AI

KAIST 연구진, 영상 생성 AI 처리 토큰 8분의 1로 줄이는 압축 기법 'GRACE' 공개…생성 지연 11.1배 단축

KAIST AI 소속 Jiyoung Kim 등 연구진 8명이 사전공개 논문 저장소 arXiv에 논문 「GRACE: Generation-aware latent compression for efficient video generation」(arXiv:2610.10524)을 공개했다. 이 논문은 이미 학습을 마친 영상 생성 모델을 처음부터 다시 학습시키지 않고도 영상을 더 빨리 만들 수 있는 압축 기법을 제안한다. 연구진은 140억 파라미터 규모의 이미지-영상 변환 모델 'Wan2.1-I2V-14B'에 이 기법을 적용했다. 그 결과 모델이 처리하는 토큰 수는 8분의 1로 줄었고, 생성 지연시간은 11.1배 짧아졌다고 밝혔다.이 수치는 480×832 해상도, 81프레임 영상을 기준으로 측정했다. 연구진은 영상 생성 성능 평가 지표인 VBench에서 압축 전 원래 파이프라인과 같은 수준의 생성 품질을 냈다고 설명했다. 이 논문은 연구자 커뮤니티 플랫폼 허깅페이스의 일일 논문 목록에서 추천 51회를 받았다.이 연구는 영상 생성 AI의 계산 비용 문제에서 출발했다. 최근 영상 생성 모델은 대부분 확산 트랜스포머(DiT) 구조를 쓴다. 오토인코더가 영상을 압축된 잠재 표현(latent)으로 바꾸면 DiT가 이를 토큰 단위로 처리한다. 압축률을 높여 토큰 수를 줄이면 DiT의 연산량도 크게 줄어든다. 문제는 압축을 세게 할수록 복원 품질이 떨어진다는 점이다. 품질을 되살리려면 채널 수를 늘려야 하는데, 그러면 DiT의 학습 수렴이 느려진다. 압축된 잠재 표현이 DiT가 학습한 것과 달라지는 것도 걸림돌이다. 이 경우 기존 DiT를 처음부터 다시 학습시키거나 큰 비용을 들여 맞춰야 한다. 원래 쓰던 오토인코더를 그대로 압축하는 방법도 있지만, 복원 성능만 기준으로 최적화하면 잠재 표현이 여전히 DiT가 학습한 분포에서 벗어난다고 연구진은 지적했다.GRACE는 두 단계로 이 문제를 풀었다. 첫 단계에서는 사전학습된 인코더가 만든 '기본 잠재 표현'을 고정해 둔다. 그리고 더 강하

OpenAI "가짜 기자·싱크탱크 내세운 AI 영향력 공작 2건 차단"

OpenAI는 공식 뉴스 페이지를 통해 인공지능(AI)을 이용한 영향력 공작 두 건을 차단했다고 밝혔다. OpenAI는 이 사례들을 '가짜 전면(false front)' 작전이라고 불렀다. 두 작전은 실제 언론인이나 연구기관이 아닌 가짜 기자와 싱크탱크를 앞세워 지정학적 메시지를 퍼뜨렸다.OpenAI 설명에 따르면 두 작전 모두 AI를 활용했다. 가짜 기자와 싱크탱크는 메시지를 퍼뜨리는 통로로 쓰였다. 언론인과 연구기관의 이름을 빌려 특정 지정학적 주장을 퍼뜨리려 한 것이다.공개된 요약에는 작전 배후로 지목된 국가나 조직이 나오지 않는다. 어떤 AI 기능이 쓰였는지, 메시지가 어느 플랫폼에서 얼마나 퍼졌는지도 확인되지 않았다. OpenAI가 어떤 조치로 작전을 차단했는지도 구체적으로 공개되지 않았다.

엔비디아, 긴 영상 기억으로 로봇 성공률 높인 'Long-WAM' 공개… "기억을 쓰는 방식이 관건"

엔비디아 연구진이 로봇이 과거 영상을 더 길게 기억하면서도 실시간으로 움직이게 하는 '월드-액션 모델' 기술을 내놨다. 논문 사전공개 사이트 arXiv에 올라온 「Long-WAM: Scaling the Context of World-Action Models」(arXiv:2610.10528)에 따르면, 웨이 황(Wei Huang) 등 엔비디아 소속 연구자 16명은 이 모델로 여러 로봇 조작 벤치마크에서 비교 대상 가운데 가장 좋은 성적을 냈다고 밝혔다. 이 논문은 연구자 커뮤니티 플랫폼 허깅페이스의 일일 논문 목록에서 추천 57회를 받았다.로봇이 실시간으로 움직이려면 지금까지 본 장면을 충분히 기억해야 물체의 움직임과 작업 진행 상황을 파악할 수 있다. 하지만 기억할 영상이 길어질수록 처리 시간이 늘어나 동작이 늦어진다. 연구진은 이 문제를 풀기 위해 모델 설계와 실행 시스템을 함께 다루는 틀로 Long-WAM을 제시했다. 월드-액션 모델은 앞으로 펼쳐질 장면을 예측하는 동시에 로봇이 할 동작을 만들어내는 모델을 말한다.연구진이 꼽은 핵심 발견은 "과거 기록을 볼 수 있다는 것과 실제로 그것을 활용하는 것은 다르다"는 점이다. 바탕이 되는 영상 모델을 과거에서 미래 순서로 차례차례 예측하는 '자기회귀(AR)' 방식으로 사전학습했을 때, 긴 기록이 훨씬 큰 효과를 냈다는 것이다. 연구진은 먼저 동작 정보(레이블)가 없는 로봇 영상과 1인칭 시점 영상으로 인과적 예측을 학습시켰다. 이어 로봇 동작을 학습하는 단계에서도 '과거에서 미래로'라는 구조를 그대로 유지했다.효과는 수치로 나타났다. RoboCasa GR-1 벤치마크에서 모델이 참고하는 영상 길이를 0초에서 19.2초로 늘리자 성공률이 63.3%에서 78.7%로 올랐다. 반면 앞뒤 방향을 모두 보는 양방향 방식으로 사전학습한 모델은 기록을 늘려도 순이득이 없었다. 로봇 영상으로 AR 사전학습을 추가하자 GR-1과 LIBERO-Long에서 최고 성공률이 더 올랐다. 연구진은 Long-WAM이 LIBERO-Long

홍콩대, 게임을 직접 플레이하고 다시 고치는 AI 개발 프레임워크 공개

홍콩대학교(The University of Hong Kong) 연구진이 AI 에이전트가 만든 게임을 직접 플레이해 보고, 그 결과를 바탕으로 게임을 계속 고쳐 나가는 개발 프레임워크를 내놓았다. 연구진이 사전공개 논문 저장소 arXiv에 올린 논문 「Recursive Game Creator: An Agentic Product-Level Experience-Oriented Game Harness」(arXiv:2610.08621)에 따르면, 이 방법은 게임 생성 벤치마크인 GameCraft-Bench에서 종합 점수 77.89점을 받아 최고 성능(SOTA)을 기록했다. 저자는 Jiajun Chen 등 4명이다.연구진이 문제로 삼은 것은 '실행되는 게임'과 '재미있는 게임'의 차이다. 논문 초록은 최근 게임 디자인 에이전트가 플레이할 수 있는 게임을 만드는 데 큰 진전을 이뤘다고 평가했다. 다만 프로그램이 제대로 돌아간다고 해서 플레이어가 즐거운 경험을 한다는 보장은 없다고 짚었다. 그동안 AI로 게임을 만드는 연구는 코드가 오류 없이 실행되는지를 확인하는 데 주로 집중해 왔다. 이번 연구는 평가 기준을 플레이 경험으로 옮겨, 대충 만든 프로토타입을 즐길 만한 게임으로 다듬는 것을 목표로 내세웠다.프레임워크는 디자이너(Designer), 빌더(Builder), 플레이어(Player), 리뷰어(Reviewer) 네 가지 구성 요소로 이뤄진다. 디자이너는 사용자 지시와 리뷰어의 피드백을 구체적인 개발 계획으로 바꾸고, 빌더는 이 계획에 따라 후보 게임을 만든다. 플레이어는 화면을 보고 조작하는 방식 대신 프로그래밍 인터페이스로 게임을 플레이한다. 여러 번 쓸 수 있는 플레이 전략을 직접 코드로 짜서 실행하고, 다양한 플레이 기록(궤적)을 빠르게 모은다. 연구진은 그래픽 화면(GUI)을 통한 수집은 느려서 평가가 한쪽으로 치우칠 수 있는데, 이 방식으로 그 문제를 줄였다고 설명했다.리뷰어는 플레이 기록을 분석하는 지표로 플레이어가 무엇을 선호하는지 추정한다. 여기에 시각

공공 AI 발주 한 주 새 90건으로 늘었지만 금액은 36% 줄어… 최대는 65억 원 규모 'AI 교수학습 플랫폼'

조달청 나라장터 입찰공고를 보면 10월 1일부터 8일까지 올라온 용역 입찰공고 가운데 인공지능(AI) 관련 공고는 90건이었다. 90건 모두 추정가격이 공개됐으며 합계는 207억 5,288만 원, 건당 평균은 2억 3,059만 원이다. 직전 같은 기간에는 84건, 325억 4,547만 원이었다. 이와 비교하면 건수는 7.1% 늘었고 추정가격 합계는 36.2% 줄었다. 발주는 늘었지만 한 건당 사업 규모는 작아진 셈이다. 직전 기간 평균은 약 3억 8,700만 원이었다.이번 주 추정가격이 가장 큰 공고는 한국지능정보사회진흥원의 'AI 맞춤형 교수학습 플랫폼 고도화' 사업으로 65억 4,482만 원이다. 이 한 건이 주간 합계의 약 31%를 차지한다. 입찰 마감은 10월 27일 오전 10시다. 두 번째는 한국국제협력단(KOICA)의 '우즈베키스탄 AI 기반 한국어·문화 이해증진 프로젝트봉사단 사업(26-29) PMC 용역'이다. 추정가격은 14억 4,273만 원이고 11월 16일 오전 10시에 마감한다. AI가 국내 행정뿐 아니라 개발협력 사업에도 들어가고 있음을 보여준다. 세 번째는 인덕대학의 '대학 AI 인프라 기반 구축' 사업으로 11억 8,182만 원이며 마감은 11월 17일 정오다.4위와 5위에는 가천대학교의 'AI타워ㆍ지하주차장 신축공사 폐목재 및 폐합성수지 처리 용역'이 각각 7억 2,717만 원으로 올랐다. 두 공고는 공고명, 금액, 마감일(10월 14일 오전 10시)이 같고 공고번호만 다르다. 두 번 올라온 이유는 공고 자료만으로는 확인되지 않았다. 또 이 사업은 AI 기술 용역이 아니라 'AI타워'라는 건물 공사에서 나온 폐기물 처리 용역이다. 공고명에 'AI'가 들어 있어 집계에 포함됐다. 키워드로 걸러낸 통계이므로 실제 AI 기술 발주 규모는 집계 수치보다 다소 작을 수 있다는 점을 감안해야 한다.공고를 가장 많이 낸 수요기관은 한국지능정보사회진흥원으로 4건이었다. 한국과학기술정보연구원, 인천대학교, 국민대학교 산학협력단, 계명대학교 산학협력

클라우드플레어, 이미지·텍스트 함께 읽는 AI 모델 'clef-flash' 공개… 일주일 새 내려받기 1만 회 넘겨

웹 인프라·보안 기업 클라우드플레어(Cloudflare)가 이미지와 텍스트를 함께 입력받아 텍스트를 생성하는 AI 모델 'clef-flash'를 공개했다. AI 모델 공유 플랫폼 허깅페이스(Hugging Face)의 모델 정보에 따르면, 이 모델은 2026년 10월 1일 등록됐다. 등록 이후 내려받기는 1만638회, 즐겨찾기는 586회다. 라이선스는 아파치 2.0(apache-2.0)으로 공개됐다.허깅페이스는 전 세계 개발자와 기업이 AI 모델과 데이터셋을 올리고 내려받는 공개 플랫폼이다. 모델 페이지에 표시되는 내려받기 수와 즐겨찾기 수는 공개 직후 개발자 커뮤니티가 해당 모델에 얼마나 관심을 보이는지 보여주는 지표로 쓰인다. clef-flash는 공개 일주일 만에 내려받기 1만 회를 넘겼다. 다만 내려받기 수는 파일을 받아 간 횟수를 센 것이어서 실제 이용자 수와 같다고 보기는 어렵다. 이 모델을 서비스에 실제로 적용한 사례가 있는지도 이번 자료로는 확인되지 않는다.허깅페이스에서 이 모델은 '이미지·텍스트 입력 텍스트 생성(image-text-to-text)' 모델로 분류돼 있다. 사진이나 문서 이미지를 질문 문장과 함께 넣으면 모델이 그 내용을 해석해 글로 답하는 방식이다. 흔히 '멀티모달' 모델이라고 부르는 유형으로, 이미지 설명, 문서나 화면 속 정보 파악, 시각 자료에 대한 질의응답 등에 쓰인다. 텍스트만 다루는 언어 모델보다 쓸 수 있는 곳이 넓어 최근 AI 업계의 모델 개발이 몰리는 분야이기도 하다.모델 이름에 붙은 'flash'는 AI 업계에서 가볍고 응답이 빠른 모델에 흔히 쓰는 표현이다. 하지만 clef-flash의 매개변수 규모, 처리 속도, 벤치마크 성능은 이번 자료에서 확인되지 않았다. 어떤 데이터로 학습했는지, 다른 모델을 바탕으로 만들었는지, 어떤 용도를 겨냥했는지도 밝혀지지 않았다.클라우드플레어는 콘텐츠 전송 네트워크(CDN)와 웹 보안 서비스로 잘 알려진 기업이다. 최근 몇 년 사이에는 자사 네트워크에서 AI 추론을 실행하는 서

엔비디아·MS, 윈도 AI PC용 'RTX 스파크' 공개…노트북 16일 출시

엔비디아는 공식 블로그(NVIDIA Blog)에서 7일(현지시간) 미국 샌프란시스코에서 열린 마이크로소프트(MS) 행사에서 젠슨 황 최고경영자(CEO)와 사티아 나델라 MS CEO가 윈도 PC에서 AI 에이전트를 돌리기 위한 하드웨어·소프트웨어 공동 개발 계획을 발표했다고 밝혔다.핵심은 윈도 노트북과 소형 데스크톱용 칩 'RTX 스파크'다. 최대 6,144코어의 블랙웰 RTX GPU와 최대 20코어 그레이스 CPU를 결합했고, 최대 128GB 통합 메모리와 FP4 기준 1페타플롭스의 AI 연산 성능을 갖췄다. 노트북은 이날부터 사전 주문을 받아 오는 16일 출시되고, 소형 데스크톱은 11월에 판매된다. 에이서, 에이수스, 델, HP, 레노버, MS, MSI, 기가바이트가 제품을 내놓으며, MS는 RTX 스파크를 탑재한 '서피스 랩톱 울트라'를 소개했다.MS는 AI 에이전트가 운영체제 통제 아래 백그라운드에서 안전하게 실행되도록 하는 'MS 실행 컨테이너(MXC)'의 정식 출시도 발표했다. 엔비디아는 그동안 리눅스에서만 돌던 데스크사이드 AI 슈퍼컴퓨터를 윈도에서 쓸 수 있게 한 'DGX 스테이션 포 윈도'도 미리 공개했다. 이 제품은 GB300 그레이스 블랙웰 울트라 칩을 기반으로 748GB 메모리와 최대 20페타플롭스의 연산 성능을 낸다. 출시 시기는 밝히지 않았다.

오픈AI, 챗GPT에 GPT-6 전 세계 배포…'인텔리전트 UI' 함께 도입

오픈AI는 자사 공식 채널인 OpenAI News를 통해 새 AI 모델 GPT-6를 챗GPT에 전 세계적으로 배포하기 시작했다고 밝혔다. 이번 배포에는 '인텔리전트 UI(Intelligent UI)'라는 새 기능이 함께 들어갔다.오픈AI 설명에 따르면 GPT-6는 이전보다 응답 속도가 빨라졌다. 답변을 글로만 내놓지 않고 시각 자료와 상호작용 요소를 함께 보여준다. 사용자는 이 결과물을 직접 살펴보고 바로 활용할 수 있다. 오픈AI는 이번 발표의 제목에 '모두를 위한(for everyone)'이라는 표현을 썼다.다만 공개된 발표문에는 무료·유료 요금제별 제공 범위가 나와 있지 않다. 국가별 배포 순서와 전체 배포 완료 시점, 모델 성능 수치 같은 세부 내용도 확인되지 않았다. 인텔리전트 UI가 구체적으로 어떤 형태의 시각 자료와 상호작용 기능을 지원하는지도 아직 밝혀지지 않았다.

애플, 여러 환경에서 동시에 학습하는 AI 에이전트 훈련법 논문 「RISED」 공개

애플이 하나의 대형언어모델(LLM) 에이전트를 여러 환경에서 함께 훈련할 때 생기는 학습 효율 문제를 다룬 논문을 공개했다. 애플 머신러닝 연구 사이트(Apple Machine Learning Research)에 따르면, 애플은 6일 「RISED: Rubrics for Agentic Multi-Environment Selection and Self-Distillation」이라는 제목의 논문을 이 사이트에 올렸다. 제목을 풀면 '에이전트의 다중 환경 선택과 자기증류를 위한 루브릭'이다. 평가 기준표(루브릭)를 활용해 어떤 학습 데이터를 고를지 정하고, 모델이 스스로 만든 결과로 다시 학습하는 방식을 결합한 연구로 보인다.논문 초록은 먼저 연구 배경을 설명한다. 다양한 상호작용 환경에서 LLM 에이전트 하나를 함께 훈련하는 방식은 여러 작업을 두루 해내는 '범용 에이전트'로 가는 길로 주목받고 있다. 예를 들어 웹 탐색, 코드 실행, 게임 같은 서로 다른 과제 환경을 한 모델이 함께 익히는 식이다. 하지만 초록은 기존의 커리큘럼 학습이나 데이터 선택 전략에 한계가 있다고 지적한다. 기존 전략은 대체로 환경 단위로 학습량을 나누거나, 국소적인 보상 신호를 기준으로 우선순위를 매긴다. 이 과정에서 여러 환경에서 현재 생성되고 있는 롤아웃(모델이 실제로 과제를 수행해 본 시도) 사이의 관계는 프롬프트 그룹을 고를 때 명시적으로 고려되지 않는다는 것이다.초록이 짚는 두 번째 문제는 환경마다 학습 속도가 다르다는 점이다. 어떤 환경은 빨리 익히고 어떤 환경은 더디게 익히다 보니, 한 배치 안에 '전부 실패한' 롤아웃 그룹과 '전부 성공한' 롤아웃 그룹이 함께 섞이게 된다. 이런 데이터에서는 그룹 상대 보상 신호를 얻을 수 없다고 초록은 설명한다.이 지적은 최근 LLM 강화학습에서 많이 쓰는 방식과 관련이 있다. 같은 문제를 여러 번 풀게 한 뒤, 그룹 안에서 상대적으로 잘한 시도는 강화하고 못한 시도는 억제하는 방식이다. 그런데 모든 시도가 똑같이 성공하거나 똑같이 실패하

"보기 좋은 3D 모델보다 실제로 조립되고 작동해야"… 일리노이대, LLM 에이전트 설계 평가 벤치마크 'LMBuild' 공개

미국 일리노이대 어배너-섐페인(UIUC) 연구진이 대형언어모델(LLM) 기반 에이전트의 설계 능력을 평가하는 벤치마크 'LMBuild'를 내놨다. 실제로 조립할 수 있고 의도한 기능까지 하는 구조물을 설계하는지 보는 평가다. 지아텅 류(Jiateng Liu) 등 연구자 12명은 논문 사전공개 사이트 arXiv에 「LMBuild: Evaluating LLM Agents for Generating Buildable and Functional Structures」(arXiv:2610.04292)를 올렸다. 저자들이 공개한 초록에 따르면 30개 시스템을 평가한 결과, 최상위 비공개(클로즈드소스) 모델도 구조물이 제 기능을 하고 실제로 움직이게 만드는 데서는 여전히 어려움을 겪었다.연구진이 이 벤치마크를 만든 이유는 기존 평가 방식의 공백이다. LLM 에이전트가 복잡한 3D 구조물을 만드는 능력은 빠르게 좋아지고 있고, 물건을 설계하고 현실에서 만드는 방식을 바꿀 잠재력도 크다. 하지만 연구진은 '보기 좋은 형상'을 만드는 일과 '실제로 만들 수 있고 제 기능을 하는 물체'를 만드는 일은 근본적으로 다르다고 지적했다. 지금까지의 평가는 주로 형상의 완성도만 보고, 그 물체를 실제로 구현할 수 있는지는 따지지 않았다는 것이다. 화면 속 의자가 그럴듯해 보여도 다리가 어떻게 붙는지, 어떤 재료로 어떤 순서로 조립하는지가 빠지면 실제 의자를 만들 수 없다는 문제의식이다.LMBuild는 생성된 물체를 단순한 3D 형상이 아닌 '조립 구조물'로 다룬다. 물체를 부품 구성, 관절(조인트), 재료, 조립 순서로 나눠 표현하는 방식이다. 재현 가능한 평가를 위해 세 가지 요소를 하나의 프레임워크로 묶었다. 첫째는 에이전트가 도구를 써서 부품을 찾고, 새로 만들고, 배치하며 물체를 조립하는 상호작용 환경이다. 둘째는 기존 CAD 데이터셋을 평가용으로 다시 구성하고 위키피디아의 지식으로 보강한 벤치마크 데이터다. 셋째는 구조적 건전성, 기능적 어포던스, 디자인 품질, 물리적 구현 가능성

arXiv AI 논문, 최근 7일 2,183편으로 1년 전보다 54% 늘어… 제목에 '에이전트' 넣은 논문이 23%

최근 일주일 동안 논문 공개 저장소 arXiv의 인공지능(cs.AI) 분야에 올라온 논문이 2,183편으로 집계됐다. 메타브리프가 arXiv 공개 검색 API로 집계한 결과, 9월 28일부터 10월 4일까지 7일 동안 이 분야에 공개된 논문은 지난해 같은 기간(1,420편)보다 54% 많았다. 바로 전 7일(9월 21~27일)의 1,477편과 비교해도 48% 늘었다.같은 기간 제목에 '에이전트(agent)'가 들어간 논문은 492편으로, 전체의 약 23%를 차지했다. AI 논문 네 편 가운데 한 편 가까이가 제목에서부터 에이전트를 내세운 셈이다.이번 집계는 날수가 같은 기간끼리만 비교했다. 7일 단위로 묶어 지난해 같은 주, 그리고 직전 주와 나란히 놓았기 때문에 기간 길이 차이로 숫자가 부풀거나 줄어드는 일은 없다. 다만 cs.AI를 주 분야로 올린 논문뿐 아니라 다른 분야에 올리면서 cs.AI에도 함께 올린 교차게재 논문까지 센 수치다. 기계학습, 컴퓨터언어학, 로보틱스처럼 인접 분야 연구자가 AI 분류를 함께 단 논문도 포함됐다는 뜻이다. 그래서 순수하게 AI만 다룬 연구의 규모라기보다는 'AI라는 꼬리표가 붙은 연구'의 규모에 가깝다고 봐야 한다.arXiv는 학술지나 학회의 동료 심사를 거치기 전에 연구자가 논문을 먼저 공개하는 사전 공개(프리프린트) 저장소다. 심사에 수개월이 걸리는 기존 출판 과정과 달리 올리는 즉시 누구나 읽을 수 있어서, 변화가 빠른 AI 분야에서는 사실상 연구 성과가 처음 공개되는 곳이 됐다. 그래서 arXiv에 올라오는 논문 수는 연구 현장이 얼마나 활발한지를 가늠하는 지표로 자주 쓰인다. 반대로 말하면 이번 집계에 잡힌 논문은 아직 심사를 거치지 않은 것들이고, 편수가 늘었다고 해서 그만큼 검증된 연구 성과가 늘었다는 뜻은 아니다.수치를 해석할 때 눈여겨볼 점은 두 가지다. 먼저 1년 전 같은 주보다 54% 늘었다는 것은 AI 연구 공급이 1년 사이 눈에 띄게 커졌음을 보여준다. 계절 요인을 어느 정도 걸러낸 비교라는 점에서

애플 "다국어 음성 AI, 언어 구별 능력 키우면 단일언어 모델과의 격차 줄어든다"

애플은 다국어 음성 AI 모델이 학습 단계에서 언어를 더 잘 구별하게 만들면 단일언어 모델과의 성능 격차를 줄일 수 있다는 연구 결과를 내놓았다. 애플은 지난 2일 자사 머신러닝 연구 사이트(Apple Machine Learning Research)에 논문 「Language Discrimination Improves Linguistic Learning in Multilingual Speech Models(언어 구별이 다국어 음성 모델의 언어 학습을 개선한다)」를 공개했다. 논문 초록에 따르면 연구진은 사전학습 중 언어 구별 능력을 강화한 결과, 일부 지표에서는 다국어 모델과 단일언어 모델의 격차가 사라졌다고 밝혔다.이 연구는 '자기지도 학습' 음성 모델을 다룬다. 자기지도 학습은 사람이 일일이 정답을 달지 않은 대량의 음성 데이터에서 모델이 스스로 소리의 구조를 익히는 방식이다. 여러 언어를 한 모델로 학습시키면 언어끼리 정보를 나눠 쓰는 이점이 있다. 그러나 애플 연구진은 전체 사전학습 데이터 양을 똑같이 맞춰 비교하면 다국어 모델이 여전히 단일언어 모델보다 성능이 떨어진다고 지적했다. 같은 데이터 예산을 여러 언어가 나눠 써야 하는 다국어 모델의 구조적 약점이 이른바 '다국어 격차'로 나타난다는 것이다.연구진은 실험을 단순화하려고 영어와 프랑스어 두 언어만 쓰는 통제된 환경을 만들었다. 기반 모델로는 대표적인 자기지도 음성 표현 학습 모델인 휴버트(HuBERT)를 썼다. 이 환경에서 언어 구별 능력을 강화하는 두 가지 방법을 시험했다. 초록에 따르면 그중 하나는 보조적인 언어 관련 학습 목표(auxiliary language…)를 추가하는 방식이다. 다만 공개된 초록 요지가 중간에서 끊겨 있어 두 방법의 구체적인 내용은 이번 자료로는 확인되지 않았다.결과는 두 측면에서 나왔다. 하나는 연속적인 음성학적 지표, 즉 모델이 소리 단위를 얼마나 정밀하게 구분해 표현하는지다. 다른 하나는 그보다 높은 수준의 언어학적 지표다. 연구진은 두 측면 모두에서 다국어 격차