기업별 소식

LG전자, ‘서울숲 아트포레스트’ 개최

LG전자, 폐배터리 자원순환 캠페인 ‘배터리턴’ 이어간다

ServiceNow, 기업 에이전트 약점에 맞춘 학습 데이터 생성 시스템 공개

ServiceNow의 AutoSynthData는 에이전트가 기업 환경에서 실패하는 작업을 찾아 새로운 학습 과제로 바꾸고, 환경에서 실행 가능한지 검증하는 시스템이다. 회사는 EnterpriseOps Gym 실험에서 일부 업무 영역의 첫 시도 성공률이 높아졌다고 보고했다.

Ai2, 대규모 MoE 훈련 인프라 ‘Olmo-core 3’ 공개

Ai2는 대규모 전문가 혼합(MoE) 모델 훈련을 겨냥한 오픈 인프라 Olmo-core 3를 공개했다. 회사 측 벤치마크에서 전문가 수를 늘린 설정의 처리량 감소는 5% 미만이었고, 47B 모델의 처리량은 기존 구현보다 약 2.7배 높았다고 밝혔다.

Google DeepMind, 단백질 기능 유지하는 생물학 설계 워터마크 ‘SynthID Bio’ 공개

SynthID Bio는 AI가 만든 단백질 서열이나 예측 구조에 검증 가능한 신호를 넣는 워터마킹 기술이다. DeepMind는 실험실 시험에서 표적 단백질 세 종류의 결합체가 워터마크 적용 전과 비슷한 기능을 보였다고 밝혔다.

SynthID Bio를 소개합니다

Google DeepMind는 생물학적 기능을 유지하면서 합성 단백질에 검증 가능한 워터마크를 삽입하는 SynthID Bio를 소개합니다. 이 기술은 AI로 생성된 생물학적 설계의 출처 확인과 생물보안 및 과학 정보의 무결성 강화에 도움을 줄 수 있습니다.

Gemini 4 Argon: 최첨단 AI의 새로운 시대

Google은 복잡하고 장기적인 작업에서 깊은 추론을 수행하는 최첨단 모델 Gemini 4 Argon을 발표하고, Fairwind Program을 통해 신뢰할 수 있는 사이버 방어 전문가에게 우선 제공한다고 밝혔습니다. 코딩과 기업 업무, 사이버 보안 방어에 강점을 보이며, 광범위한 공개에 앞서 안전장치를 강화하고 있습니다.

구글 딥마인드, 단백질 기능 유지하는 AI 생물학 워터마크 ‘SynthID Bio’ 공개

구글 딥마인드는 AI가 설계한 단백질 서열과 예측 구조에 검증 가능한 신호를 넣는 워터마킹 기술 SynthID Bio를 소개했다. 회사는 실험에서 워터마크가 단백질 기능을 저해하지 않았다고 밝혔으며, 고의적 변조에 대한 내구성 강화는 과제로 꼽았다.

MCP 에이전트 답변의 ‘출처 혼동’ 검증하는 ProvenanceGuard 공개

Multiverse Computing 연구진은 MCP 에이전트 답변의 각 주장이 실제로 어떤 도구 출력에 근거했는지 확인하는 ProvenanceGuard를 소개했다. 의료 에이전트 시험에서 미지원 주장 139개 중 138개를 차단했지만, 유사한 출처 사이에서 정확한 출처를 찾는 성능은 50.3%였다.

엔비디아, 합성 데이터로 학습한 표형 데이터 예측 모델 Kumo Tabular 공개

엔비디아는 표형 데이터의 분류와 회귀에 활용하는 기반 모델 Kumo Tabular를 허깅페이스에 공개했다고 밝혔다. 회사 측은 네 가지 벤치마크에서 선두를 기록했다고 주장했으며, 모델은 수치·범주형 열을 대상으로 하고 데이터 분포가 달라지면 정확도가 낮아질 수 있다고 설명했다.

허깅페이스, 다국어 음성합성·음성 복제 평가 리더보드 공개

허깅페이스가 공개 음성합성 모델을 대상으로 명료도, 추론 속도, 화자 유사도 등을 비교하는 Open TTS Leaderboard를 소개했다. 사람의 선호도 평가를 대체하는 것이 아니라 보완하며, 자연스러움과 표현력은 직접 측정하지 않는다고 밝혔다.

구글 딥마인드, 장기 추론·사이버 방어 강조한 ‘Gemini 4 Argon’ 공개

구글 딥마인드는 2026년 9월 30일 프런티어 모델 Gemini 4 Argon을 발표하고, 우선 Fairwind 프로그램을 통해 신뢰할 수 있는 사이버 방어 조직에 제공한다고 밝혔다. 회사는 모델의 장기 작업 성능과 보안 평가 결과를 제시했으며, 개발자·기업·일반 이용자 대상 확대 전 안전장치를 보강하겠다고 설명했다.

ServiceNow CoreAI, 기업 에이전트용 학습 과제 생성 시스템 AutoSynthData 공개

ServiceNow CoreAI는 에이전트의 실패 사례에서 역량 공백을 찾아 새 학습 과제를 만들고 검증하는 AutoSynthData를 소개했다. EnterpriseOps Gym을 활용한 설명에서는 실행 가능성·현실성·난이도와 검증기의 정확성을 과제 선별 기준으로 제시했다.

Ai2, 대규모 MoE 학습 프레임워크 ‘Olmo-core 3’ 공개

Ai2는 2026년 10월 1일 대규모 전문가 혼합(MoE) 모델의 학습을 지원하는 오픈 프레임워크 Olmo-core 3를 공개했다. 자체 벤치마크에서 1조 2천억 파라미터 모델 구성과 기존 구현 대비 처리량 향상을 보고했지만, 일부 결과는 무작위 라우팅을 이용한 시스템 성능 측정이며 학습된 모델의 품질을 보여주지는 않는다.