 갱신하는 FERT를 통해 추가 전문가 수정 없이 5개의 실제 환경 조작 과제에서 93.3~99.2%의 성공률을 달성했다. 다단계 전화기 포장 과제에서는 96대의 로봇이 학습한 결과 성공률이 79.2%에서 98.3%로 향상됐다.

OvisOCR3 기술 보고서

OvisOCR3는 문서 분석, 일반 OCR, 핵심 정보 추출, 문서 도표 캡션 생성, 페이지를 넘나드는 표 재구성을 단일 모델로 수행하는 0.8B 시각언어 모델이다. OmniDocBench v1.6에서 종합 점수 96.74를 기록했으며, OCRBench v2에서는 영어 65.9, 중국어 61.3으로 1위를 차지했다. 5개의 4B 교사 모델로부터의 다중 교사 증류와 이후의 강화학습으로 학습되었다.

HABIT-Bench, 장기간 약한 증거로부터 습관을 귀납하는 에이전트 메모리 평가

HABIT-Bench는 식사·금융·소프트웨어·여행 4개 분야에서 수백 세션에 걸친 합성 사용자 이력으로부터 에이전트가 습관을 추정할 수 있는지 평가하는 벤치마크다. Qwen3-235B-A22B와 GLM-5.3-Flash에 8가지 메모리 기법을 적용해 평가한 결과, 가장 우수한 구성에서도 4지선다 과제의 macro accuracy는 33.61%에 그쳐 무작위 추측 수준인 25%를 크게 넘지 못했다. 주석이 달린 증거를 직접 제공했을 때도 큰 오류가 남아, 관련 이력을 찾아내는 것만으로는 충분하지 않다는 점이 드러났다.

게임에서의 스케일링: 다양한 가상 세계의 체화형 에이전트를 위한 지속적 사전학습

가상 세계의 체화형 에이전트는 지속적 사전학습에서 데이터량, 다양성, 모델 규모를 늘릴수록 학습 성능이 향상되지만, 멀리 떨어진 세계로의 일반화에는 한계가 있는 것으로 나타났다. 검증에는 0.8B부터 27B까지 4가지 모델 크기, 50시간부터 1,600시간까지의 데이터량, Minecraft만 사용한 데이터부터 다양한 멀티월드까지 5종의 혼합 데이터로 구성된 120개의 학습 설정이 활용됐다. 3D 세계에서는 Minecraft 전용 모델 및 프런티어 모델과 경쟁했으며, 실시간 설정에서 가장 높은 성능을 보였다.

Laplace Intelligence, 로봇·자율주행차를 실환경 투입 전 AI로 레드팀 검증

Laplace Intelligence는 로봇이나 자율주행차 같은 물리 AI를 실환경에 투입하기 전에, AI 에이전트로 약점과 고장 지점을 의도적으로 공략하는 자동 레드팀 검증을 다루는 스타트업이다. 기반은 Nvidia의 Cosmos를 post-training한 시뮬레이션 환경이며, 실제 세계의 지도 데이터 등으로 환경을 재현한다. 수익은 주로 자율주행 분야에서 얻고 있으며, 고객에는 Bot Auto와 일본의 대형 자동차 제조사가 포함된다.