AI 연구

메이퇀(Meituan) 연구진이 영상 생성 모델의 상호작용 능력을 다각도로 평가하는 벤치마크 WBench를 발표했습니다. 이 도구는 영상 품질과 물리 법칙 준수 등 5가지 핵심 지표를 통해 인공지능 모델의 성능을 정밀하게 측정합니다.

거대언어모델의 인간 의도 정렬을 위한 새로운 강화학습 기법인 DVAO가 발표되었습니다. 이 기술은 다중 보상 환경에서 학습 안정성과 성능을 동시에 개선합니다.

순다 피차이 구글 최고경영자가 자사의 에이전트 코딩 기술이 경쟁사 대비 뒤처져 있음을 공식 인정했습니다. 구글은 개발자 접점 확보를 통해 데이터 피드백 루프를 강화하고 관련 모델 성능을 개선할 계획입니다.

단백질과 펩타이드 상호작용을 예측하는 머신러닝 모델의 데이터 오류가 수정되었습니다. 연구진은 티로신 키나아제 데이터셋을 전면 교체하고 모델을 재학습하여 예측 정확도를 높였습니다. 이번 수정으로 논문 본문과 주요 그림 내용이 모두 변경되었습니다.

데이터브릭스가 SQL 실무자의 데이터 파이프라인 구축을 지원하는 새로운 학습 경로를 발표했습니다. 데이터 엔지니어의 업무 부담을 줄이고 비즈니스 현장에서 직접 데이터를 관리하는 체계를 구축합니다.

카네기멜론대와 서울대 등 공동 연구진이 개발한 SOOHAK 벤치마크 논문이 세계 최대 오픈소스 AI 허브 허깅 페이스의 '오늘의 논문'(Paper of a Day)에 선정됐습니다. 인공지능 모델의 수학적 추론 역량을 분석한 연구입니다. 연구 결과, AI는 고난도 문제 해결과 오류 식별 능력에서 뚜렷한 한계를 보였습니다.

오픈 소스 인공지능 모델이 폐쇄형 모델과의 성능 격차를 줄이며 빠르게 발전하고 있습니다. 다만 현재의 벤치마크 방식은 모델의 실제 능력을 충분히 반영하지 못한다는 지적이 제기됩니다.

최신 인공지능(AI) 영상 생성 모델들이 시각적 품질과 달리 물리적 법칙과 논리적 인과관계를 이해하는 능력은 부족한 것으로 나타났습니다. 칭화대학교 연구진은 새로운 평가 체계를 통해 상용 모델과 오픈소스 모델 간의 성능 격차를 확인했습니다.

2026년 5월 14일 기준, AI 코딩 에이전트 시장에서 모델 성능과 API 정책을 둘러싼 기업 간 경쟁이 심화하고 있습니다. 앤스로픽은 구독 모델을 개편했으며, 기술 기업들은 효율적인 에이전트 인프라 구축에 집중하고 있습니다.

메타 뉴스 책임자 출신 캠벨 브라운이 설립한 포럼 AI가 인공지능 정보의 정확성을 평가하는 벤치마크를 개발합니다. 각 분야 전문가를 영입해 인공지능 답변의 신뢰도를 인간 전문가 수준으로 높이는 것이 목표입니다.