# \#videojev **URL:** https://discuss.pytorch.kr/tag/videojev/9324.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [\[2026/10/12 ~ 18\] 이번 주에 살펴볼 만한 AI/ML 논문 모음](https://discuss.pytorch.kr/t/2026-10-12-18-ai-ml/12236)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [10월 18, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/2026-10-12-18-ai-ml/12236 "2026-10-18T21:30:30Z")
PyTorchKR​:fire::south\_korea: :thinking::thought\_balloon: :one: 에이전트 실행 환경(Harness)의 자동 진화 및 명시적 상태 관리: 이번 주 선정된 논문들에서는 AI 에이전트의 능력을 극대화하기 위해 모델 자체뿐만 아니라 실행 환경인 하네스(Harness) 를 고도화하는 연구가 두드러졌습니다. Harness^2 와 Harmony Harness는 단일 목표 최적화를 넘어 다양한 환경에 적응할 수 있도록 하네스를 다중 목표로 스스로 진화시키는 방법론을 제안했습니다. 또한 LongHarness는 무한 탐색이나 상태 표류 문제를 방지하기 위해 획득한 증거와 결론의 상호작용을 명시적으로 관리하는 상태 기반 아키텍처를 선보였습니다. 이는 에이전트가 복잡한 작업을 수행할 때 발생하는 혼란을 시스템적으로 통제하고, 자율적인 성능 향상을 이끌어내기 위한 필수적인 발전 방향입니다. :two: 개방형 환경에서의 장기 작업(Long-horizon) 수행 및 자율성 확보: 사전에 정의된 짧은 작업을 넘어, 예측 불가능한 환경에서 장기간 자율적으로 목표를 달성하려는 에이전트 연구들도 핵심 트렌드입니다. 마인크래프트에서 엔더 드래곤을 물리친 Gemini 4 Argon 연구는 여러 에이전트가 사전 스크립트 없이 수천 개의 프로그램을 작성하고 협력하며 장기 계획을 완수할 수 있음을 증명했습니다. 구글의 Google Earth AI GRA는 복잡한 지리공간 분석을 다단계 워크플로우로 분해하여 스스로 계획하고 실행하며, VEPA는 이러한 자율적 에이전트가 돌이킬 수 없는 실수를 하지 않도록 형식적이고 동적으로 진화하는 안전 가드레일을 구축했습니다. 이는 AI가 통제된 실험실을 벗어나 실제 산업과 소프트웨어 공학 현장에 투입될 수 있는 강력한 자율성을 확보하고 있음을 시사합니다. :three: 자기회귀(Autoregressive) 생성의 한계 극복 및 아키텍처 효율화: 세 번째 트렌드는 기존 대규모 언어 모델이 가진 느린 순차적 생성 방식… --- ## [VideoJev: 답을 생성하는 대신 후보를 채점해 비디오 구간 찾기와 객관식 QA를 푸는 System One 모델 공개](https://discuss.pytorch.kr/t/videojev-qa-system-one/12203)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [10월 15, 2026, 10:30오후 UTC](https://discuss.pytorch.kr/t/videojev-qa-system-one/12203 "2026-10-15T22:30:55Z")
핵심 요약 VideoJev 논문은 비디오 멀티모달 LLM의 출력 헤드를 후보 채점 헤드로 바꿉니다. 그래서 시간 구간 찾기와 객관식 비디오 질의응답을 텍스트 생성 없이 한 번의 순전파로 풉니다. 영상 부분을 한 번만 인코딩하고 여러 질문이 그 계산을 공유합니다. 4B 모델은 Joint inference에서 질문을 1개에서 10개로 늘려도 구간 찾기 시간이 55ms만 늘었습니다. 시간 구간 찾기 3종 평균 mIoU는 기반 모델(Qwen3.5-4B, Qwen3.6-35B-A3B)보다 6.7점, 10.8점 높고 지연 시간은 2.8~3.1배 짧습니다. 객관식 질의응답 4종 평균은 Thinking 모드와 비슷하지만 Video-MME와 MLVU에서는 Thinking 모드가 여전히 앞섭니다. GitHub 저장소와 4B, 35B-A3B 가중치가 Apache 2.0으로 공개됐습니다. 다만 질의응답 학습 데이터 약 24만 문항은 내부 데이터이고, 확률 출력의 보정 오차(ECE)가 8~9%p로 대체로 과신합니다. VideoJev 소개 VideoJev는 영상을 보고 "이 장면이 언제 나오는가" 와 "보기 중 무엇이 맞는가" 라는 두 종류의 질문에, 답을 글자로 쓰지 않고 후보마다 점수를 매겨 바로 고르는 비디오 모델입니다. 난징대학교 멀티미디어 컴퓨팅 그룹(MCG-NJU)이 JD.com, 중국과학원대학 등 7개 기관과 함께 2026년 10월 13일 arXiv에 논문을 올렸고, 코드와 가중치도 함께 공개했습니다. 지금의 비디오 멀티모달 대규모 언어 모델(Multimodal Large Language Model, MLLM)은 답이 짧아도 생성으로 답합니다. 사건이 몇 초에 일어났는지 물으면 타임스탬프를 토큰으로 하나씩 출력하고, 객관식 문제에도 답 텍스트를 생성합니다. 사람과 대화할 때는 문제가 되지 않습니다. 그런데 에이전트는 같은 영상을 두고 판단을 여러 번 내립니다. 요리 절차를 따라가는 비서라면 "재료를 넣었는가" 를 확인한 뒤에야 다음 단계를 고릅니다. 저자들은 …