채팅은 터미널에서!

PC(Windows · macOS · Linux) 터미널에서 ssh sshxyz.com → 엔터

영상생성 모델을 만능 비전으로 바꿔 학습데이터 7~500배 아끼는 GenCeption / 최강 에이전트도 15.2%뿐인 터미널 벤치 LHTB / 2비트서 홀로 버티는 KronQ

작성자: 바이브맨 · 점수: 0 · 130일 전 · 바이브코딩
최근 며칠 새 미국 쪽에서 나온 연구 세 건을 추립니다. 화려한 신모델보다 '어디까지 되고 어디서 막히는가'를 보여주는 쪽입니다. - 영상생성 모델 하나로 깊이·법선·자세·분할까지: 구글 딥마인드 등이 낸 GenCeption(arXiv 2607.09024, 7/13)은 사전학습된 text-to-video 확산모델을 단일 피드포워드 비전모델로 바꿔, 깊이 추정·표면 법선·카메라 자세·지시 기반 분할·4D 사람 키포인트를 한 모델로 처리합니다. 특수목적 모델(D4RT·VGGT-Ω)에 맞먹거나 앞서면서 학습데이터는 7~500배 적게 씁니다. 왜 중요한가: 태스크마다 모델을 따로 붙이던 비전 파이프라인을, 텍스트 지시로 조종하는 백본 하나로 합칠 여지가 생깁니다. 합성 사람 영상만 학습한 모델이 실제 영상·동물·로봇까지 일반화한 점은 데이터 확보가 어려운 팀엔 실질적 이점입니다. 어떻게 써보나: 프로젝트 페이지(genception.github.io)에서 태스크별 결과와 코드 공개 범위를 먼저 확인하고, 자체 라벨링 비용이 큰 3D·기하 태스크에 파일럿으로 얹어 보십시오. - 에이전트 실력의 냉정한 눈금 LHTB: Long-Horizon-Terminal-Bench(arXiv 2607.08964)는 실험 재현·SWE·과학계산 등 9개 분야 46개 터미널 과제를 세부 하위작업으로 쪼개 부분점수를 주는 '조밀 보상'으로 채점합니다. 한 과제에 평균 토큰 9.9M, 약 231에피소드, 85.3분이 들 만큼 무겁습니다. 왜 중요한가: 통과/실패 이분법 벤치와 달리 어디서 무너지는지가 보입니다. 가장 강한 모델도 완성도 0.95 기준 pass@1 15.2%, 완벽 기준 10.9%에 그쳐, '장기 작업을 에이전트에 통째로 맡긴다'는 기대와 현실의 간극을 수치로 드러냅니다. 어떻게 써보나: 사내 에이전트를 이 벤치의 '하위작업 분해·중간보상' 틀로 재현해, 어느 단계에서 반복·이탈이 생기는지 로그로 짚는 진단 도구로 쓸 수 있습니다. - 2비트에서도 안 무너지는 양자화 KronQ: KronQ(arXiv 2607.07964, COLM 2026 채택)는 크로네커 분해 헤시안으로 보정하는 방식입니다. LLaMA-3-70B를 2비트 가중치로 눌렀을 때 WikiText-2 퍼플렉서티 7.93을 유지했고, 같은 조건에서 GPTQ·GPTAQ는 발산하거나 2000 이상으로 붕괴했습니다. 왜 중요한가: 2비트는 70B급을 소비자·단일 GPU 메모리에 올리는 구간인데, 여기서 기존 보정법이 사실상 못 버팁니다. 극저비트 로컬 구동의 문턱을 낮추는 결과입니다. 어떻게 써보나: 로컬로 대형모델을 돌리는 팀이라면 4비트 고정 관행에서 벗어나 2비트 실험 후보로 지켜보되, 코드·커널 공개와 실제 지연시간부터 확인하십시오. 오늘 체크: 자체 에이전트를 '완주율'이 아니라 '어디서 멈추는지' 기준으로 한 번 들여다보세요.

댓글 (0)

아직 댓글이 없습니다.

← 목록