쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 22일 (일)까지 5067건
4건 · "오픈 소스 모델"조건 지우기 ×
001 15:11 ▲ 109 · 댓글 33 다섯 개의 Qwen 모델, 한 대의 컴퓨터로 Claude Opus5 수준 코딩 성능 달성 연구진이 GVS5H(Gorilla vs. 5 Humans)라는 훈련 없는 자체 조율 방식을 제안했다. 같은 모델의 인스턴스 여러 개가 문제를 분해하고 공유 파일시스템의 계획, 메모, 현재 솔루션을 통해 조율한다. AI · 머신러닝 · Five Qwen3.8-27B models match Fable 5 Using GVS5H Harness
Key Point 비용 대비 성능이 우수한 오픈소스 모델로도 상용 최강 모델 수준의 코딩 성능을 낼 수 있다는 점이 중요합니다. 특히 자가 호스팅 모델로 93% 수준을 달성할 수 있어, 개발팀의 추론 비용 절감과 프라이버시 개선에 직결됩니다.
핵심 요약
연구진이 GVS5H(Gorilla vs. 5 Humans)라는 훈련 없는 자체 조율 방식을 제안했다. 같은 모델의 인스턴스 여러 개가 문제를 분해하고 공유 파일시스템의 계획, 메모, 현재 솔루션을 통해 조율한다. LiveCodeBench의 최신 어려운 문제 100개로 평가한 결과, 열 개 모델에서 최대 25.6 포인트의 성능 향상을 얻었다. Qwen3.8 Flash Next를 조율했을 때 Claude Fable 5의 90.4%에 비해 93.0%의 pass@1을 기록했으며, 비용은 9% 수준으로 절감했다. 전체 요약 8문장 읽기 → 002 09:11 ▲ 182 · 댓글 179 중국 AI 모델 GLM-5.3, 보안 없이 사이버 공격 기능 공개 Anthropic의 Claude Mythos Preview가 자동으로 정교한 사이버 익스플로잇을 구축할 수 있는 첫 AI 모델임을 공개한 지 5개월 만에, Zhipu AI의 GLM-5.3도 유사한 능력을 갖춘 채 공개되었다. 보안 · GLM-5.3 and the spread of advanced cyber capabilities
Key Point GLM-5.3이 의미 있는 보안 보호 없이 공개된 사이버 공격 기능은 악의적 행위자뿐 아니라 방어자 모두에게 영향을 미치는 기술 환경의 전환점이 되고 있기 때문이다.
핵심 요약
Anthropic의 Claude Mythos Preview가 자동으로 정교한 사이버 익스플로잇을 구축할 수 있는 첫 AI 모델임을 공개한 지 5개월 만에, Zhipu AI의 GLM-5.3도 유사한 능력을 갖춘 채 공개되었다. GLM-5.3은 Claude Mythos Preview처럼 엔드-투-엔드 사이버 익스플로잇을 자율적으로 구축할 수 있지만, 다른 최첨단 모델과 달리 악의적 이용을 제한하는 의미 있는 보안조치 없이 출시되었다. 연구팀 테스트에서 공격자들은 단순한 기법으로 GLM-5.3의 보안을 64%~100% 우회할 수 있지만, 보안이 설정된 Claude 모델에 대해서는 이 공격이 성공하지 못했다. 전체 요약 12문장 읽기 → 003 22:26 ▲ 102 · 댓글 33 LLM 거부 응답을 영구 손상 없이 우회하는 Engram 기법 기존 가중치 절제(weight abliteration)는 모델 가중치를 영구적으로 변경해 거부 방향을 제거하지만 비거부 작업 성능도 저하시킨다. AI · 머신러닝 · Dynamic Abliteration: Non-Destructive Refusal Suppression via Engram Steering
Key Point LLM의 안전장치를 영구 손상 없이 우회하는 기술이 공개됨에 따라 오픈 소스 모델의 거부 메커니즘 견고성 문제가 현실화되고 있다.
핵심 요약
기존 가중치 절제(weight abliteration)는 모델 가중치를 영구적으로 변경해 거부 방향을 제거하지만 비거부 작업 성능도 저하시킨다. 이 글은 Qwen3-4B 모델을 예로 PyTorch 포워드 훅으로 런타임 중간 잔차 스트림에 개입해 가중치는 완전히 고정한 채 거부 행동을 억제하는 동적 절제(Dynamic Abliteration) 기법을 제시한다. 단일 레이어 벡터 뺄셈은 다운스트림 레이어가 거부 행동을 재구성하므로 작동하지 않음을 시연했다. 전체 요약 10문장 읽기 → 004 09:10 ▲ 159 · 댓글 65 Qwen 3.8이 GPT-5.5 Pro의 추론 과정을 흡수했다 GPT-5.5 Pro의 추론 시작 부분 1%를 다른 모델에 주입한 후 두 모델의 응답이 얼마나 유사한지 측정하는 실험을 진행했다. AI · 머신러닝 · Qwen 3.8 follows GPT-5.5 Pro reasoning prefills
Key Point 오픈 소스 모델이 대형 상용 모델의 추론 방식을 얼마나 모사할 수 있는지, 특히 학습 데이터의 출처가 무엇인지 보여주는 분석이다.
핵심 요약
GPT-5.5 Pro의 추론 시작 부분 1%를 다른 모델에 주입한 후 두 모델의 응답이 얼마나 유사한지 측정하는 실험을 진행했다. Qwen 3.8은 프리필 없을 때 16.79% 일치도에서 프리필 적용 시 34.97%로 +18.18 포인트 향상되어 가장 큰 변화를 보였다. Kimi K3는 GPT-5.5 Pro와의 기본 일치도가 31.11%로 가장 높지만 프리필의 추가 효과는 4.54 포인트에 불과했다. 전체 요약 5문장 읽기 →