본문 바로가기
구글 리서치 WikiSkill과 에이전트 경험의 영구 지식화 핵심 요약 실행 실패와 롤백 시에도 사라지지 않는 영구 지식층(Wiki Layer)을 구축하여, 에이전트의 경험을 체계적으로 축적하고 스킬을 자율 진화시키는 구글 리서치의 WikiSkill 프레임워크를 심층 분석합니다. 목차 1. 스킬을 롤백해도 교훈은 남아야 한다: 자율 에이전트 스킬 진화의 병목 2. 3계층 지식 아키텍처: 실패해도 절대 지워지지 않는 위키(Wiki) 2-1. 3계층 지식 저장소 (Three-Layer Knowledge Architecture) ..
구글 딥마인드 Dream-RSI와 월드 모델 기반 재귀적 자가 개선 핵심 요약 과거의 탐색 이력을 리플레이 시뮬레이터로 전환하여 추가 실행 비용 없이 최적의 탐색 정책을 오프라인 꿈(Dreaming)으로 학습하는 구글 딥마인드의 재귀적 자가 개선 프레임워크 Dream-RSI를 심층 분석합니다. 목차 1. 51,200회의 낭비를 317회로 압축하다: 장기 탐색의 메타 최적화 딜레마 2. 꿈(Dreaming)으로 탐색 정책을 벼리는 아키텍처와 수식 메커니즘 2-1. 3단계 폐루프 재귀적 자가 개선(RSI) 파이프라인 ..
인코더와 VAE 없이 픽셀을 직접 본다: 센스타임 SenseNova-U1.5 네이티브 통합 멀티모달 아키텍처 핵심 요약외부 비전 인코더(CLIP)와 VAE 잠재 공간을 완전히 배제하고, 원천 픽셀 패치와 언어 토큰을 단일 트랜스포머에서 직접 처리하여 시각 이해와 4K 생성을 동시에 달성한 SenseNova-U1.5의 8B-MoT 구조와 4대 전문가 온폴리시 증류를 심층 분석합니다.목차1. 인코더와 VAE의 영구 퇴출: 공간 결합 픽셀 디코더와 4K 네이티브 인터페이스1. 공간 결합 픽셀 디코더 (Spatially Coupled Pixel Decoder)2. 4K 해상도 가변 노이즈 스케일링 (Resolution-Dependent Noise Scale)2. 8.2B Mixture-of-Transformers (MoT): 비대칭 어텐션과 매개변수 특화1. 비대칭 어텐션 마스킹 (Asymmetric Attention..
구글 Gemini 3.8 Live & Extended Thinking 아키텍처 심층 분석 핵심 요약 기존 음성 AI의 고질적 한계였던 '어색한 침묵(Dead Air)'을 깨고 실시간 발화와 다단계 심층 추론을 병렬로 처리하는 Gemini 3.8 Live와 Extended Thinking의 아키텍처, 벤치마크 1위 달성 비결, 그리고 시간당 0.84달러의 파괴적 경제성을 분석합니다. 목차 1. '데드 에어(Dead Air)'의 소거: 실시간 발화와 병렬 심층 추론(Parallel CoT) 메커니즘 1. 언어적 앵커링과 즉각 반응 (Early Verbal Cues) ..
인간이 만든 마지막 AI: 진정한 재귀적 자가 개선(RSI)을 향한 5단계 로드맵 핵심 요약 사전학습과 인간 엔지니어링의 병목을 돌파하고 AI가 스스로의 지능과 개선 프로세스 자체를 재귀적으로 진화시키는 '재귀적 자가 개선(RSI)'의 5대 자율성 레벨(L1–L5), 헤드룸 지수(HCI), 그리고 산업계 최신 공진화 아키텍처를 심층 분석합니다. 목차 1. 헤드룸 지수(HCI)와 사전학습 포화: 왜 RSI가 유일한 출구인가? 2. RSI 5단계 자율성 로드맵: 실행 자동화에서 메타 개선까지 L1: 개선 실행 자율성 (Improvement-Execution ..
토큰당 연산량은 고정, 추론 깊이는 시퀀스만큼 확장: 순환 루프형 트랜스포머 RLT (Recurrent Looped Transformer) 핵심 요약 인과적 인코더와 순환 디코더를 결합하여 토큰당 연산량은 일정하게 유지하면서도 시퀀스 길이에 비례해 순환 추론 경로를 확장하는 '순환 루프형 트랜스포머(RLT)'를 심층 분석합니다. 프롬프트-응답 경계를 허무는 상태 전이, SWA 캐시 결합, 강화학습(RL)을 위한 시퀀스 리플레이 메커니즘, 그리고 패리티·모듈러 연산의 성능 도약을 해부합니다. 목차 1. 고정된 깊이의 한계: 왜 트랜스포머에 순환 루프가 필요한가? 2. RLT 핵심 아키텍처: 인코더 병렬화와 디코더 순환 피드백 메커니즘 ..
다크 팩토리와 피지컬 AI시대에 망하지 않는 법 지난주 화요일 LG 사이언스파크 ISC동에서 열린 LG Tech Fair에서 카이스트 장영재 교수님(이자 다임리서치 공동창립자)의 ‘제조 피지컬 AI와 5세대 무인공장(Dark Factory)의 미래’에 대한 강의를 듣고 왔습니다.관심 분야이기도 하고 교수님이 워낙 말씀을 잘하셔서 열심히 받아적고 제 생각과 함께 정리해봤습니다.강의 핵심 요약패러다임의 전복: 포드 → 보잉 → 토요타 → 독일 인더스트리 4.0(4세대)을 거쳐 5세대(다크 팩토리/무인공장)로 전환 중. 후발주자가 1등이 되는 방법은 기존 룰을 따르는 것이 아니라 "시험지를 바꾸는 것(젠슨 황)"임.공장의 본질은 '점(공정)'이 아닌 '흐름(물류)': 돈을 버는 공장은 개별 작업 로봇보다 물류 로봇 및 재고 흐름 자동화가 선행되어야 병목과 ..
잠든 실행 궤적에서 살아 숨쉬는 환경을 깨우다: Qwen 팀의 'Terminal-Universe' TL;DR (요약) 알리바바 Qwen 연구팀이 발표한 Terminal-Universe를 심층 분석합니다. 과거 에이전트의 실행 로그(궤적)로부터 3.7만 개의 실행 가능한 코딩 샌드박스를 역복원하는 3단계 기법, 교차 저장소 의존성 마이닝 및 멀티턴 피드백 확장, 그리고 Qwen3.5-27B의 괄목할 성능 도약을 해부합니다. 목차 1. 궤적-환경 이원성(Duality): 박제된 기록에서 살아있는 샌드박스로 2. Terminal-Universe 아키텍처: 환경 역복원 3단계와 4대 Re-querying ..

티스토리툴바