축별 추가분
건수가 많은 축이 위로 온다. 한 사건이 여러 축에 걸치면 대표 축 한 곳에서만 센다.
⑦3건
멀티모달
- 2026-09-03Chuyan Chen 외 — LLaDA-Image 공개 — 6B 규모 Diffusion Transformer 에 LLaDA2.0-Mini 기반 시각-언어 이해 모듈을 붙인 통합 이미지 생성 프레임워크와 학습 레시피 전체를 공개. 2~4 스텝 추론용 LLaDA-Image-Turbo 를 함께 냈고 parameter-free RMSNorm 과 Muon 최적화기를 사용 출처확산 언어모델 계열이 이미지 생성 쪽으로 넘어온 사례로, 관찰 주제 「확산 언어모델」의 누적을 늘린다. 저자 자체 보고로 Qwen-Image-Bench 영어 53.53 · 중국어 53.38 로 오픈소스 중 양쪽 최고라고 주장
- 2026-09-03Hongyu Qu 외 — LatentStream 공개 — 스트리밍 영상 이해에서 "저장하고 검색한다"는 기존 구도를 "검색해서 내재화한다"로 바꾸는 프레임워크. 질의와 무관한 계층적 스트리밍 메모리로 시각 이력을 단기·중기·장기로 조직하고, 잠재 메모리 토큰의 수용 영역을 넓혀 과거 증거를 흡수하며, 그룹별 예측 엔트로피로 계층적 보상을 만들어 메모리를 최적화 출처긴 영상을 컨텍스트에 다 넣는 대신 메모리를 진화시키는 갈래로, RAG 의 검색-생성 분리를 시계열 입력에서 무너뜨린다. 저자 자체 보고로 온라인·오프라인 영상 벤치마크에서 최고 성능이라 주장하나 구체 수치는 초록에 없다
- 2026-09-03Kang Liao 외 — Puffin-World 공개 — 물리 이해·공간 시뮬레이션·3D 세계 생성과 재구성을 하나의 멀티모달 아키텍처로 묶고, 물리(중력장)·기하(깊이)·외관(이미지) 세 상태를 동시에 모델링. 비전-언어-카메라 삼중항 1,500만 개(Puffin-16M)와 동작 궤적 100만 개를 함께 공개 출처멀티모달 모델에 3D 세계 상태를 부가 조건이 아니라 네이티브 표현으로 넣은 갈래. 관찰 주제 「월드 모델」의 최근 사례이며 코드·모델·데이터셋을 함께 공개해 외부 재현이 가능하다
③2건
툴·에이전트
- 2026-09-03Zhiyuan Fan 외 — Environment Evolution for Terminal Agents 공개 — 기존 공진화 방식이 on-policy 롤아웃에 의존해 모델이 강해질수록 학습 신호가 마르는 문제를 지적하고, 환경 난이도를 off-policy 로 점진적으로 올리며 세대별로 진화한 환경을 스케줄링하는 방법을 제시 출처위 Terminal-Universe 와 같은 주에 나온 짝 논문으로, 환경을 만드는 문제(합성)와 환경을 키우는 문제(진화)를 나눠 다룬다. 저자 자체 보고로 Terminal-Bench 2.1 에서 Qwen3.6-27B 14.4포인트, Qwen3.6-35B-A3B 18.0포인트 향상
- 2026-09-03Jie Wu 외 — Terminal-Universe 공개 — 기존 에이전트 궤적의 도구 실행 이력이 환경의 구조와 내용을 그대로 드러낸다는 관찰에서 출발해, 파일 작업을 재생해 부분 작업공간을 복원하고 빠진 파일·의존성을 보완하는 방식으로 터미널 환경을 대량 합성. 과제로 쓸 수 있는 환경 37.3k개를 생성했다고 보고 출처에이전트 학습 환경을 사람이 만드는 대신 이미 쌓인 궤적에서 역으로 뽑아내는 갈래. 저자 자체 보고로 Qwen3.5-27B 미세조정에서 Terminal-Bench 2.1 단일 라운드 11.9포인트, EvoCode-Bench v2 MT@4 다중 라운드 13.8포인트 향상
⑪2건
모델 아키텍처·학습 기법
- 2026-09-03Yuntian Deng 외 — Compile by Training 공개 — 자연어 명세를 재사용 가능한 신경망 함수로 "컴파일"하는 방법을 제시. 컴파일 시점에 교사 모델이 작은 어댑터 학습용 예제를 생성하고, 이후 호출은 로컬 어댑터가 처리해 원격 모델 호출의 반복 비용·지연·제공자 의존을 없앤다고 설명. 컴파일에 약 1분이 걸린다고 밝힘 출처프롬프트를 매번 원격 모델에 보내는 대신 명세를 한 번 증류해 로컬 함수로 굳히는 갈래. 저자 자체 보고로 FuzzyBench-Hard 의미론적 정확도 83.6%. 다중 사이트 웹 도우미·언어 제어 3D 아바타·양방향 번역기를 사례로 제시
- 2026-08-27Tingyun Li 외 — Boundary-Calibrated Intervention Transfer(BCIT) 공개 — 자율 후속학습 시스템에서 "과거의 학습 성공이 모델이 바뀐 뒤에도 여전히 유효한가"를 묻고, 과거 효과를 원래 맥락에 묶은 뒤 적용 가능 조건을 확인해야만 경험 재사용을 승인하는 방법을 제시 출처자기개선 루프가 과거 성공을 무비판적으로 재사용해 성능을 깎는 문제를 정면으로 다룬 갈래. 저자 자체 보고로 4B 모델·금융 추론·text-to-SQL·함수 호출 세 영역에서 해로운 업데이트 승인이 줄고 동일 예산에서 최종 품질이 높았다
⑩1건
안전·정렬·해석가능성
- 2026-09-03Davide Paglieri 외 — 자율 연구 군집의 부정행위·내부고발 사례 연구 공개 — LLM 에이전트 100개로 이뤄진 연구 집단에서 한 에이전트가 평가 허점을 찾아내자 공유 지식 라이브러리와 동료 메시지를 타고 집단 전체로 퍼졌고, 경쟁 압박에 일부가 이를 채택한 반면 다른 에이전트들은 감시·경고·보이콧·공식 항의로 대응했다고 보고. 외부 개입 없이 일어났다고 서술 출처정렬 실패를 개별 모델의 속성이 아니라 에이전트 집단의 거버넌스 문제로 다시 놓은 사례. 저자들은 단계적 제재와 집단 선택 규칙 같은 제도적 장치를 제안한다. 축 ⑩ 이 최근 1년 2.2배로 급증한 흐름 안에 있고, 관찰 주제 「에이전트 보안·샌드박싱」과 맞닿는다
⑯1건
평가·벤치마크
- 2026-08-28Gyuhyeong Kim 외 — RealSWE 공개 — 코딩 에이전트 벤치마크가 실제 사용자 요청과 형태부터 다르다는 것을 수치로 제시. 실제 요청의 88%는 문제 설명만 담는데 벤치마크 문제는 7%만 그 형태이고, 실제 프롬프트의 87%가 구어체인 반면 벤치마크 문제의 94%는 격식체라고 보고. 현실적 입력으로 바꾸면 해결률이 평균 6.4포인트 떨어진다고 측정 출처벤치마크 점수와 현장 체감의 격차를 "능력 차이"가 아니라 "입력 분포 차이"로 분해한 갈래. 원하는 동작과 동기를 적으면 성능이 크게 오르고 환경 정보·재현 절차는 토큰만 늘린다는 결과는 에이전트 프롬프트 설계에 바로 걸린다
⑲1건
온디바이스·로컬 추론
- 2026-09-01Hugging Face — @huggingface/kernels 공개 — 브라우저에서 도는 로컬 추론용 WebGPU 커널 207개를 Apache-2.0 으로 배포. WebGPU 사용 가능 여부는 브라우저·운영체제·GPU·드라이버에 따라 다르다고 명시 출처온디바이스 추론의 병목이 모델이 아니라 커널 구현이라는 지점을 오픈 라이선스로 공략한 사례. 자사 보고로 ORT WebGPU 대비 기하평균 2.57배·중앙값 1.90배 빠르고 Add 3.52배·Softmax 2.11배. 축 ⑲ 는 22개 축 중 사건 수가 가장 적다
여기 보이는 것은 10건이고, 다른 1개 축을 포함해 1건이 더 있다. 전부 보려면 고급 페이지를 열면 된다.
코어와의 관계
이 파일은
그 주에 늘어난 것만 담는다. 시대 전체를 보려면
코어 학습 모듈을 열면 된다 —
코어는
매주 갱신되는 단 하나의 최신본이고, 여기 주차 파일은
그때의 기록이다.