멀티모달
이 태그가 붙은 글 6편입니다. 전체 태그 보기
메타, 반복 작업 전담 소형 에이전트 모델 Muse Ember 공개
메타가 에이전트의 반복 실행 작업에 특화한 저비용 소형 모델 Muse Ember를 공개하고 경쟁 모델 대비 벤치마크 결과를 제시했습니다.
Artificial Analysis, AI 모델의 인터랙티브 3D 장면 제작 능력 재는 AA-3D 공개
에이전트가 글 지시를 three.js 장면으로 바꾸는 과정을 블라인드 투표로 평가하는 AA-3D 벤치마크가 공개됐고, 결과를 스스로 확인하는 습관이 품질과 강하게 연결됐습니다.
Tencent, 2K 해상도 영상-음성 동시 생성 모델 학습을 2.5배 빠르게 만든 Prism 공개
영상과 음성을 함께 생성하는 모델을 2K 해상도로 학습시킬 때 생기는 어텐션 비용 문제를 동적 희소 어텐션으로 줄인 연구가 코드와 함께 공개됐습니다.
검색 이후 정리 단계에서 에이전트가 무너진다는 벤치마크 KNOWS 공개
웹 검색 이후 문서·슬라이드·표로 정리하는 능력만 따로 재는 KNOWS 벤치마크에서 최고 성능 에이전트도 완전 성공률 2.7%에 그쳤습니다.
Google DeepMind, 위성 영상을 직접 읽는 기상 모델 WeatherNext 3 공개
수치 예보 분석장 대신 정지궤도 위성 영상을 직접 입력으로 받아 매시간 예보를 생성하는 전 지구 기상 모델이 공개됐고, 발표 당일부터 Google 검색과 지도에 적용됐습니다.
Google, 음성 인식 모델 Gemini 3.5 Transcribe를 프리뷰 공개
Chirp 계열을 잇지 않고 Gemini 이름을 단 음성 인식 모델이 나왔습니다. 공개된 오류율과 가격, 그리고 후처리를 모델이 떠안는 구조가 무엇을 바꾸는지 정리했습니다.