AI 연구

엔비디아의 네모트론 3 울트라 모델이 랭체인 딥 에이전트 벤치마크에서 오픈 모델 중 최고 성능을 입증했습니다. 기존 폐쇄형 모델 대비 추론 비용을 10배 절감하며 기업의 맞춤형 AI 에이전트 구축을 지원합니다.

마이크로소프트가 파운드리 매니지드 컴퓨트를 통해 허깅페이스의 오픈 웨이트 모델을 기업 환경에 최적화하여 배포합니다. 보안과 거버넌스가 확보된 인프라를 제공하여 기업의 오픈 소스 모델 도입을 가속화합니다.

연구진이 환자별 맞춤형 치료 경로를 제시하는 새로운 강화학습 프레임워크를 개발했습니다. 이 모델은 임상 데이터의 검열 문제를 해결하여 기존 방법론보다 우수한 성능을 입증했습니다.

아마존 노바 포지를 활용한 다중 턴 강화학습 인프라 구축 방안을 제시합니다. 기업용 AI 에이전트의 복잡한 워크플로우 수행 능력을 높이기 위한 기술적 요건과 비용 관리 전략을 설명합니다.

강화학습 과정에서 발생하는 모델의 학습과 추론 간 불일치 문제를 해결하는 새로운 프레임워크가 제시되었습니다. 연구진은 추론 성능을 직접적으로 향상하는 단조 추론 정책 개선(MIPI) 기법을 통해 학습 안정성을 확보했습니다.

포토룸이 PRX 모델의 사전 학습 단계에서 데이터 다양성 확보와 파인튜닝의 역할 분리를 강조했습니다. 데이터 파이프라인 최적화와 저장 효율 개선을 통해 모델의 성능과 운영 유연성을 동시에 확보했습니다.

연구진이 기존 모델의 한계를 극복하기 위해 3,814개의 단백질로 구성된 대규모 벤치마크 데이터셋을 구축했습니다. 다중 라벨 분류 체계를 도입하여 세포 구획 예측의 정확도를 높였습니다.

브리지워터와 싱킹 머신즈 랩이 개발한 금융 특화 AI 모델이 기존 범용 모델보다 높은 정확도와 비용 효율성을 입증했습니다. 기업 내부 데이터를 활용한 오픈 웨이트 모델이 금융 업무에서 새로운 대안으로 주목받습니다.

아마존 세이지메이커 다중 턴 강화학습은 순차적인 단계별 작업을 수행하는 에이전트 학습에 최적화되어 있습니다. 복잡한 에이전트 행동과 보상 해킹 위험을 관리하기 위해 격리된 시뮬레이션 환경 구축과 독립적인 외부 평가 체계가 필수적입니다. 서버리스 실행 방식과 다양한 알고리즘 라이브러리를 통해 효율적인 학습이 가능합니다.

기업용 애플리케이션 현대화를 지원하는 새로운 벤치마크 도구 ScarfBench가 공개되었습니다. 이 도구는 자바 생태계 간 마이그레이션 과정의 복잡성을 평가하고 AI 에이전트의 성능을 검증합니다.