Google DeepMind@GoogleDeepMindAI 점수4848

이것이 Genie 4입니다. 당사가 지금까지 선보인 것 중 가장 사실적이고 상호작용이 가능한 월드 모델입니다. 🌐 역동적인 환경을 실시간으로 탐험하며 장면이 어떻게 반응하는지, 어떤 소리가 나는지, 그곳의 사람들이 어떻게 움직이고 반응하며 무엇을 말하는지 확인할 수 있습니다.

Google, 월드 모델 Genie 4 발표… 더 사실적인 세계와 실시간 업데이트 지원

Google이 인터랙티브 체험을 생성하는 월드 모델 Genie 4를 발표했다. 더 사실적인 세계 생성, 자연어 프롬프트를 통한 실시간 업데이트, 음성 생성을 지원하며 시뮬레이션에는 Gemini 3.8 Flash를 사용한다. 생성할 수 있는 체험은 약 2분으로, 이전 모델 Genie 3의 1분에서 늘어났다. 우선 'trusted testers'를 대상으로 한 research preview로 제공된다.

Microsoft AI, 이미지 편집 모델 MAI-Image-2.7 프리뷰 공개… Arena Edit 3위

Microsoft AI는 최신 이미지 편집 모델 MAI-Image-2.7을 프리뷰로 공개했다. Arena Edit에서 3위, Artificial Analysis의 이미지 편집 리더보드에서 2위를 기록했으며, Microsoft AI는 Arena Edit 기준 2위 연구소가 됐다. Artificial Analysis가 평가한 10개 활용 사례와 7개 편집 액션 전부에서 2.6을 넘어섰다.

StreamVibe: 변화하는 사용자 의도에 능동적으로 대응하는 동영상 에이전트

StreamVibe는 암묵적이고 변화하는 사용자 의도에 능동적으로 응답하기 위해 벤치마크 「StreamVibe-Bench」, 스트리밍형 시각언어모델 「StreamVibe-VL」, 계층형 메모리 「StreamVibe-Harness」를 제안했다. StreamVibe-VL은 범용 동영상 이해 능력을 유지하면서 응답 타이밍과 답변 품질을 다른 베이스라인보다 10.7% 향상시킨다. StreamVibe-Harness는 능동적 상호작용에서 12.3%의 개선을 가져온다.

OpenAI, 시각 추론과 컴퓨터 조작을 강조한 GPT-6.1 Terra 발표

OpenAI가 GPT-6.1 Terra를 발표했다. 빠르고 효율적인 모델로, 세밀한 시각 추론과 정확한 컴퓨터 조작, 더 자연스러운 글쓰기를 특징으로 하며, GPT-5.6 Terra에 비해 크게 발전했다고 설명했다. 가격은 입력 100만 토큰당 $1, 출력 100만 토큰당 $5로, GPT-5.6 Terra 및 GPT-6.1 Sol의 거의 절반이며, GPT-6 Luna의 약 10배에 해당한다.

LOWN, 확산형 VLM 디코딩에서 필요한 때만 이미지를 처리하는 기법

LOWN은 확산형 비전-언어 모델(DVLM)의 디코딩에서, 이미지 없이 한 예측이 직전의 이미지 포함 예측과 일치하면 이미지 처리를 생략하는 기법이다. LLaDA-V에서 10개 벤치마크 점수의 99.6%를 유지하면서도 디코딩 FLOPs는 평균 35.3%로 줄였다. 학습이나 임계값 조정이 필요 없으며, LLaDA 계열 DVLM에도 적용할 수 있다. 시각 토큰 가지치기와 함께 쓸 수 있고, KV 캐시 환경에서도 동작한다.

EmbeddingGemma 2, 텍스트·이미지·오디오·영상을 하나의 공간에서 표현하는 오픈 임베딩 모델

EmbeddingGemma 2는 텍스트, 이미지, 오디오, 비디오 및 이들의 조합을 하나의 통합 공간에서 표현하는 오픈 멀티모달 임베딩 모델이다. 논문에 따르면 모든 모달리티의 임베딩 벤치마크에서 새로운 Pareto frontier를 세웠으며, 전용 모델이나 2~12배 큰 모델보다 높은 성능을 보인다. 모델은 공개되어 있으며 Hugging Face에는 google/embeddinggemma-2 등이 등록되어 있다.

OmniShowcase, 다시점 이미지 기반으로 피사체 일관성을 유지하는 전방위 영상 생성

OmniShowcase는 여러 참조 이미지로부터 특정 피사체의 영상을 생성하는 기법으로, 기하 정보를 바탕으로 학습 데이터를 자동 합성하는 파이프라인과 참조 뷰에서 재구성한 표면 법선 맵을 사용하는 기하 조건부 처리를 결합한다. 360도 궤도를 포함한 다양한 카메라 궤도의 영상을 학습 데이터로 활용해 3D 일관성을 높인다. 실험에서는 피사체의 동일성과 3D 일관성에서 최첨단 결과를 보였으며, 영상 품질과 움직임도 경쟁력 있는 수준을 유지한 것으로 알려졌다.

Co-Design Bench: 에이전트형 모델을 위한 멀티모달 협업 코딩 평가

Co-Design Bench는 실제 사용자의 요청에 따라 기존 애플리케이션을 수정하는 코딩 에이전트를 평가하는 벤치마크로, 273개 태스크와 2,331개의 수락 기준을 포함한다. 최상위 모델인 gpt-6-astra는 태스크 평균으로 수락 기준의 69.9%를 충족했지만, 모든 기준을 충족한 태스크는 26.4%에 그쳤다. Qwen3.8-27B는 엄격한 완료율 64.4%를 기록해 전체 4위에 올랐다.

The Trinity: 멀티모달 에이전트를 위한 능력 기반 재귀적 자기 개선 프레임워크

The Trinity는 과제를 능력 트리로 정리하고, 시뮬레이션 학습 환경의 생성과 Harness 모듈의 진화를 반복해 멀티모달 에이전트를 개선하는 프레임워크다. Creator, Explorer, Evolver 세 역할이 서로 협력하며, 학습에 사용한 28개 벤치마크에서 평균 34포인트, 학습에 쓰지 않은 18개 벤치마크(실세계 신체성 과제 2건 포함)에서 평균 26포인트의 성능 향상을 보였다. 과제 정보를 바탕으로 적절한 모듈 구성을 고르는 Capability-Aware Harness Router도 도입했다.

InteractiveWorld, 대화형 MLLM 어시스턴트를 검증하는 환경과 벤치마크

InteractiveWorld는 MLLM이 물리 작업에서 사람을 확실하게 안내할 수 있는지를 평가하는 검증 가능한 시뮬레이션 환경이자 벤치마크다. 벤치마크인 InteractiveBench는 6개 카테고리, 120건의 멀티턴 작업으로 구성되며, 각 지시의 결과는 상태 기반 보상으로 채점된다. 12종의 프런티어 MLLM을 평가한 결과, 가장 성능이 높은 Claude Fable 5.1조차 장기적인 Guidance 및 Planning 작업의 달성률이 각각 최대 20%, 25%에 그쳤다.

DynaFlow: 자유 형식 멀티 에이전트 오케스트레이션 학습

DynaFlow는 메인 에이전트가 실행 가능한 워크플로를 생성하고, 서브 에이전트를 순차적 또는 병렬로 조정하는 멀티 에이전트 프레임워크다. 학습 대상은 메인 에이전트뿐이며, 서브 에이전트는 고정한 상태로 두었다. 6개 벤치마크에서 Forced 모드의 종합 정확도 88.08%를 달성했다. 같은 Qwen3.5-27B를 백본으로 하는 가장 강력한 베이스라인을 10.90포인트 앞섰다.

battledrones v14, 4인 대전 맵 「Compass Rose」 추가

battledrones에 4인 대전 맵 「Compass Rose」가 추가되었으며, 온라인 대전이 최대 4인까지 확대되었다. 공유 링크나 QR 코드로 참가할 수 있고, 빈 슬롯은 AI가 맡는다. 구현은 Claude Opus 4.5가 담당했으며, 새 팀은 보라색과 초록색 로봇으로 기존의 파란색과 빨간색 팀에 합류한다.

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.

Google Research, IDWeek 2026에 맞춰 결핵 스크리닝에 기반 모델을 활용해 온 경과 공개

Google Research는 흉부 X선 AI 연구에서 인증 취득, 6개국 도입, 오픈 모델 MedGemma까지 이어진 결핵 스크리닝 활동을 IDWeek 2026에 맞춰 공개했다. 협력사 Nexus AI의 도구는 약 40개 의료시설에서 가동 중이며, 25,000장이 넘는 흉부 X선을 평가했다. 인도네시아 보건부는 MedGemma와 MedSigLIP의 파인튜닝을 진행하고 있다.

Gemini 4 Argon로 커뮤니티가 만든 작품 5개 사례 소개

Google은 새로운 프런티어 모델 Gemini 4 Argon을 활용해 빌더들이 제작한 작품 5개를 소개했다. 수상기의 3D 시뮬레이션, 산불과 지진을 표시하는 3D 지구본, 멀티플레이어 게임 등이 포함됐다. Argon은 개발자·기업용 API, Google Antigravity, Gemini 앱, 검색의 AI 모드에서 이용할 수 있다.

WeVisOne-VL: 객체에서 픽셀까지 통합하는 시각 인식 모델

WeVisOne-VL은 구조화된 next-token 예측을 통해 객체 수준과 픽셀 수준의 시각 인식을 통합한 VLM(Vision-Language Model)이다. 탐지, 참조 기반 위치 파악, 개수 세기, OCR, 세그멘테이션, 매팅을 지원하며, 점이나 박스에서 마스크, 알파 매트까지의 세분성으로 위치를 파악할 수 있다.

영상 생성용 MLLM 잠재 표현을 활용하는 Factor-Aware Predictive Learning(FAPL)

Factor-Aware Predictive Learning(FAPL)은 MLLM의 잠재 표현을 video diffusion transformer(DiT)에서 활용할 수 있도록 하는 학습 기법이다. 단계적 학습을 통해 희소한 입력으로부터의 시간적 추론과, 캐릭터·장면·동작·카메라 등 요소별 제어를 동시에 달성한다. 논문에 따르면 sparse-to-video, factor-aware editing, multi-shot generation 등 3가지 시네마틱 영상 생성 과제에서 베이스라인을 웃도는 성능이 보고되었다.

OpenAI, Decisions API 전체 고객 대상 일반 공개… TypeSafe의 Jev에 맞불

OpenAI는 판단 모델용 Decisions API를 전체 고객에게 일반 공개했다고 밝혔다. 추론 속도 향상과 비용 절감을 위해 ChatGPT Luna를 재구성한 제품으로, 응답 시간이 1~3초에서 100~180밀리초로 줄어들었다고 한다. 공개 버전에는 음성과 시각 모달리티도 추가됐다.

Sensorimotor Alignment: 로봇 정책 성공을 측정하는 플라톤적 프록시

Sensorimotor Alignment(S²)는 감각 표현과 말단 효과기 궤적의 근방 구조가 얼마나 일치하는지를 재는 지표로, 값이 높을수록 로봇의 과제 성공률도 높아지는 경향이 있다고 밝혔다. 시뮬레이션과 실제 기기의 VLA·WAM에서 같은 경향이 확인됐으며, VLA의 성공률은 언어 특징이 아니라 시각 특징의 S²와 상관관계가 있었다. 클로즈드루프 평가에 앞서 쓸 수 있는 저비용 오프라인 지표로, VLA 미세조정 전 VLM 백본 선정에도 활용할 수 있다고 한다.

멀티모달 LLM의 검색 헤드를 다각도로 분석

멀티모달 LLM(MLLM)의 검색 헤드는 음성·영상 입력에서도 희소한 상태를 유지하며, 상당수가 모달리티 간에 공유되는 것으로 나타났다. 18개의 체크포인트로 검증한 결과, 이 헤드들을 비활성화하면 음성·영상을 통한 검색이 거의 전부 사라지는 것으로 확인됐다.

RynnUnify: 통합형 임바디드 브레인을 향하여

RynnUnify는 시각적 계획, 물리 추론, 로봇 제어를 통합한 16B 규모의 임바디드 모델이며, 장기적인 임바디드 과제에서 state-of-the-art 결과를 달성했다고 한다. Rynn-VP의 종합 점수는 Cosmos 3 Nano를 9.75포인트 앞섰고, 에이전트 확장인 Rynn-GEU는 평균적으로 직접 추론보다 6.0포인트 높았다. 로봇 제어로의 확장은 RoboCasa365에서 선별한 20개 과제에서 51.5%, 실기 3개 과제에서 평균 46.7%의 성공률을 보였다.

Allen AI, 위성 임베딩 모델 OlmoEarth v1.3과 전 지구 임베딩 공개

Allen AI가 위성 임베딩 모델 OlmoEarth v1.3을 공개했다. 10m 해상도의 전 지구 연간 임베딩(64차원·128차원)도 함께 공유하며, 브라우저에서 지도를 탐색하고 맞춤 설정할 수 있는 OlmoEarth Embeddings Explorer도 제공한다. 27건의 평가 가운데 128차원 버전은 20건에서 최고 점수를 기록했다고 한다.

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.

HiSTEVE 1.0, 오픈월드 게임을 위한 휴먼 인터페이스 VLA 에이전트 제안

HiSTEVE는 장기 계획과 네이티브 키보드·마우스 조작을 결합해 Minecraft에서 복잡한 과제를 수행하는 계층형 VLA 에이전트다. MineStudio Bench에서 85.0%, OpenHA에서 평균 성공률 37.4%를 기록했으며, 원자적 과제에서 최첨단 성능을 달성했다. 철 곡괭이를 처음부터 제작하는 것과 같은 장기 과제도 인간 플레이어처럼 완료할 수 있다고 밝혔다.

FilmFlow、3D 가상 영화 촬영을 위한 에이전트형 시스템

FilmFlow는 자연어 지시 또는 참조 동영상을 3D 장면에서 실행 가능한 카메라 궤적으로 변환하는 에이전트형 프레임워크이다. Director, Interpreter, Scout, Critic 각 에이전트가 협력하며, Critic은 렌더링 결과를 평가해 계획을 반복적으로 개선한다. 평가용 데이터셋 CinemaBench는 Blender 장면 150건, 텍스트 지시 기반 과제 750건, 참조 동영상 60편으로 구성되며, 평가한 베이스라인 중 최고의 벤치마크 성능과 사용자 평가를 얻었다고 보고되었다.

동영상으로 세계를 읽고, 쓰고, 공유하고, 상호작용하다: 세계 모델 관점에서 본 동영상 이해·생성 서베이

동영상 이해와 동영상 생성을 세계 모델의 관점에서 통합적으로 정리한 서베이 논문이다. 동영상을 잠재적인 시간적 세계를 부분적이고 불완전하게 투영한 것으로 보고, 문헌을 '읽기', '쓰기', '공유하기', '상호작용하기'의 네 가지 작업으로 분류했다. 관심의 초점이 클립 단위의 인식이나 지각적 충실도에서 지속적인 상태, 제어 가능한 변화, 물리적·인과적 타당성으로 옮겨 가고 있다고 논하며, 남은 과제를 제시한다.

동영상 중심 딥리서치 보고서 생성을 평가하는 벤치마크 「OmniDR-Bench」

동영상을 출발점으로 외부 근거를 수집해 대화형 보고서를 만드는 에이전트를 평가하는 벤치마크 「OmniDR-Bench」와 평가 프레임워크 「Omni-ARTs」가 제안됐다. OmniDR-Bench는 중국어·영어 50개 과제와 19개 실제 세부 카테고리로 구성되며, 평가 기준은 6,414건을 포함한다. 18개 에이전트 구성으로 평가한 결과, 최고 점수는 100점 만점에 63.3점이었다. 현재 에이전트는 내용의 포괄성, 모달리티를 넘나드는 인과·논리 분석, 인용의 정확성에서 개선이 필요하다.

Google DeepMind@GoogleDeepMindAI 점수3737

Gemini 4 Argon은 오픈소스 데이터셋 3종을 결합해 인체 해부학을 상호작용하는 3D 시각화로 구현했다. 움직임 속에서 서로 다른 레이어를 전환하거나, 근육만 단독으로 표시하거나, 박동하는 심장 내부로 확대할 수 있다.

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.

MMEnterprise-Bench, 변화하는 멀티모달 업무 기록을 대상으로 엔터프라이즈 에이전트를 평가

MMEnterprise-Bench는 팀 협업으로 갱신되는 멀티모달 업무 기록을 대상으로 에이전트의 추론 능력을 평가하는 벤치마크다. 1,613개 문항을 수록하며, Evidence Reasoning, Conflict Resolution, Unanswerability의 3개 카테고리로 구성된다.

카카오, 비전 인코더 ‘Kanana-2-vision-encoder’ 오픈소스 공개

카카오가 자체 개발한 비전 인코더 ‘Kanana-2-vision-encoder’ 2종을 허깅페이스에 오픈소스로 공개했다. 4억 2,600만 파라미터의 ‘medium’과 9,800만 파라미터의 ‘tiny’로, 9개 평가 영역 총 42개 벤치마크에서 SigLIP 2, Perception Encoder, AIMv2, Qwen3.5-ViT 등 글로벌 비전 인코더를 상회하는 성능을 기록했다고 밝혔다. 두 모델은 상업적 활용이 가능한 ‘카나나 오픈 라이선스’로 제공된다.

S-Agent 2.0, 범용 코딩 에이전트의 공간 추론 능력 강화

S-Agent 2.0은 영속적인 장면 메모리와 평이한 공간 언어 해석을 3D 인지 도구를 갖춘 범용 코딩 에이전트에 결합해 공간 추론을 개선한 기법이다. 오픈소스 Qwen3.8-27B를 백본으로 한 MMSI-Bench에서는 66.5, ReVSI에서는 82.3을 기록해, 같은 백본의 전문 시스템 SpatialClaw(62.6, 74.5)를 웃돌았다. Gemini-3.8-Flash에서는 MMSI-Bench 74.1, ReVSI 90.5에 도달했다.

스크립트와 콘티 계획으로 만화를 애니메이션화하는 에이전트형 프레임워크 Manga2Animate

Manga2Animate는 크리에이터 역할과 리뷰 역할의 에이전트를 짝지은 멀티 에이전트 프레임워크로, 만화 컷으로부터 애니메이션 스크립트와 시각적 콘티를 만들어 원작에 대한 충실성과 일관성을 높인다. 기존 방식은 만화를 텍스트 중심으로 다루거나 페이지를 영상 생성 모델에 직접 입력하기 때문에 캐릭터와 화풍이 사라지거나 이야기 구조를 잘못 이해하는 문제가 있다고 한다. 논문은 사용자 연구와 폭넓은 실험을 통해 최첨단 기법보다 원작에 충실하고 컷 사이의 일관성이 높은 애니메이션을 생성했다고 보고했다.

InfiniDream: 절차적 생성 기반의 개방형 포토리얼리스틱 3D 월드

InfiniDream는 VLM으로 구동되는 절차적 3D 월드 생성 프레임워크로, 기호적 에셋 생성과 결정론적 씬 배치를 통해 편집 가능하고 포토리얼리스틱한 3D 월드를 개방형으로 생성한다. 기존 절차적 알고리즘을 활용하여 편집성과 seed 기반의 다양성을 유지한 채 새로운 포토리얼리스틱 에셋을 만든다. 100개의 오브젝트 생성 과제와 20개의 씬 생성 과제를 평가한 결과, 4개의 지각 지표에서 개선을 보였다고 밝혔다.

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.

OpenVLHarness, 멀티모달 메모리를 갖춘 시각 에이전트형 도구 활용 프레임워크 공개

OpenVLHarness는 능력 레이어와 영속적인 멀티모달 메모리를 결합한 추론 하네스로, MLLM이 이종 도구에서 얻은 시각적 증거를 검색하고, 검사하고, 합성하면서 추론할 수 있도록 한다. 22개 벤치마크와 8개 백본으로 평가했으며, 도구를 사용하지 않는 베이스라인에 비해 평균 점수를 9.7~12.6포인트 끌어올렸다. GPT-6 Luna(medium 추론 강도)는 최대 강도의 기반 모델, Codex, Visual Sketchpad보다 7.7~8.5포인트 높았으며, 모델 토큰 비용은 최대 37%에 그쳤다.

StreamEval, 인터랙티브 스트리밍 동영상 생성 모델 평가 벤치마크 공개

StreamEval은 인터랙티브 스트리밍 동영상 생성 모델을 5개 과제로 평가하는 통합 벤치마크다. 300개의 대본 기반 테스트 케이스(15~300초)로 37개 모델을 평가한 결과, 시각적 품질이 높아도 요청을 확실하게 수행하는 것과 상태의 일관성을 유지하는 것은 여전히 과제인 것으로 나타났다. 요청 수행 최고 점수는 아바타 연기 모델 7종의 Following에서 36.90, 텍스트 조건부 월드 생성의 Following에서 25.93, 참조 편집 모델 3종의 Edit Success에서 15.00에 그쳤다.

Code2Video-Compass：T2V·I2V·V2V를 지원하는 코드 기반 동영상 생성 벤치마크

Code2Video-Compass는 텍스트·이미지·동영상을 입력으로 하는 코드 기반 동영상 생성을 평가하는 범용 벤치마크로, T2V, I2V, V2V 세 가지 설정을 지원한다. 10개 카테고리, 24개 서브타입, 3가지 복잡성 차원으로 구성된 2,104개의 과제를 포함하며, 객관 지표 12종과 주관 지표 5종으로 평가한다. 9개 계열의 독점 및 오픈 웨이트 MLLM 15종을 평가한 결과, 최상위 모델도 고품질 동영상을 안정적으로 생성하기는 어려웠으며, 구성·동적 애니메이션·상태 의존적 복잡성이 높아질수록 성능이 떨어지는 경향이 나타났다.

Replika 창업자 Kuyda, AI 어시스턴트 「Wabi」를 전체 사용자에게 공개

Replika 창업자 Eugenia Kuyda는 여러 에이전트형 스레드를 만들 수 있는 멀티플레이 지원 개인용 AI 어시스턴트 「Wabi」를 전체 사용자에게 정식 공개했다. 이메일을 연동하면 에이전트가 앱을 자동으로 만들며, 스레드는 그룹 채팅으로 공유할 수 있다. Wabi는 SOC 2를 준수하며, 사용자 데이터는 주로 미국에 저장된다. 현재는 무료이며, 비즈니스 모델은 아직 정해지지 않았다.