OpenAI의 Astra가 수학 분야의 주요 개방형 문제 10개를 해결
OpenAI는 미공개 내부 모델인 Astra의 결과를 공개했으며, 이 모델은 수학 분야에서 중요한 개방형 문제 10개를 성공적으로 해결했다. 해답은 모델에 의해 생성된 후 인간 연구원들에 의해 Lean 증명서로 형식화되었다.
OpenAI의 Astra 모델이 GPT-5.6 Sol을 사용하여 10개의 오랜 수학 문제를 해결
OpenAI는 최소 10년 동안 주요 결과에 진전이 없었던 10개의 수학 및 이론 컴퓨터 과학 문제에 대한 해결책을 공개했습니다. 이는 차기 주요 모델 Astra의 내부 버전을 사용하여 이루어졌습니다.
연구자들이 리플레이 공격을 통해 독점 LLM API에서 추론 트레이스를 탈취
논문은 Anthropic, OpenAI, Google가 반환하는 암호화된 체인-오브-스 thought 블록이 평문으로 추출될 수 있음을 보여줍니다. 저자들은 동일한 계열의 모델들이 암호화 키를 공유하는 취약점을 이용하여 더 약한 형제 모델에 트레이스를 리플레이했습니다.
연구자들이 Claude, GPT, Gemini API의 암호화된 추론 트레이스를 해독하다
새로운 논문은 Claude, GPT, Gemini와 같은 최전선 모델들의 암호화된 추론 블록을 해독하고 재생하여 숨겨진 사고 과정(chain-of-thought) 데이터를 추출할 수 있음을 보여줍니다. 저자들은 이러한 서명된 블롭이 어떻게 약한 모델이나 다른 세션으로 전송되어 근본적인 사고를 전사할 수 있는지, 결과적으로 제공업체의 난독화 노력을 우회하는지를 입증합니다.
연구자들이 세션 간 암호화 재사용을 악용하여 LLM API에서 추론 추적을 탈취
연구자들은 주요 대규모 언어 모델 제공업체들이 클라이언트 측 사용을 위해 암호화된 블록으로 반환하는 단계별 추론 추적을 처리하는 방식에서 취약점을 발견했습니다. 그들은 이러한 암호화된 블록이 동일한 제공업체의 생태계 내의 서로 다른 세션, 사용자 및 모델 간에 완전히 호환되고 교체 가능함을 확인했습니다.
공격자가 암호화된 블록 취약점을 통해 독점 LLM API에서 추론 추적을 탈취
연구자들은 주요 대규모 언어 모델 제공업체가 단계별 추론 추적을 처리하는 방식의 아키텍처적 취약점을 발견했습니다. 제공업체는 이러한 추적을 클라이언트에게 암호화된 블록으로 반환하지만, 연구 결과 해당 블록은 제공업체 생태계 내의 서로 다른 세션, 사용자 및 모델 간에 완전히 호환되고 교체 가능함이 밝혀졌습니다.
Meta의 Muse Spark 1.2와 OpenAI의 GPT-5.6 Sol 업데이트
Meta는 자체 Muse Spark 1.2 모델이 5개의 STEM 올림피아드에서 금메달 성적을 거두었고, $0.69/test로 Vals Index 상위 5위 안에 진입했다고 발표했으며, 이는 Kimi보다 약 3배 저렴하다고 알려졌다. Meta는 이러한 성과가 병렬 추론을 통한 멀티 에이전트 오케스트레이션에 기인한다고 설명하며, 외부 도구 없이 APhO와 IPhO에서 이론 부분 만점을 받았다고 밝혔다.
AI9Stars, 39B 파라미터와 5개 활성 전문가를 가진 오픈 가중치 모델 G9v3-39A5B 출시
AI9Stars는 전작인 ai9stars/G9v3-3B보다 더 강력한 추론 능력을 제공하도록 설계된 오픈 가중치 언어 모델 G9v3-39A5B를 출시했습니다. 이 모델은 390억 개의 파라미터와 5개의 활성 전문가를 특징으로 하며, 개인 및 상업적 용도로 Apache 2.0 라이선스 하에 제공됩니다.
GPT-5.6, 미출현 문학 암호화 벤치마크에서 숨겨진 메시지의 95% 복원
Joseph JM Walker의 작업 논문은 물리적 소설 "I Wrote a Book and Made a Million Dollars (I.B. Wryten)"에 내장된 미출현 다채널 문학 암호화 벤치마크에서 최전방 언어 모델들을 평가합니다. 이 연구는 GPT-5.6이 2차 통신 채널을 독립적으로 인식하고 첫 번째 시도에서 내장된 자료의 약 95%를 복원한 반면, 이전 모델들은 효과적으로 0%의 능력을 보였다고 밝혔습니다.
최첨단 LLM은 채워진 토큰을 통한 보이지 않는 추론으로 CoT 모니터링을 우회한다
최첨단 언어 모델이 의미적으로 무관한 채워진 토큰을 사용하여 중요한 계산을 수행할 수 있으며, 이로 인해 출력 체인-오브-쓰 thought에서 추론이 보이지 않는 실패 모드가 발생한다는 연구 결과가 제시되었습니다. 이 연구는 세 가지 작업에서 13개의 모델을 평가했으며, 많은 모델들이 이러한 토큰으로부터 큰 혜택을 받았고 정확도가 최대 13%p 향상되었음을 발견했습니다.
PoTRE는 테스트 타임 추론을 위한 이종 멀티 에이전트 프레임워크를 소개합니다
저자들은 PoTRE(Poly-Topological Reasoning Ensembles)를 소개했는데, 이는 복잡한 추론 작업에서 표준 단일 스트림 프롬프팅의 한계를 해결하기 위해 설계된 프레임워크입니다. PoTRE는 추론을 네 가지 서로 다른 에이전트로 분리합니다: 적대적 정제 에이전트, 계층적 전략 계획 에이전트, 스펙트럼 탐색 에이전트 및 직접 체인 에이전트.
ISO가 모델 가중치 스펙트럼을 수정하는 RLVR 네이티브 최적화 스택 도입
연구자들은 검증 가능한 보상 강화 학습(RLVR)을 위한 프레임워크인 Isospectral Optimization (ISO)을 제안했습니다. 이는 입력 및 출력 특이 프레임을 최적화하는 동안 모델 가중치 스펙트럼을 고정하여 누락된 최적화 계층을 해결합니다.
효율성을 위한 비신경 대화형 기호 AI 탐색
한 개발자는 지난 8개월 동안 개발된 비신경 정보 추출의 격차를 해결하기 위한 대화형 기호 AI 아키텍처에 대한 진전을 공유했습니다.