K-Search: CUDA 커널 전문 지식을 Apple Silicon MLX로 이전하기
연구자들은 CUDA-to-MLX 변환 레이어를 통해 K-Search 진화 프레임워크를 확장했으며, 이를 통해 전문가 수준에 근접한 고성능 Apple Silicon 커널을 자동으로 생성할 수 있게 되었습니다.
ABBEL: 효율적인 장기 상호작용을 위해 LLM에게 믿음 업데이트 가르치기
BAIR은 장기 작업에서 재귀적 컨텍스트 요약과 관련된 성능 격차와 메모리 오버헤드를 줄이기 위해 감독된 자연어 믿음 상태를 사용하는 프레임워크인 ABBEL을 소개합니다.
지능은 무료가 되었고, 이제 무엇인가? 에이전트를 위한, 에이전트의, 에이전트에 의한 데이터 시스템
BAIR 연구원은 AI 추론 비용이 zéro에 접근함에 따라 에이전트 워크로드, 에이전트 상태 관리, 에이전트 주도 시스템 합성을 위한 데이터 시스템 재설계를 위한 새로운 프레임워크를 제안합니다.
BAIR 2026 졸업생 쇼케이스
Berkeley Artificial Intelligence Research (BAIR) Lab이 2026년 박사 학위 졸업생 명단을 발표하며 로봇 공학, 대규모 언어 모델, AI 안전성 및 헬스케어를 아우르는 연구 성과를 강조했습니다.
적응형 병렬 추론: 효율적인 추론 확장의 차세대 패러다임
BAIR는 적응형 병렬 추론(Adaptive Parallel Reasoning, APR)을 소개합니다. 이 패러다임은 대형 언어 모델(LLM)이 지연 시간을 줄이고 컨텍스트 회전(context-rot)을 방지하면서 정확성을 유지하기 위해 언제 추론 스레드를 병렬화할지 동적으로 결정하도록 합니다.
GRASP: 장기 지평선에서 세계 모델을 위한 Gradient 기반 계획
BAIR는 GRASP를 소개합니다. 이는 학습된 세계 모델에서 궤적을 가상 상태로 올리고 행동 Gradient만을 사용해 적대적 상태‑입력 민감성을 회피함으로써 견고한 장기 지평선 계획을 가능하게 하는 Gradient 기반 플래너입니다.
BAIR가 소개하는 SPEX와 ProxySPEX: 확장 가능한 LLM 상호작용 탐색
BAIR는 신호 처리와 코딩 이론을 활용하여 대규모로 특징, 학습 데이터 및 모델 구성 요소 간의 영향력 있는 상호작용을 식별하는 알고리즘인 SPEX와 ProxySPEX를 소개했습니다.
정보 기반 설계의 영상 시스템
BAIR 연구진은 상호 정보를 활용해 영상 시스템을 평가하고 최적화하는 프레임워크를 개발했으며, 이를 통해 작업‑특정 디코더 없이도 고성능 하드웨어 설계가 가능해졌습니다.
전이적 RL: 분할 정복을 통한 오프-폴리시 RL 확장
BAIR는 전이적 RL(TRL)을 소개합니다. 이는 시간 차이(TD) 학습을 제거하여 n단계 튜닝 없이 오프-폴리시 RL을 장거리 작업으로 확장하는 분할 정복 기반 가치 학습 알고리즘입니다.
word2vec가 배우는 것: 특징 학습에 대한 폐쇄형 이론
BAIR 연구원들은 word2vec 학습이 가중치가 없는 최소제곱 행렬 분해로 귀결된다는 예측 이론을 개발했으며, 학습된 표현은 특정 목표 행렬에 대한 PCA 결과와 동일함을 증명했습니다.
BAIR PEVA: 전신 조건부 자아 중심 비디오 예측
BAIR는 고차원 전신 운동학 자세 궤적을 기반으로 자아 중심 비디오 프레임을 예측하는 구현체 에이전트를 위한 세계 모델인 PEVA를 소개합니다.