10월 13일의 AI 역사

명시한 가정 아래 기대 일반화 상계, 과거 회귀 예산에 조건부인 유지 상계, 새 독립 데이터로 수정안을 받아들이는 고확률 규칙을 제시. 실제 배포에는 학습·실행 권한·중대한 행동에 대한 독립 안전장치가 필요하다고 정리

자사 측정 체화 추론 벤치마크 ERQA 87%. 실제 탁자 사진 한 장에서 MuJoCo 시뮬레이션 쌍둥이를 스스로 만들고 4,500개 이상 에피소드를 모아 실제 로봇 성공률을 56%에서 75%로, 완료 시간을 35초에서 24초로 줄였다고 밝힘. 범용 모델이 로봇 데이터 라벨링·가치 함수·시뮬레이션 구축까지 맡는 흐름

저자 측정으로 시각 갈래는 영상 820개·문항 2,460개, 소리까지 쓰는 갈래는 240개·720개를 사람이 달고 여러 차례 검수해 만들었으며 모델 50개를 평가했다. 공개 모델이 특히 소리와 화면을 함께 보는 과제에서 상용 모델에 뒤졌고, 같은 대상을 글로만 가리킬 때와 그림을 함께 줄 때 답이 자주 달라졌다고 보고했다

데스크톱에서 200B 추론과 70B 파인튜닝, 로컬이 에이전트 런타임으로

프론티어 랩의 수직계열화

프런티어 모델 학습을 비밀에서 재현 가능한 레시피로 끌어내림. nanoGPT·llm.c 계보의 완성형

크로스 임바디먼트 공용 데이터셋의 출발점

컴퓨트를 전략물자로 재정의, 이후 모든 규제의 원형

임베딩 모델 경쟁의 공통 척도. 모든 과제를 지배하는 임베딩 기법은 없다는 것이 핵심 결론