# \#functional-emotions **URL:** https://discuss.pytorch.kr/tag/functional-emotions/7184.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [\[2026/04/06 ~ 12\] 이번 주에 살펴볼 만한 AI/ML 논문 모음](https://discuss.pytorch.kr/t/2026-04-06-12-ai-ml/9693)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [4월 12, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/2026-04-06-12-ai-ml/9693 "2026-04-12T21:30:43Z")
\[2026/04/06 ~ 12\] 이번 주에 살펴볼 만한 AI/ML 논문 모음 PyTorchKR​:fire::south\_korea: :thinking::thought\_balloon: 이번 주에 선정된 10편의 논문들을 살펴보면 다음과 같은 흥미로운 연구 트렌드를 발견할 수 있습니다: :one: "정적 모델"에서 "자율적 진화와 상시 가동 에이전트"로의 도약: 이번 주 논문들에서는 배포 후 멈춰 있는 모델이 아니라, 스스로 경험을 축적하고 진화하는 에이전트 시스템의 발전이 두드러집니다. ASI-Evolve는 AI가 스스로 과거 실험 데이터를 바탕으로 새로운 아키텍처와 알고리즘을 탐색해 AI 연구 루프 자체를 자동화하는 성과를 보여주었습니다. 또한 SkillClaw는 다수 사용자의 상호작용 궤적을 모아 에이전트의 스킬을 집단적으로 진화시켰고, VisionClaw는 스마트 글래스를 통해 현실 세계를 상시 인식하며 사용자의 맥락에 맞춰 즉각적인 작업을 수행합니다. 이는 AI가 단발성 질의응답 도구를 넘어, 물리적/가상적 환경에서 지속적으로 학습하며 인간의 일상과 연구에 능동적으로 개입하는 생태계로 진화하고 있음을 시사합니다. :two: 무한 확장을 넘어선 "스마트 압축" 및 "메모리 중심" 최적화: 단순히 하드웨어의 연산 자원을 늘리는 대신, 정보의 밀도와 메모리 활용 구조를 근본적으로 재설계하여 물리적 한계를 돌파하려는 시도도 핵심 트렌드입니다. Tempo는 1시간 분량의 긴 비디오를 처리할 때 무작정 토큰을 늘리는 대신, 질의(Query)와 관련된 핵심 구간만 스마트하게 압축하는 조기 교차모달 증류를 통해 컨텍스트 병목을 해결했습니다. 이와 더불어 MegaTrain은 파라미터를 CPU 호스트 메모리에 두고 GPU는 일시적 연산 엔진으로만 활용하는 파격적인 구조를 통해, 단일 GPU만으로도 100B 이상의 초거대 모델을 학습시키는 놀라운 효율을 입증했습니다. 이는 거대 모델과 장문맥 처리의 병목이 맹목적인 '연산력' 확장이 아닌, '정보 선택과 메모리 계층의 …