쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 17일 (화)까지 4750건
4건 · "ARC-AGI"조건 지우기 ×
001 09:11 ▲ 10 · 댓글 4 AI 에이전트의 평생 학습 측정 벤치마크 공개 지속적 학습(continual learning)을 측정하기 위해 ARC-AGI 과제 3개 버전으로 평생 스트림인 Continual-ARC를 제안했다. AI · 머신러닝 · Continual-ARC: Measuring Skill Acquisition over a Working Lifetime
Key Point 에이전트 기반 시스템의 지속적 학습 평가 방식을 완전히 재정의하는 벤치마크로, 메모리와 가중치 학습을 동등한 조건에서 비교할 수 있게 되었기 때문에 AI 에이전트 연구의 실제 성능 측정이 달라질 수 있다.
핵심 요약
지속적 학습(continual learning)을 측정하기 위해 ARC-AGI 과제 3개 버전으로 평생 스트림인 Continual-ARC를 제안했다. 과제는 반복되지만 다시 나타날 때 새로운 인스턴스이며, 새 과제가 계속 도착한다. 학습자는 시연 비용을 지불하거나 답을 제출하거나 에이전트 하니스 내에서 행동할 수 있으며, 각 인스턴스는 사용한 피드백 예산 비율에 따라 점수가 매겨진다. 전체 요약 9문장 읽기 → 002 12:11 ▲ 15 · 댓글 3 월드 모델, 게임 규칙을 몇 번 봐야 학습할까 월드 모델이 낯선 환경의 메커니즘을 학습하려면 몇 번의 상호작용(노출)이 필요한지 연구했다. AI · 머신러닝 · How Many Exposures Does a World Model Need? Learning Unseen Game Mechanics at Test Time
Key Point 시각 기반 게임에서 월드 모델이 처음 보는 규칙을 얼마나 빨리 습득하는지 보여주며, 테스트 시점 적응의 효과를 정량적으로 입증했다.
핵심 요약
월드 모델이 낯선 환경의 메커니즘을 학습하려면 몇 번의 상호작용(노출)이 필요한지 연구했다. ARC-AGI-3 벤치마크의 20개 게임에서 69개 반복 메커니즘을 레이블링한 MechEval 평가 도구를 만들었고, 각 메커니즘이 환경을 바꾸는 셀에 대해 예측을 채점한다. WARC는 3,500만 파라미터 비전 트랜스포머로, 다른 게임에 사전학습한 후 매 전이 후 모든 파라미터를 업데이트한다. 전체 요약 6문장 읽기 → 003 00:11 ▲ 35 · 댓글 5 고정된 LLM이 자기 개선하는 Memento 3, 환경 학습에 성공 Memento 3는 동결된 LLM 에이전트가 외부 메모리를 통해 명시적 세계 모델을 지속적으로 학습하도록 하는 기법이다. AI · 머신러닝 · Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks
Key Point 기존 LLM은 세계 모델을 외부 메모리 없이 학습할 수 없었는데, Memento 3의 규칙책 기반 접근은 동결된 모델도 자율적으로 환경을 학습하고 자기 개선할 수 있음을 보여준다.
핵심 요약
Memento 3는 동결된 LLM 에이전트가 외부 메모리를 통해 명시적 세계 모델을 지속적으로 학습하도록 하는 기법이다. 에이전트는 자연언어 규칙책을 의미 기억으로 유지하며, 환경 역학의 수정 가능한 가설을 기록하면서 미지의 측면은 불완전하게 남긴다. 규칙책을 실행 가능한 코드로 컴파일하여 예측과 계획에 활용한다. 전체 요약 9문장 읽기 → 004 03:10 ▲ 172 · 댓글 62 GPT-6 Astra, 루프 트랜스포머, 숨겨진 추론 메커니즘 OpenAI의 GPT-6 Astra는 코딩, 수학, 3D 렌더링 등 거의 모든 카테고리에서 GPT-5.6을 능가하며, 특히 ARC-AGI-3 벤치마크에서 99.9% 정확도를 기록했다. AI · 머신러닝 · GPT-6 Astra, looped transformers, and hidden reasoning
Key Point GPT-6 Astra의 구체적인 성능 향상(특히 추론과 컴퓨터 조작 능력)을 이해해야 차세대 모델의 방향을 파악할 수 있습니다.
핵심 요약
OpenAI의 GPT-6 Astra는 코딩, 수학, 3D 렌더링 등 거의 모든 카테고리에서 GPT-5.6을 능가하며, 특히 ARC-AGI-3 벤치마크에서 99.9% 정확도를 기록했다. 컴퓨터 사용 능력이 뛰어나 로컬 PC의 그래픽 소프트웨어(페인트, 블렌더 등)를 마우스와 UI로 직접 조작할 수 있으며, 이는 데모 영상의 시각적 임팩트로 주목받고 있다. 루프 트랜스포머(반복적 깊이) 및 숨겨진 추론 메커니즘에 대한 건축학적 루머가 있으며, 이 글은 이러한 기술 혁신과 최근 연구를 분석한다.