LLM의 공간 추론, 기호에서 기하학으로 전환하는 새 모델
대규모 언어 모델의 공간 추론이 패턴 매칭에 의존하는 한계를 넘어 기하학적 연산을 직접 수행하는 새 모델 SLM이 제안됐다.
[태그:] 멀티모달
구글, 온디바이스 오픈모델 젬마 4 12B 공개…인코더 제거로 16GB 노트북에서 멀티모달 구동
구글이 16GB 메모리 노트북에서 음성·영상을 처리하는 온디바이스 AI 모델 젬마 4 12B를 공개했다. 인코더를 제거한 통합 아키텍처로 크기를 줄이면서도 대형 ...
구글 딥마인드, 16GB 노트북에서 실행되는 Gemma 4 12B 출시
구글 딥마인드가 16GB RAM 노트북에서 실행 가능한 멀티모달 모델 Gemma 4 12B를 출시했다. 별도 인코더 없이 텍스트·이미지·오디오·비디오를 네이티브 처리한다.
정답 이후에도 계속 생각하면 독이 된다—LRM의 ‘유해한 과잉 추론’ 연구
대형 추론 모델이 정답에 도달한 뒤에도 추론을 지속할 경우 오히려 정확도가 떨어지는 '유해한 과잉 추론' 현상이 확인됐다. 적절한 시점에 멈추는 ...
생성 AI 시대 멀티모달 가짜뉴스 탐지, 갈등 추론 기반 CORE 제안
멀티모달 허위 정보 속 모달리티 간·상식 위반 충돌을 잡아내는 CORE 프레임워크가 공개됐다. 소량 샘플이나 제로샷 환경에서도 새로운 유형의 조작에 적응할 ...
이미지-문화 감성 인식 모델 PercepT, 기존 방법 대비 실루엣 점수 0.97 달성
이미지를 사실적·감성적 측면과 문화적 맥락에서 함께 이해하는 P-Topics 모델링과 PercepT 아키텍처가 제안됐다. ArtELingo 데이터셋에서 실루엣 점수 0.97을 기록해 기존 방법을 ...
이미지·텍스트 인물 재식별 통합 훈련 충돌 해소 연구
이미지 기반과 텍스트 기반 인물 재식별 과제의 최적화 충돌을 해소하는 2단계 분리 훈련 파이프라인이 제안됐다.
어텐션 붕괴 문제 해결한 2단계 시각 토큰 가지치기 프레임워크 STS 제안
연구팀이 VLM 추론 연산 부담을 줄이기 위해 구조적 다양성과 의미 정렬을 단계별로 처리하는 시각 토큰 프루닝 프레임워크 STS를 제안했다.
알리바바, 멀티모달 에이전트 모델 Qwen3.7-Plus 출시
알리바바 Qwen 팀이 이미지·영상 이해와 에이전트 기능을 갖춘 멀티모달 모델 Qwen3.7-Plus를 바이롄 플랫폼 API로 공개했다.
자연어로 물리 다이어그램 생성하는 PhyDrawGen 논문 공개
텍스트 설명으로 물리법칙에 부합하는 다이어그램을 자동 생성하는 신경-기호 파이프라인 PhyDrawGen이 arXiv에 공개됐다. 역학·광학·전자기학 1,449개 문제 벤치마크에서 GPT-5-image와 제미나이 3 Pro를 ...
미니맥스 M3, MSA 아키텍처로 100만 토큰 컨텍스트와 멀티모달 구현
미니맥스가 MSA(희소 어텐션) 아키텍처 기반 M3 모델을 출시했다. 100만 토큰 컨텍스트에서 연산량이 기존 대비 20분의 1로 줄고 SWE-Bench Pro에서 59%를 ...
구글, 25년 만에 검색창 개편… 멀티모달 대화로 전환
구글이 25년간 유지한 검색창을 텍스트·이미지·PDF·영상을 받는 대화형 인터페이스로 바꿔 검색 방식 자체를 뒤집었다.
