본 논문은 AI 에이전트가 의미적 의도로부터 실행 가능한 구현을 생성, 검증, 재생성할 수 있을 때 고수준 소스 코드가 소프트웨어 개발의 주된 영속적 산출물로 남아 있을 필요가 없다고 주장한다. 우리는 이 주장을 역사적 맥락에 놓기 위해, 개발자들이 이미 코드와 기타 산출물이 파생되는 상위 수준 표현을 유지했던 애플리케이션 생성기, CASE 도구, 모델 주도 개발, 그리고 GeneXus와 같은 플랫폼을 다시 살펴본다. 우리는 생성을 근본 연산으로 보는 통합적 관점을 제안한다. 의미적 권위로서 유지되는 의미 명세 S = (R, C, I, T, O)가 주어지면, 에이전트는 생성된 실행 가능 산출물 A를 만든다. 기능 요구사항, 계약, 인터페이스는 의미적 의무로서 평가되고, 테스트와 운영 목표는 명시적인 외부 오라클 V(A, S)로 평가된다. 우리는 독립 생성 실험을 통해 이 프레임워크를 구체화한다. 하나의 고정된 의미적 권위로부터 여러 LLVM 산출물을 직접 생성하고 동일한 외부 오라클로 평가한다. 이 실험은 평가된 도메인에서의 재생성 일관성을 보고하는 것이지 절대적 정확성의 증명이 아니다. 이는 독립적으로 생성된 실행 가능 산출물이 공통의 의미적 권위와 외부 오라클 아래에서 동일한 관찰 가능한 결과를 낼 수 있다는 초기 근거를 제공한다. 마지막으로 재현성, 명세 중심의 진화, 그리고 구현 표현을 주된 유지 대상 산출물이 아니라 배포상의 선택으로 취급하는 것의 함의를 논의한다.
응답 관련 정보는 두 신경망이 동일한 학습 상태에 있다는 충분한 증거가 아니다. 우리는 학습 상태 동등성을 조작적으로 정의한다. 두 체크포인트가 개입 계열과 지평에 상대적으로 동등하다는 것은, 학습이 교란되고 계속될 때 서로 비슷하게 반응한다는 뜻이다. 모듈러 덧셈을 학습하는 1층 트랜스포머의 새로운 실행들에서, 가중치 감쇠 펄스에 대한 반응은 체크포인트 간 차이에 비해 매우 재현 가능하며(500 스텝에서 rho_state = 0.934), 이는 이 대상이 측정 가능함을 보여준다. 가중치 스펙트럼, 표현 기하, 최적화기 기하에 관한 열다섯 개의 기술자는 개발 데이터셋에서 가중치 노름과 손실을 넘어선 실행 내 응답 관련 정보를 담고 있으며, 시드 블록에 걸쳐 보류된 응답 편차를 예측한다. 그러나 미래 응답으로 체크포인트를 짝짓는 데서 나타나는 겉보기 16.1%의 이점은, 각 기술자가 기존 관측량에 대해 적합된 의존성을 보존하는 조건부 플라시보와 구분되지 않으며, 보정된 양성 대조는 단순한 비민감성을 가능성이 낮은 설명으로 만든다. 디코더가 추출할 수 있는 정보가 유사성 판단에 필요한 쌍별 기하 구조로 조직되어 있어야 하는 것은 아니다.
고망스(Goemans)는 임의의 분수 단일 소스 흐름이 총비용을 증가시키지 않으면서, 어떤 호의 부하도 최대 수요량 이상으로 증가시키지 않고 분할 불가능 흐름으로 변환될 수 있다고 추측하였다. 최근 드미트리 리빈(Dmitry Rybin)은 ChatGPT와의 상호작용을 통해 찾은 7개 정점의 반례를 발표하여 이 오랜 추측을 반증하였다. 그러나 그 상호작용은 왜 이 특정한 위상과 그 수요, 분수 흐름, 비용의 선택이 함께 작동하는지, 이 예가 더 넓은 계열에 속하는지, 어떤 구조적 특징이 반례가 나타날 수 있는 위치를 결정하는지를 밝히지 못했다. 또한 이전의 인간의 노력이 실패한 곳에서 AI 지원 탐색이 왜 성공했는지도 불분명하게 남겼다. 본 논문에서는 순방향 반례 구성 파이프라인을 개발한다. 이는 실패가 불가능한 수지상 구조(arborescence)에서 출발하여 종단으로 들어가는 지름길 호를 추가한다. 그 결과로 나오는 부하 제약은 허용 가능한 경로 선택의 유한 집합을 정의하며, 그 볼록 껍질인 충돌 다면체는 수요, 분수 흐름, 비용에 대한 정확한 조건을 제공한다. 단순한 수지상 구조에서 시작하여 이 파이프라인은 리빈의 위상을 선택하고 그것이 뒷받침하는 모든 반례를 규명한다. 실험은 이 파이프라인의 이전 가능성도 보여준다. 초기 수지상 구조와 지름길 배치를 바꾸면서 이를 따르도록 지시했을 때, ChatGPT는 리빈의 것과 실제로 다른 위상에서 반례를 생성했고 93개의 다른 뿌리 있는 수지상 구조 형태에서 출발하여 유효한 구성을 찾았다. 이 이론은 또한 원래의 예가 무작위 열거로 발견하기 어려웠던 이유를 설명하고, 리빈의 상호작용이 무작위 열거와 이론 주도의 완전한 구성 사이에 놓여 있음을 시사한다.
인식 오류가 모두 계획기의 행동을 바꾸는 것은 아니다. 그러나 적응형 해상도 인식은 이미지 단서로 고해상도 연산을 어디에 쓸지 결정한다. 이러한 단서만으로는 저해상도에서 놓친 객체를 신뢰성 있게 찾거나 어떤 객체가 계획기의 결정에 영향을 주는지 알기 어렵다. 실제 객체를 보기 전에도 가상의 객체를 특정 위치에 넣어 행동이 바뀌는지 확인하면, 계획기가 객체에 반응할 위치를 알아낼 수 있다. 의사결정 기반 추측 인식(DGSP)은 저해상도 장면과 그에 따른 행동을 초안으로 삼고, 이런 방식으로 계획기를 시험해 의사결정 민감도 영역을 얻는다. 이 영역은 아직 감지하지 못한 객체가 나타났을 때 행동이 바뀔 위치를 뜻한다. 이 영역과 현재 행동의 근거가 된 탐지 결과만 고해상도에서 검증하며, 행동이 안정될 때까지 반복한다. 계획기 두 계열에 대해, 잘라낸 영역에서의 탐지가 전체 프레임에서의 탐지와 일치하고 해당 영역들이 민감도 영역을 모두 덮으면 DGSP가 전체 프레임 고해상도 인식과 동일한 행동을 반환함을 증명한다. 실제 이미지는 이 조건을 근사적으로 충족한다. 주행 데이터셋 세 개에서 DGSP는 약 4분의 1의 픽셀만 사용해 약 98%의 프레임에서 이 행동을 재현했다. 균일하게 해상도를 낮춘 방식과 같은 픽셀 수를 사용할 때, 고해상도 행동과 다른 초안의 결정을 더 많이 교정했고, 잘못 제동한 경우가 줄었으며, 초안이 놓친 의사결정 관련 객체를 훨씬 더 많이 복원했다.
CAD 모델을 가공 프로그램으로 바꾸려면 공정 지식과 기하학적 정밀도가 모두 필요하다. 언어 모델은 부품마다 기하 구조와 공구 경로를 정의하는 코드를 작성해 가공 절차를 만들 수 있다. 그러나 이 경우 수치 연산의 실행까지 모델의 과제가 된다. 가공 결정을 기하학적 실행 및 검증과 분리하는 에이전트 MillBill을 소개한다. 경계 표현으로 나타낸 부품, 가공 소재의 형상, 재질을 입력받아 로컬에서 실행되는 중간 규모의 공개 모델이 인덱싱 3축 가공용 작업과 절삭 매개변수를 제안한다. 기하학적 실행 환경은 공구 경로를 생성하고 소재 제거를 시뮬레이션한 뒤 계획을 개선할 피드백을 반환한다. 가공 셋업을 계획할 때는 부위가 보이는지에 더해 사용 가능한 절삭 공구가 실제로 닿을 수 있는지 고려한다. 모의 가공 뒤 지정한 공차에 들어오는 목표 표면적의 비율로 프로그램을 평가했다. 시험한 가공 과제에서 Qwen3.8-27B를 사용한 MillBill은 기하 구조와 공구 경로 처리 절차를 직접 만드는 최첨단 모델 기반 접근법보다 우수했다. 코드는 https://github.com/kulibinai/millbill 에 공개되어 있다.
CAD 실무자는 외부 서비스와 공유하기 어려운 독점 부품을 자주 다룬다. 개인이나 소기업이 내부에서 이 작업을 수행하려면 감당할 수 있는 연산 자원도 필요하다. 메시에서 편집 가능한 CAD를 재구성하는 공개 소스 에이전트 CADMAGEDDON을 소개한다. GPU 한 장을 장착한 시스템이나 최신 노트북에서 로컬로 실행할 수 있다. 복잡한 과제를 무엇을 만들고 무엇을 고칠지 판단하는 단순한 시각 결정의 연쇄로 나눈다. 정밀한 구성은 기하 도구가 지원하므로 에이전트는 시각 추론에 집중한다. 중간 규모의 Qwen3.8-27B를 사용한 CADMAGEDDON은 주요 벤치마크 전체에서 최첨단 모델 기반 시스템을 포함한 기존 방법보다 재구성 품질이 높았다. FreeCAD와 통합돼 실무자의 기존 CAD 워크플로에서 재구성 결과를 사용할 수 있다. 코드는 https://github.com/kulibinai/cadmageddon 에 공개되어 있다.
애니메이션 3D 블록아웃은 사전 시각화에 쓰이며 비디오 생성에 구조 조건을 제공한다. 그러나 참조 영상에서 수작업으로 재구성하는 데 비용이 많이 들어 창작자가 활용하기 어렵고, 영상과 블록아웃을 짝지은 학습 데이터도 만들기 어렵다. 카메라 움직임, 공간 배치, 캐릭터의 위치와 동선을 평가할 수 있도록 영화 샷 50개와 키프레임 416개로 이루어진 MAVEBench를 소개한다. 실제 단위의 관측, 에이전트형 모델링, 근거 기반 검증을 결합해 비디오를 블록아웃으로 바꾸는 MAVE를 제안한다. 먼저 카메라, 사람의 움직임, 기하학적 근거를 실제 단위의 공통 좌표계에서 복원한다. 에이전트는 관측에서 얻은 제약에 따라 편집 가능한 환경을 만들고, 프로그램으로 불일치를 검사해 수정할 부분을 알려 준다. 결과물은 편집 가능한 Blender 장면과 원본 영상의 프레임에 정렬된 블록아웃 비디오다. MAVEBench에서 세 에이전트에 MAVE를 적용했을 때, 각 기본 기준선보다 종합 점수가 27.5~41.1점 높았다. DeepSeek-1017을 사용하면 샷당 평균 API 비용 0.054달러로 73.2점을 얻었다. 가장 우수한 기본 기준선보다 점수가 높았고 총 재구성 시간은 53% 줄었다. 모델 학습을 위한 블록아웃–비디오 쌍 3,000개로 구성된 MAVEData-3K도 만들었으며 공개할 예정이다. 창작자는 시점과 캐릭터 동선을 바꾼 뒤 편집한 장면을 렌더링해 비디오 생성의 조건으로 사용할 수 있다. 코드는 https://github.com/yfChang-cv/MAVE 에 공개되어 있다.
복잡한 건강 대화에는 개인 정보와 현재 유효한 근거에 기반한 답변이 필요하다. 본 연구는 건강 맥락 학습, 즉 모델 파라미터를 고정한 채 추론 중에 관련 맥락을 획득·통합·적용하여 건강 질문에 답하고 사실, 근거 또는 과제 목표의 변화에 적절히 대응하는 능력을 평가한다. 우리가 아는 한, 중국어 의료 벤치마크는 명시적인 맥락적 난점, 통제된 사례 변형, 개방형 답변에 대한 구성원별 의료 기준을 아직 체계적으로 결합하지 못했다. 본 연구는 의료 상담과 일상 건강 관리에 걸쳐 328개의 통제된 클러스터, 1,103개의 사례, 4,931개의 루브릭 기준으로 구성된 HealthCLBench를 소개한다. 구성원들은 배경을 공유하되 근거, 환자 상태 또는 과제 목표가 달라지며, 각각 고유한 의료 채점 요건을 가진다. 70명 규모의 의료 팀이 모의 사례와 그 루브릭을 주석하고 검토한다. 원래 평가에서 얻은 전체 맥락 응답 700건에 대한 인간 검토는 루브릭 항목 수준에서 원래의 자동 판정과 90.5%의 통합 일치도를 보인다. 일곱 가지 범용 모델과 Ant Afu에 대해 전체 맥락 결과와 질문만 제시한 결과를 보고한다. 여덟 시스템 전반에서 전체 맥락을 사용한 점수는 현재 질문만 사용한 점수보다 사례 점수가 11.83~31.76점, 기하 클러스터 점수가 10.87~38.97점 높다. GPT-6 Astra가 두 전체 맥락 지표에서 각각 75.03과 60.42로 선두이며, Claude Opus 5.5와 Ant Afu가 그 뒤를 잇는다. 조건 간 차이는 보고된 평가 설정에서의 점수 변화를 기술한다. 응답 비교는 과거 정보 확인, 필요한 경우의 불확실성 표현, 권고가 요구 조건을 준수하도록 보장하는 데서의 실패를 드러낸다. 이 자원은 모델 비교와 표적 후속 평가를 지원한다.
최근 철학자들은 의사의 판단과 의료 인공지능(AI) 시스템의 권고가 엇갈릴 때 적용할 통일된 의사결정 규칙을 개발하려 했다. 이 시도에는 근본적 결함이 있다고 주장한다. 알고리즘 권고 시스템의 성능과 의사의 적절한 사용 방식은 상황에 크게 좌우되는 실증적 의학 문제이기 때문이다. 이를 인식론적 문제로 다룰 수는 없다. 이 경우 일반적인 의사결정 규칙을 정하려면 관련성이 있을 뿐 아니라 결과를 결정하는 구체적 상황까지 추상화해야 한다. 의사와 AI의 이견이라는 문제와 비슷한 논점들은 가능한 미래를 그려 보는 일이 가능한지, 유용한지에 관한 기술 윤리의 오랜 논쟁과 연결된다. 이러한 사고는 현재에 도움이 되는 ‘대비적 예측’인가, 낭비적인 ‘추측’인가? 둘을 구분할 수 있다고 본다. 대비적 예측은 없앨 수 없는 불확실성 속에서도 현재의 행동에 도움이 되도록 그럴듯한 미래를 탐색한다. 추측은 불확실성을 추상화하고 가정한 상황에 형식적 해법을 만들지만, 그 상황이 실제 현재와 어떤 관계인지 불분명한 경우가 많다. 의사와 AI의 이견 등의 문제에 명쾌한 철학적 해법을 제시하려는 시도는 후자에 해당한다. 생산적인 미래 사고는 복잡하고 불확실한 현재에서 출발해 다시 현재로 돌아와야 한다는 점을 기술 윤리에서 기억할 필요가 있다.
다중 에이전트 위임으로 대규모 언어 모델(LLM) 시스템은 서로 다른 문맥을 가진 작업자에게 근거 수집을 나눠 맡길 수 있다. 이로 인해 일관성 문제가 생긴다. 작업자가 찾은 사실이 공동 결론을 내리는 책임 에이전트에게 전달된 근거에는 빠져 있을 수 있다. Harvey LAB의 문서 검토 과제에 통제된 사실 충돌을 넣고, 다중 에이전트 메모리 불일치를 살피는 벤치마크와 근거 흐름 분석기를 소개한다. 생성 비용이 비슷한 모델 세 개의 결과를 합치면, 위임을 요구한 경우 단일 에이전트보다 충돌하는 주장 둘을 모두 검색한 비율이 50.2%에서 68.7%로 올랐다. 그러나 충돌 탐지율은 16.2%에서 13.2%로 낮아졌다. 이 설정에서 작업자는 검색된 주장 쌍 가운데 35.2%에서만 두 주장을 모두 보고했다. 조건을 맞춰 비교한 결과, 작업자 한 명이 두 주장을 모두 읽으면 단일 에이전트보다 탐지율이 높았다. 두 주장을 서로 다른 작업자가 읽으면 탐지율이 낮았다. 다중 에이전트 LLM에서 충돌 탐지를 개선하려면 작업자가 책임 에이전트에게 근거를 전달하는 과정에 주목해야 한다.
SOICT 2026 대회 2라운드의 여객·소포 통합 운송 문제에 제출한 해법을 설명한다. 이 문제는 시간 제약, 개방형 경로, 서로 다른 유형의 택시를 고려하여 요청을 선택하고 승하차 및 수거·배송 경로를 정하는 문제다. 해법은 표준 라이브러리만 사용하는 단일 파일 Python 프로그램이며, 세 가지 기법을 결합한다. 첫째는 최종 허용 도착 시각까지 남은 여유를 이용하는 상수 시간 삽입 검사다. 둘째는 탐욕적 삽입, 국소 탐색, 모의 담금질의 채택 기준을 사용하는 적응형 대규모 이웃 탐색(ALNS)이다. 셋째는 정확한 경로 선택 엔진이다. 각 택시에 대해 요청 집합마다 실행 가능한 최적 경로를 열거한 뒤, 얻어진 집합 패킹 문제를 분기 한정법으로 푼다. 경로 기반 대규모 이웃 탐색, 라그랑주 경계, 감소 비용을 이용한 변수 고정으로 이를 강화한다. 문제 사례의 크기에 따라 엔진을 자동 선택하며, 독립 검증기와 감시 장치로 유효한 답을 항상 출력하도록 한다. 공식 평가의 채점 대상 38개 사례와 5분 제한에서 총 이익 487,237을 얻었다. 모든 실행은 277초 안에 끝났고 메모리는 최대 279MB를 사용했다. 38개 사례 중 28개는 제한 시간보다 훨씬 일찍 종료했다.
언어 모델은 한 번 학습된 뒤 고정된다. 모델을 개선하려면 또 한 번의 학습을 하거나, 작업이 끝나면 사라지는 프롬프트, 하네스 또는 추론 시 추가 연산이 필요하다. 본 논문은 세 번째 방법을 제시한다. 우리가 아는 한 처음으로, 언어 모델이 자신의 추론으로 스스로의 가중치를 다시 써서 기울기와 학습 없이 성능이 향상된다. 이를 자기 재작성(self-rewriting)이라 부르며, 이때 모델은 자기 자신의 옵티마이저가 된다. 기존 연구에서는 최상위 모델이 훨씬 작은 모델을 편집했으나, 본 연구에서는 공개된 270억 파라미터 모델이 자신의 가중치, 채점된 답안, 스스로를 실행할 수 있는 능력을 부여받아 자신의 실패를 진단하고 그 뒤에 있는 가중치를 다시 쓴다. 모델은 스스로를 능가한다. 자신의 편집만으로 접해 본 적 없는 문제에서 정확도가 6.6점 높아진다. 모델은 계속 향상된다. 연습 문제로 편집을 시험하여 효과가 있는 것만 제출하며, 각 편집은 이전보다 개선되고, 연속된 여덟 번의 세션 동안 정확도는 오르기만 한다. 모델은 손상된 자기 복제본도 수리한다. 이는 다시 만들지 않고도 스스로를 고치는 고장 난 로봇과 같다. 복제본은 거의 아무것도 풀지 못하지만, 재학습 없이 원본 가중치를 읽지도 않은 채 모델은 접해 본 적 없는 이미지 과제에서 원래 정확도의 80% 이상으로 복구시킨다. 또한 이 능력은 규모에 따라 나타난다. 한 모델 계열에서 더 작은 모델들은 편집을 하지 못하거나 스스로를 망가뜨리며, 가장 큰 모델만이 스스로를 개선하고 수리한다. 테스트 시점 스케일링과 달리 자기 재작성은 그 이득을 가중치에 기록하므로 답변당 비용이 들지 않으며, 학습과 달리 서빙과 마찬가지로 순전파만 실행한다. 학습과 추론 사이의 벽은 지능의 속성이 아니라 우리 도구의 한계이다. 우리는 자기 재작성이 재귀적 자기 개선을 향한 필수적인 단계라고 믿는다. 인간처럼 학습과 추론을 구분하지 않는 모델은 더 큰 모델도, 하네스나 프롬프트 엔지니어링도, 사전 학습이나 사후 학습도 없이 평생 스스로를 계속 업그레이드할 수 있을 것이다.
가격과 프로모션 계획을 입력으로 받는 예측 모델은 각 예측을 기준선, 즉 아무 계획이 없을 때의 판매량과 계획이 더하는 상승분으로 설명하며, 상인들은 그 상승분을 바탕으로 재고를 주문하고 프로모션을 계획한다. 본 논문은 설명이 신뢰를 위해 사용되는 검사를 통과하고도 비용 손실을 초래할 만큼 틀릴 수 있음을 보인다. 계획 상승분을 제시하는 모든 예측기를 위한 여덟 가지 검사를 정의하며, 그중 여섯 개는 결과를 보기 전에 통과 기준을 고정했고, 이를 월드 모델과 LightGBM에 적용한다. 효과가 알려진 생성된 매장 데이터에서 월드 모델은 구성, 안정성, 가격 방향, 그리고 판매량 및 LightGBM과의 일치 검사를 통과하지만, 상인들이 수요가 높은 주에 계획을 세울 때에는 실제 상승분의 1.33~1.40배를 제시하며, 해당 세계의 여덟 가지 변형에서는 1.23~1.42배를 제시한다. LightGBM도 이를 과대 추정한다(1.26배, 그리고 1.16~1.35배). 두 모델 모두 프로모션할 주는 올바르게 고르지만, 월드 모델의 상승분에 맞춰 주문한 재고는 실제 상승분 대비 0.44~0.48만큼 어긋난다. 지속적인 정상가 변경에 대해 월드 모델이 제시하는 반응은 실제 값 -0.5의 4.7~6.5배로, 측정된 원인만이 찾아낼 수 있는 종류의 오류이다. 설명에 대한 건전성 검사는 설명이 모델에 의존하는지를 검사하지만, 의사결정에는 그 설명이 세계에 대해 옳은지가 필요하며, 본 결과는 전자가 후자를 보장하지 않음을 보여 준다. 9개 데이터셋에 대한 후속 논문의 최종 튜닝된 월드 모델에서는, 모든 윈도에서 각 모델 자체의 계획 아래 기준선과 상승분이 합산되지만, Dominick's에서는 더 깊은 가격 인하가 상품-주 단계의 29%~83%에서 예측을 낮춘다. 설정 탐색에서 나온 703개 구성에 걸쳐, 통과한 검사 수는 정확도와 관련이 없었다(스피어먼 0.02, 95% 구간 -0.02~0.05). Dominick's 데이터의 가격 에피소드에 대한 잡음이 있는 벤치마크는 방향만을 확인하는 검사로 보고한다.
대규모 언어 모델(LLM)은 업리프트 추정을 위한 의미적 특징을 제공하지만, 처치를 드러내는 텍스트는 실제 배포 환경으로 전이되지 않는 예측 지름길을 유발할 수 있다. 우리는 이러한 위험에 대응하기 위해 LLM 기반 업리프트 누출 정규화(LLM-based Uplift Leakage Regularization, LULR)를 제안한다. LLM 인코더를 고정한 상태에서 LULR은 인과 헤드의 학습 가능한 공유 표현과 처치 간의 의존성에 페널티를 부과하면서 별도의 결과 헤드를 유지한다. 이 페널티는 상호정보량의 대조 로그비 상한(CLUB)에 대한 변분 근사를 사용하며, 일반적인 파라미터 축소가 아니라 처치 의존성을 겨냥한다. 통제된 프록시 실험은 주입된 처치 정보 하에서 정규화를 하지 않은 경우 및 시험한 가중치 감쇠 설정에 비해 순위 점수가 향상된다는 탐색적 증거를 제공한다. 정형 데이터만 사용하는 벤치마크에서는 데이터셋에 따라 달라지는 미미한 효과가 나타난다. 산업용 가격 책정 무작위 대조 시험에서 평균 오프라인 lift@0.3은 LULR이 0.258이며, 동일한 백본의 베이스라인은 0.106이다. 배포된 가격 정책 전체에 대한 별도의 1주 온라인 A/B 테스트에서는 대조군 대비 판매량이 5.45%, 총상품가치(GMV)가 1.91% 더 높게 기록되었다. 이러한 단기 정책 수준의 이득은 정규화기의 효과만을 분리한 것은 아니다.
대규모 언어 모델을 실행하는 용량은 가속기 시간 단위로 임대되고, 그 출력은 100만 토큰 단위로 판매된다. 이제 두 재화 모두 공표된 가격 지수가 있으며, 그중 하나에서는 장외 선도 거래가 체결되었고, 연산 선물은 해외에서 상장되어 있으며, CME와 ICE는 미국 규제 당국의 승인을 기다리는 임대 지수 선물을 명세했다. 우리는 이 두 시장에서 무엇을, 누가, 어떤 가격에 헤지할 수 있는지를 묻는다. 세 가지 발견이 두드러진다. 첫째, 거래소 계약이 결제 기준으로 삼는 가격은 사업자의 매출을 좌우하는 가격이 아니다. CME와 ICE의 계약은 공표된 단기 임대 요율을 참조하지만, 매출의 대부분과 그에 따른 신용도는 가격이 대체로 공개되지 않는 민간 다년 계약에서 나온다. 둘째, 토큰 가격과 임대 요율은 처리량과 마진을 통한 항등식으로 연결되지만 서로 다른 익스포저이므로, 임대 요율에 대한 헤지는 추론 비용을 헤지하지 못한다. GPT-5의 측정된 성능 수준에서 가장 저렴한 정가는 12개월 동안 17배 하락했으며, 더 낮은 성능 수준에서는 하락폭이 훨씬 작았다. 셋째, 헤지 수요는 이미 신용 계약 안에 존재하며, 이는 사업자의 부채가 계약 매출보다 몇 년 더 오래 존속하는지로 나타난다. 공시 자료로는 그 격차를 측정할 수 없는데, 부채는 연도별로 일정이 정해져 있지만 계약 매출은 그런 경우가 드물기 때문이며, 이를 가격에 반영하는 유일한 대출은 당사자들만 아는 모델에 대한 현금 조기상환으로 위험을 정산한다. 우리는 레버리지를 사용하는 사업자가 임대 요율 하락에 대한 보호를 구매할 수 있는 리버스 컨버터블 노트를 설계한다. 이 노트의 쿠폰은 임대 요율의 연율화 변동성에 크게 의존하는데, 두 공개 지수는 각각의 구축 방식과 측정 기간에 따라 이를 약 5%에서 89% 사이로 제시하며, 이 범위에 걸쳐 1년 만기 공정 쿠폰은 4.1%에서 31.6%까지 이른다.
비전-언어-행동 모델(VLA)과 월드-액션 모델(WAM)은 롱테일 시나리오에 대한 강력한 일반화를 기대하게 하며 자율주행 분야에 등장했다. 이들 모델은 자율주행 벤치마크에서 최고 수준의 결과를 달성하지만, 기존 벤치마크 대부분은 정상 시나리오가 지배적이어서 이러한 기대를 검증할 수 없다. 안전에 핵심적인 롱테일 능력 중 하나를 검증하기 위해, 우리는 자차의 경로에 나타나는 객체에 주행 모델이 어떻게 반응하는지를 측정하는 벤치마크 ReactBench-AD를 소개한다. 실제 NAVSIM 및 PhysicalAI-Autonomous-Vehicles 장면을 기반으로 하는 ReactBench-AD는 횡단하는 보행자, 서 있는 보행자 또는 정차한 차량을 모든 카메라 시점과 과거 프레임에 걸쳐 일관되게 합성한다. 따라서 편집된 각 장면은 원본과 정확한 픽셀 수준의 반사실적 쌍을 이루며, 이를 통해 삽입된 객체가 예측 궤적에 미치는 인과적 효과를 분리할 수 있다. 네 개의 VLA와 두 개의 WAM을 평가한 결과, 이들은 약하게 반응하며 거의 반응하지 않는 경우도 많음을 발견했다. 마지막으로, 평가한 VLA 중 하나인 ReCogDrive가 임박한 위험에 급제동하도록 얼마나 쉽게 학습될 수 있는지를 시험한다. 편집된 장면에 대한 짧은 미세 조정 단계만으로 반응이 크게 개선되며, 학습된 행동은 보지 못한 객체와 완전한 실제 장면으로 일반화되고 정상 주행에 대한 비용은 미미하다. 이러한 결과는 이들 모델의 기본 상태에서의 롱테일 능력에 의문을 제기하지만, 적은 추가 학습으로 그 능력을 습득하는 강력한 기반이 될 수 있음을 시사하며, 정상 데이터셋에는 드물게 포함된 롱테일 행동을 보여 주는 실제 또는 합성 데이터의 가치를 부각한다.
온-정책 증류(OPD)는 언어 모델 에이전트에 특화된 능력을 전이하지만, 상호작용에 미치는 교차 도메인 효과는 분명하지 않다. 본 연구는 수학, ALFWorld, $\tau^2$-bench에서 OPD가 ReAct 상호작용 패턴을 어떻게 바꾸는지 살펴본다. 추론, 행동, 관측 획득에 초점을 맞춘다. 일반 추론 감독은 수학 과제의 도구 사용 시도율을 70.4%에서 14.4%로 낮추면서 정확도는 16.7%에서 38.0%로 높였다. 코드 인터프리터를 사용하는 감독은 가사 행동과 소매 분야 쿼리의 성능을 개선했다. 반면 ALFWorld 감독을 적용하면 $\tau^2$-bench 정확도가 41.5%에서 6.6%로 낮아졌다. 사용자 정보가 먼저 필요하다는 조건을 위반하는 도구 호출도 자주 발생했다. 원천 도메인의 학습 궤적만 사용해 부정적 전이를 완화하기 위해, 도메인별 강화학습 전후의 교사 선호 변화로 안내하는 선택적 OPD를 탐구했다. 상위 95%의 위치를 유지하자 $\tau^2$의 정확도가 11.5%에서 29.9%로 높아졌다. 다만 원천 도메인 학습 성능에는 절충이 따랐다.
본 논문은 복잡한 상호작용 환경에서의 장기 호라이즌 과제를 위해 구축된 범용 에이전트 프레임워크 Gamer를 소개한다. 이 종단간 아키텍처는 지각, 메모리 관리, 다단계 추론을 결합한다. 공유된 학습 및 배포 파이프라인은 기존의 2D 그래픽 인터페이스와 복잡한 3D 시뮬레이션 세계 모두와의 상호작용을 지원한다. 먼저 수만 시간 분량의 장치 수준 키보드 및 마우스 상호작용으로 구성된 데이터셋에서 계속 사전학습을 수행한다. 이 궤적은 시뮬레이션 게임과 임바디드 환경에 걸쳐 있어, 모델이 물리 및 가상 영역 모두에서 환경 동역학을 학습할 수 있게 한다. 이후 희소 사고(sparse-thinking) 지시 튜닝은 복잡한 의사결정에 필요한 추론을 유지하면서 중복 연산을 크게 줄인다. 유한한 컨텍스트 윈도우, 누적되는 롤아웃 오류, 희소 보상을 다루는 안정적인 다중 턴 강화학습 방법으로 장기 호라이즌 상호작용을 위한 정책을 학습한다. 실시간 상호작용을 위해 클라우드-엣지 추론 엔진은 다수의 시뮬레이션 게임 환경을 동시에 처리하고, 무제한 컨텍스트 실행을 지원하며, 온라인 추론 지연을 낮게 유지한다. 여러 도전적인 3D 오픈월드 게임에서 Gamer는 견고한 일반화와 숙련된 플레이어에 견줄 만한 운영 효율을 보인다. 또한 다양한 기존 2D 게임 벤치마크에서도 경쟁력 있는 결과를 달성한다. 이러한 결과는 반복적인 키보드 및 마우스 궤적조차 데이터와 학습 알고리즘의 확장을 통해 상당한 성능 향상을 뒷받침할 수 있음을 시사한다. 이러한 궤적으로 학습하면 Gamer가 물리적 특성과 디지털 특성을 모두 지닌 환경에서 복잡한 기술을 더 안정적으로 학습하는 데 도움이 된다. 이 접근은 디지털 세계와 물리 세계를 넘나들며 상호작용할 수 있는 범용 에이전트로 가는 경로를 제시한다.
제어 가능한 실세계 비디오 생성 모델은 레이아웃, 동작, 카메라를 고정하는 렌더링된 그레이박스 프록시 비디오를 조건으로 사용할 수 있다. 코딩 에이전트는 Blender에서 4D 장면을 생성하여 이러한 비디오를 만들 수 있으나, 렌더링된 프록시 비디오와 그 배후의 복잡한 다중 샷 장면을 모두 검증하는 벤치마크는 아직 없다. 본 논문은 4D 장면 생성 벤치마크인 VibePrevisBench를 소개한다. 에이전트는 브리프를 실행 가능한 4D 장면으로 변환하고 그 프록시 비디오를 렌더링한다. 242개의 과제는 스크립트, 사진, 연속 장면, 참조 비디오를 포함한 네 가지 입력 유형에 걸쳐 있다. 각 결과물은 두 가지 평가 차원에서 채점된다. 규칙 기반 Scene Check는 코드를 다시 실행하고, 내보낸 4D 장면을 숨겨진 정답 사실과 아홉 개 차원에서 비교한다. VLM 기반 Screen Check는 규칙을 통과한 사실이 프록시 비디오에서 식별 가능한지를 VLM 심사자에게 묻는다. 11개의 최첨단 코딩 에이전트의 평가 결과와 궤적을 분석하여 세 가지 핵심 관찰을 도출한다. 첫째, 멀티모달 이해가 에이전트를 구분하며, 특히 공간과 카메라 움직임에 대한 이해에서 그러하다. 둘째, 모든 에이전트는 기본적인 카메라 워크와 연출을 이미 숙달한 것으로 보이며, 도전적인 요청에서는 실패한다. 셋째, 에이전트는 자신의 렌더링을 점검하지만 오류를 수정하지 못한다. 따라서 에이전트에게는 공간과 카메라에 대한 더 나은 시각적 이해, 도전적인 요청에 대한 명시적 점검, 브리프에 대한 렌더링의 항목별 검증이 필요하다.
Coq, Agda, Lean 4와 같은 수학적 증명 보조기는 증명 무관성을 정의적 변환에 내장하여($P : Prop$일 때 $p, q : P$에 대해 $p \equiv q$), 어떤 도출이 정리를 성립시켰는지를 지운다. 고정된 공리 위의 수학에는 자연스럽지만, 판단적 증명 무관성은 검증된 과학적 저장소와 양립할 수 없다. 이러한 저장소는 주장에 대한 독립적인 도출들을 검사하고 비교하여 일치성(consilience)을 평가하고, 어세이, 시약 또는 모델이 무효화될 때 반사실적 철회를 계산해야 하기 때문이다. 더욱이 정의적 증명 무관성을 서브싱글턴 제거와 결합하면 정규화가 깨지고 알고리즘적 변환이 비추이적이 된다. 본 논문은 과학을 위한 검증된 지식 기반인 Eigenius의 유형 이론적 및 기관적 토대를 제시한다. 첫째, 누적 우주($Prop, Set, Type_k$), 임프리디커티브 $Prop$, 인덱스에 의해 강제되는 서브싱글턴 제거를 갖는 귀납 패밀리, 내포적 동일성 타입을 갖춘 의존 커널을 정식화한다. 여기서 정의적 동등성 $\equiv$은 직교 CRS 하에서의 비유형 결합 가능성이며 증명 무관성은 증인이 있는 공리($irrel : \Pi P{:}Prop.\,\Pi p,q{:}P.\,Id\,P\,p\,q$)이다. 둘째, 우주 누적성, $\Pi$-공변 서브타이핑, 온톨로지 클래스 포함을 강제 변환 없는 포섭 판단으로 통합하며, 그 양방향 단편($\mathcal{K}_0, \mathcal{K}_1$)은 주체 환원을 만족하고, 단일화 없는 검사기($\mathcal{A}_0, \mathcal{A}_1$)로 컴파일되며, 선언적 타이핑과 일치한다. 셋째, 외부 검증기를 명시적 공리 정책(Adopt, Discharge, Relativize)을 갖춘 3단계 기관 계층으로 조직하고, Why-출처 지원 $supp(j,P)$를 갖춘 정당화 논리를 내재화하며, 개방 세계 지식 그래프를 위해 Cooper의 레코드 타입 이론(TTR)을 내장한다. 마지막으로 Grothendieck 우주에서 일관성을 증명하고, 메타이론을 sorry 공리 없이 Lean 4에서 기계화한다.