korshunov.ai ML 세계의 핵심을 한눈에
KO
주제 · Multimodal
lab Google — The Keyword (AI) · 3일 전 · 조회수 40회

구글, AMIE로 실시간 임상 비디오 상담 기능 시연

구글 리서치와 구글 딥마인드는 의료 AI 연구 시스템인 AMIE를 발전시켜 최초의 연구에서 실시간 임상 비디오 상담 기능을 시연했습니다. Gemini와 Project Astra를 기반으로 멀티 에이전트 아키텍처를 사용하여 구축된 이 시스템은 시각적 및 청각적 단서를 해석하고 가상 신체 검사를 안내하며 실시간으로 진단적 추론을 수행합니다.
lab Microsoft Research Blog · 3일 전 · 조회수 11회

마이크로소프트 리서치, 보조 감독과 도구 증강 측정을 갖춘 통합chest X-ray VLM인 CARE-X를 선보임

마이크로소프트 리서치는 생성적 보고서 작성과 보정된 진단 예측을 결합하여 현재 방사선학 비전-라이트 모델의 격차를 해결하도록 설계된 연구 모델인 CARE-X를 선보였습니다. 이 시스템은 임상적 정확성에 대한 보상을 위해 강화 학습(DAPO)을 사용하며, 정밀한 계산이 필요한 상태에 대한 성능 평가를 위해 Qwen3-VL-4B-Instruct 모델을 결정론적 측정 도구와 페어링합니다.
lab NVIDIA Research · 4일 전 · 조회수 3회

GenRecal은 재보정을 통해 대규모 비전-언어 모델을 소규모 모델로 증류합니다

연구자들은 GenRecal을 제시했습니다. 이는 대규모 비전-언어 모델(VLM)에서 더 작고 효율적인 대응 모델로 지식을 전달하는 범용 증류 프레임워크입니다. 이 방법은 서로 다른 모델 유형 간에 특징 표현을 정렬하고 적응시키기 위한 Re-calibrator를 사용하여 이종 VLM 아키텍처의 과제를 해결합니다.
lab NVIDIA Research · 4일 전

Hide to See는 VLM 증류용 추론 접두사 마스킹을 도입합니다

연구자들은 시각적 증거를 활용하는 컴팩트한 비전-라ngu아지 모델의 능력을 향상시키는 새로운 생각-답변 증류 프레임워크를 제안했습니다. 이는 중요한 추론 접두사를 마스킹하여 달성됩니다. 이 접근 방식은 긴 생각-답변 추적에서 일반적으로 발생하는 "시각적 망각" 문제를 해결합니다. 학생들은 확장된 추론 동안 시각적 단서에 대한 집중력을 잃습니다.
lab NVIDIA Research · 18일 전 · 조회수 9회

NVIDIA는 다중 모달 모델의 공간 추론을 위한 계층적 진단 프레임워크인 Spatial-IQ를 출시했다

NVIDIA 연구진은 다중 모달 대규모 언어 모델(MLLMs)의 공간 지능을 해체하기 위해 설계된 진단 프레임워크인 Spatial-IQ를 출시했습니다. 모델을 블랙 박스로 취급하는 기존 벤치마크와 달리, 이 접근 방식은 쌓여 있는 3D 구조에서의 객체 카운팅을 인간 발달 단계와 일치하는 아홉 가지 지각 및 인지 하위 작업으로 분해합니다.
lab Google — The Keyword (AI) · 23일 전 · 조회수 1회

구글, 제미나이 인텔리전스 작업 자동화 확대 및 노트북을 갤럭시 기기에 제공

갤럭시 언팩드 2026에서 구글은 새로운 삼성 갤럭시 Z Fold8 Ultra, Fold8, Flip8를 위한 세 가지 업데이트를 발표했으며, 이는 제미나이 인텔리전스의 보급에 중점을 둡니다. 회사는 작업 자동화 기능을 40개 이상의 인기 앱으로 확장하고, 제미나이 노트북 앱을 이 기기에 직접 도입합니다.
lab Mistral AI News · 10일 전 · 조회수 4회

Shieldstral이 정책 적응형 3B 다중 모달 안전 분류기 선보임

Shieldstral은 콘텐츠 검수를 정책 적응형 질문 답변 작업으로 구성하는 3B 오픈 가중치 다중 모달 안전 분류기로, 재학습 없이 추론 시 일반 언어 정책을 받아들일 수 있습니다. 이는 텍스트와 이미지 안전 평가를 통합하고 다양한 벤치마크에서 교정된 안전 점수를 제공하며 단일 16GB NVIDIA GPU에서 효율적으로 실행됩니다.
arxiv arXiv cs.LG · 17시간 전 · 조회수 1회

Intern-S2-Preview: 과학적 에이전트 파운데이션 모델

저자들은 다중 모달 과학적 이해, 추론, 생성 및 장기 작업을 지원하도록 설계된 일련의 과학적 에이전트 파운데이션 모델인 Intern-S2-Preview를 제시합니다. 학습 파이프라인은 렌더링된 과학 문서, 교차된 이미지-텍스트 데이터 및 다양한 과학 코퍼스에 대한 과학적 다중 모달 사전 훈련을 시작으로 합니다.
media MarkTechPost · 1일 전 IFEval · 82.3% · 조회수 1회

Liquid AI가 도구 호출 기능을 갖춘 3B 온디바이스 비전-언어 모델 LFM2.5-VL-3B 출시

Liquid AI는 효율적인 온디바이스 배포를 위해 설계된 3.1B 파라미터의 비전-언어 모델인 LFM2.5-VL-3B를 출시했습니다. 이 모델은 모바일, 웹, 데스크톱 환경에서 디지털 화면을 읽고, 객체를 좌표에 매핑하며, 문서를 구문 분석하고, 텍스트 또는 이미지 입력으로부터 도구 호출을 실행합니다.
arxiv arXiv cs.AI · 2일 전 · 조회수 3회

SCOUT가 구조화된 CoT와 프로세스 감독 강화학습을 통해 VLM의 공간 추론을 향상시킴

연구자들은 SCOUT를 제안했는데, 이는 구조화된 사고사슬과 다목적 프로세스 보상 강화학습을 결합하여 비전-언어 모델의 공간 추론을 향상시키는 프레임워크입니다. 이 접근법은 기존 RL 방법의 신용 할당 문제를 해결하고 포괄적인 3D 이해를 위해 깊이 지각을 통합합니다.
lab Hugging Face Blog · 2일 전 · 조회수 14회

Liquid AI가 더 빠른 엣지 비전 성능을 위한 LFM2.5-VL-3B 출시

Liquid AI는 엣지 디바이스에서 향상되고 빠른 성능을 제공하도록 설계된 30억 파라미터의 비전-라이트 모델인 LFM2.5-VL-3B를 출시했습니다. 이 모델은 SigLIP2 400M NaFlex 비전 인코더와 이전 텍스트 전용 버전의 백본을 결합했으며, 이전 출시 대비 4배 더 많은 비전 데이터를 포함해 약 34조 개의 토큰으로 학습되었습니다.
lab Liquid AI · 2일 전 Berkeley Function-Calling Leaderboard · 32.5% · 조회수 15회

LFM2.5-VL-3B가 엣지 배포를 위한 화면 이해 및 함수 호출을 개선

LFM2.5-VL-3B는 실시간 및 온디바이스 애플리케이션을 위한 낮은 지연 시간을 유지하면서 더 큰 모델들과 경쟁력 있는 성능을 제공하는 새로운 비전-라틴어 모델입니다. 이 모델은 이전 LFM2-VL-3B 릴리스를 기반으로 화면 이해, 그라운딩, 함수 호출, 다중 이미지 입력 기능에서 상당한 개선을 이루었습니다.
arxiv arXiv cs.AI · 4일 전

AMIE (Video)가 실시간 의료 상담에서 전문가 수준의 성능 달성

연구자들은 저지연 대화를 실시간 오디오비주얼 지각과 통합하는 Gemini 기반 멀티 에이전트 시스템인 AMIE (Video)를 사용하여 실시간 임상 비디오 상담을 위한 최초의 전문가 수준 AI 시스템을 시연했습니다. 30명의 일차 진료 의사 및 100개의 시나리오가 포함된 무작위 구조화 임상 시험 연구에서 임상 평가자들은 병력 청취, 진단, 관리 및 신체 관찰에서 시스템을 의사들과 동등하거나 더 우수하다고 평가했습니다.