Articles

[Google DeepMind / LASR Labs] — 투명성의 배신: AI의 ‘생각의 흐름(CoT)’ 감시망이 탈옥 공격에 무너지는 이유

1. 한눈에 보는 핵심 요약 (Executive Summary)

UIUC — 긴 텍스트도 찰떡같이 알아듣는 LLM의 비밀 무기, RECONTEXT 패턴

최근 대형 언어 모델(LLM)들은 책 한 권 분량을 한 번에 집어넣을 수 있을 정도로 거대한 콘텍스트 창을 제공합니다. 하지만 입력 창이 커졌다고 해서 모델이 그 안의 정보를 모두 완벽하게 이해하고 추론할 수 있는 것은 아닙니다. 방대한 입력 데이터…

MIT — 정답을 ‘올바른 방식’으로 도출하기: 검증 가능한 보상과 인간의 데모를 결합한 언어 모델 강화학습 (VARL)

1. 한눈에 보는 핵심 요약 (Executive Summary)

[NVIDIA] — 로봇이 스스로 코딩하고 디버깅하는 시대: 오픈엔드 스킬 학습 프레임워크 ‘ASPIRE’ 완벽 가이드

1. 한눈에 보는 핵심 요약 (Executive Summary)

[NVIDIA Research] — 개발자처럼 깃(Git)으로 브랜치 파서 반도체 설계하는 AI 에이전트, HORIZON의 등장

1. 한눈에 보는 핵심 요약 (Executive Summary)

NeurIPS 2026 — 컴퓨터 사용 에이전트(CUA)를 위한 Interaction Trajectory Mining 기반 SKILL.md 자동 생성 기법의 한계와 진단

1. 한눈에 보는 핵심 요약 (Executive Summary)

Pine AI — PreAct: 실행 속도를 8.5~13배 높이는 ‘스마트 반복 학습’ 컴퓨터 사용 에이전트 가이드

최근 AI 에이전트는 화면을 보고 클릭하며 타이핑하는 등 사람처럼 컴퓨터를 다루는 수준까지 발전했습니다. 하지만 치명적인 문제가 있습니다. 똑같은 작업을 내일 다시 시킨다면, 에이전트는 처음부터 다시 화면을 읽고 추론하며 비싼 언어 모델(LLM)…

arXiv — LLM 에이전트는 환경의 비밀 지도를 그릴 수 있는가? 에이전트 자동 기계 학습을 통한 검증

1. 한눈에 보는 핵심 요약 (Executive Summary)

Weibo AI — 3B 파라미터로 증명한 소형 모델의 추론 한계 돌파: VibeThinker-3B

1. 한눈에 보는 핵심 요약 (Executive Summary)

HarnessX — AI 에이전트의 옷을 갈아입히다: 스스로 진화하는 런타임 하네스 파운드리

1. 한눈에 보는 핵심 요약 (Executive Summary)

Qwen3 (by Meta & NYU) — End-to-End Context Compression at Scale: LCLM을 활용한 긴 문맥 처리 혁신

1. 한눈에 보는 핵심 요약 (Executive Summary)

아카이브(arXiv) — AI 에이전트 사회의 10년 장기 시뮬레이션과 거대언어모델(LLM)의 사회적 지능 학습

1. 한눈에 보는 핵심 요약 (Executive Summary)

Scaling Laws for Agent Harnesses — 추론 토큰량보다 ‘유효 피드백 연산량(EFC)’이 시스템 성능을 좌우한다

1. 한눈에 보는 핵심 요약 (Executive Summary)

MIT — 데이터만 채우는 AI를 넘어 스스로 과학적 개념을 확장하는 ‘자가 수정형 AI 디스커버리 시스템’

1. 한눈에 보는 핵심 요약 (Executive Summary)

르민 대학교 (Renmin University of China) — 개인화 에이전트의 혁신: 통계적 선행 확률과 로컬 하네스를 통한 사용자 성향 학습

1. 한눈에 보는 핵심 요약 (Executive Summary)

[arXiv] — “지치지 않는 반복이 핵심” 초장기 자동차 연구·엔지니어링 에이전트 성능 평가 벤치마크, AUTOLAB ㆍ

arXiv — 세 개나 필요할까? QKV 사영 행렬 다이어트와 초효율적 추론 아키텍처 연구

1. 한눈에 보는 핵심 요약 (Executive Summary)

北京大学 (Peking University) — 모델을 고치지 말고 인터페이스를 고쳐라! 에이전트 효율을 극대화하는 ‘LIFE-HARNESS’

1. 한눈에 보는 핵심 요약 (Executive Summary)

Google — 수학적 난제도 스스로 분해하고 검증하는 에이전트 프레임워크, LEAP

1. 한눈에 보는 핵심 요약 (Executive Summary)

UC Berkeley — Agents’ Last Exam (ALE): GDP 및 실제 비즈니스 가치 중심의 엔터프라이즈 AI 에이전트 평가 벤치마크

1. 한눈에 보는 핵심 요약 (Executive Summary)

arXiv — AI 에이전트의 기억 상실증을 치료하는 외부 컨텍스트 매니저, AdaCoM

1. 한눈에 보는 핵심 요약 (Executive Summary)

[펜실베이니아 주립대 외] — 하네스 업데이트가 전부가 아니다: 자가 진화형 LLM 에이전트의 역량 분리 분석

1. 한눈에 보는 핵심 요약 (Executive Summary)

JetBrains — 인프라 비용과 성능을 모두 잡은 12B 개발자 특화 모델, MELLUM 2의 등장

1. 한눈에 보는 핵심 요약 (Executive Summary)

Peking University — 모델을 고치지 말고 인터페이스를 어댑팅하라: 가중치 동결 상태로 에이전트 성능을 평균 88.5%

1. 한눈에 보는 핵심 요약 (Executive Summary)

[Carnegie Mellon University & University of Maryland] — 언어 모델에게도 ‘잠’이 필요할까?

1. 한눈에 보는 핵심 요약 (Executive Summary)

Simon Dennis — 에이전트 워크플로우를 LLM 가중치에 심다: 비용은 최대 462배 줄이고 성능은 프론티어급을 유지하는 ‘지하 에이전트’의 등장

1. 한눈에 보는 핵심 요약 (Executive Summary)

[arXiv] — “집단 지성”으로 똑똑해진 AI 하위 추론: 중복 탐색을 줄이는 협력적 병렬 사고 (CPT)

최근 o1, DeepSeek-R1 등 추론 시간 확장(Test-Time Scaling, TTS)을 통해 AI 대형 언어 모델의 복잡한 문제 해결 능력을 극대화하려는 시도가 뜨겁습니다. 가장 널리 쓰이는 방식은 여러 개의 추론 줄기(Branch)를…

Harvard University — 분산형 에이전트 협업 체계 및 자율적 팀 재조정 기반의 장기 실행 과학 실험 자동화 시스템(AUTOSCIENTISTS)

2. Executive Summary & Background

Zhejiang University & Alibaba Group — 에이전트 메모리의 연결성 진화 메커니즘을 통한 자율형 LLM 에이전트 프레임워크 ‘FluxMem’ 기술 분석

2. Executive Summary & Background

[arXiv / National University of Singapore & MIT] — MEMO (Memory as a Model): 모듈형 파라메트릭 메모리 모델을 통한…

1. Executive Summary & Background

Nous Research — 토큰 중첩(Token Superposition)을 통한 효율적인 사전 학습: 기술 메커니즘 및 벤치마크 분석

1. 개요 및 배경

[Anthropic] — Agentic Coding Architecture 및 Claude Code 기반 대규모 코드베이스 운용 최적화 가이드

1. Executive Summary & Background

Microsoft Research & KAIST — Rebellious Student: Reversed Teacher Signals를 통한 추론 탐사

1. Executive Summary & Background

MIND LAB — δ-mem: Large Language Models를 위한 효율적인 온라인 연성 기억(Associative Memory) 메커니즘

1. Executive Summary & Background

MIT Media Lab — 에세이 작성 태스크 중 LLM 사용에 따른 인지 부채(Cognitive Debt) 축적 및 신경학적 영향 분석

1. Executive Summary & Background

arXiv — AutoTTS: 에이전트 기반 테스트 시간 스케일링(Test-Time Scaling) 전략 자동 발견 프레임워크

1. Executive Summary & Background

[Shanghai Jiao Tong University & ByteDance] — Workspace-Bench: 대규모 파일 의존성 기반 AI 에이전트 워크스페이스 학습 벤치마크

1. Executive Summary & Background

Google Research — SymptomAI: 일상적 증상 평가를 위한 대화형 AI 에이전트의 진단 정확도 및 생체 지표 연관성 분석

1. Executive Summary & Background

Meituan LongCat Team & Peking University — HEAVYSKILL: 에이전틱 하니스 내 내부 스킬로서의 헤비 씽킹(Heavy Thinking)…

1. Executive Summary & Background

[Nex-AGI / Fudan University] — Agentic Harness Engineering: Observability-Driven Evolution of…

1. Executive Summary & Background

[Nankai University/Tongyi Lab] — Mutual Forcing: Dual-Mode Self-Evolution for Fast Autoregressive…

1. Executive Summary & Background

[Warp] — Web-Augmented Real-time Program Repairer: LLM 기반 실시간 컴파일 오류 해결 아키텍처 및 에이전트 워크플로우 분석

1. Executive Summary & Background

[National Research Council of Italy & University of Pisa] — 분산형 AI 시스템을 위한 에이전트 발견(Discovery) 기술의…

1. Executive Summary & Background

[북경대학교] — 에이전트 스킬을 위한 스케줄링-구조적-논리적(SSL) 표현 체계: 텍스트에서 구조적 지식으로

1. Executive Summary & Background

ByteDance Seed 연구소 — 멀티모달 생성 모델 및 3D 생성 엔진의 기술적 진화

1. Executive Summary & Background

[Matrix-Agent Consortium] — 에이전트 월드 모델링의 기술적 프레임워크 및 Capability Taxonomy 분석

1. Executive Summary & Background

[Microsoft Research] — DELEGATE-52: 위임형 워크플로우에서의 문서 부식(Document Corruption) 메커니즘 및 벤치마크 분석

1. Executive Summary & Background

OpenAI — GPT-5.5 기술 백서: 차세대 에이전트 지능과 추론 효율성

1. 개요 및 배경 (Executive Summary & Background)

Tencent AI Lab — 자가 진화형 AI 에이전트를 위한 메타 학습 기반 Native Evolution 프레임워크 분석

1. Executive Summary & Background

TACO: 터미널 에이전트를 위한 자가 진화형 관측 데이터 압축 프레임워크

1. Executive Summary & Background