AI 로보틱스 연구소는 로봇 학습 데이터를 수집하는 지루한 육체 노동을 XDOF 같은 회사에 외주로 맡기고 있으며, 이는 AI 개발 이면에 숨은 노동을 부각한다.

AI 연구 스타트업 NeoCognition은 인간과 같은 학습을 통해 어떤 분야에서든 전문가가 될 수 있는 AI 에이전트를 개발하기 위해 4,000만 달러 규모의 시드 라운드를 유치했다.

워릭 대학교의 천문학자들은 RAVEN이라는 AI 파이프라인을 사용하여 NASA의 TESS 위성이 관측한 220만 개가 넘는 별들 중에서 118개의 외계행성을 검증했으며, 그중 31개는 새로 발견된 세계이고 추가로 2,000개가 넘는 고품질 후보들도 표시되었다고 Monthly Notices of the Royal Astronomical Society에 발표된 연구에서 보고했습니다.

우스터 공과대학(Worcester Polytechnic Institute) 연구진은 95개 뇌 영역의 MRI 스캔을 분석해 알츠하이머병을 거의 93% 정확도로 감지하는 머신러닝 모델을 개발했으며, 해마 부피 감소를 중요한 조기 바이오마커로 확인했습니다.

구글은 ARC-AGI-2 벤치마크에서 77.1%를 기록한 Gemini 3.1 Pro를 출시하며, 복잡한 문제 해결 과제에서 이전 모델의 추론 능력을 두 배로 향상시켰다.

Mantic의 AI 예측 엔진은 Metaculus Fall Cup에서 인간 예측자 평균을 능가하며, 현실 세계 사건을 예측하는 AI 능력의 돌파구를 열었다.

미시간 대학교 연구진은 뇌 MRI를 수초 만에 해석하고 97.5%의 정확도로 응급 상황을 자동으로 표시하는 AI 시스템 Prima를 개발했습니다.

OpenAI가 지금까지 가장 성능이 뛰어난 에이전트형 코딩 모델인 GPT-5.3-Codex를 공개했습니다. 이 획기적인 AI는 스스로를 구축하고 배포하는 데 도움을 주었으며 실행 속도가 25% 빨라졌습니다.

MIT CSAIL이 EnCompass 프레임워크를 소개합니다. 이 프레임워크는 AI 에이전트가 LLM 출력물을 되돌아가 최적화할 수 있게 하며, 코드량은 82% 줄이면서 정확도를 15~40% 향상시킵니다.

Discovery Learning 방법은 전통적인 수개월에 걸친 테스트 주기와 달리 1주일 만에 빠른 배터리 수명 예측을 가능하게 합니다.

임펄스 AI는 Kaggle 대회에서 상위 2.5%에 오른 자율형 ML 플랫폼을 공개했으며, 데이터 준비부터 운영 배포까지의 전체 워크플로를 한 시간 이내에 자동화합니다.

새로운 AI 안전 보고서는 확산되는 딥페이크, AI 동반자 및 자율 시스템을 경고하면서 수학 분야에서 금메달 수준의 AI 성능을 강조한다.

종합 분석을 통해 ML 프로젝트 실패율 85%를 초래하는 다섯 가지 반복되는 함정이 확인되었습니다: 잘못된 문제 선택, 데이터 품질 문제, 모델과 제품 간의 갭, 오프라인-온라인 불일치, 비기술적 장애 요인과 실무자를 위한 실행 가능한 해결책을 제시합니다.

새롭게 등장하는 세계 모델 기술은 기계가 공간과 시간을 더 잘 이해하도록 하여 AI의 일관성 문제를 해결하는 것을 목표로 한다.

ScienceDaily는 연구자들이 기계학습을 사용해 185개국의 암 데이터를 분석하고 각 국가의 생존율을 개선할 수 있는 구체적인 정책 변화를 밝혀냈다고 보도했습니다.

MIT 연구진은 가장 성능이 우수한 기계 학습 모델도 새로운 데이터 환경에 적용되면 최악의 성능을 보일 수 있으며, 의료 AI 및 기타 중요한 응용 분야에서 잘못된 상관관계로 인한 숨겨진 위험을 드러낸다고 보여줍니다.

연구진은 Riff-Diff라고 불리는 새로운 AI 방법을 개발하여 효소 설계를 혁신하고 산업 및 의료 응용을 위한 매우 효율적이고 안정적인 생촉매를 만들어냈습니다. 이 연구 결과는 학술지 Nature에 게재되었습니다.

인공지능은 우주 탐사로 활동 영역을 확장하고 있으며, 스탠퍼드 대학교의 연구진이 국제우주정거장에 탑재된 로봇에 기계 학습을 성공적으로 적용했습니다. 이 AI 시스템은 로봇의 움직임 계획 효율을 50~60% 향상시켜, 우주에서 새로운 기회를 창출할 수 있는 AI의 가능성을 보여주었습니다.

LangChain부터 Hugging Face Transformers까지, 이 16개의 오픈 소스 프로젝트는 AI와 머신러닝 혁신을 가속화하는 기본 도구와 프레임워크를 제공하고 있습니다.