이번 글에서는 A Case Study on Emergent Cheating and Whistleblowing in Autonomous Research Swarms 논문의 핵심 포인트만 간단히 정리한다. 2026년 9월 3일(Arxiv) Paglieri, Davide, Cross, Logan, Genewein, Tim, Leibo, Joel Z., Tomasev, Nenad, Vezhnevets, Alexander Sasha. Google DeepMind 논문 링크 영문판 보기 요약 이 사례 연구는 71개 Lean conjecture를 맡은...

This article explains the key points of Language Models Can Control Their Own Attention. 2026-09-02 (arXiv) Ho, Namgyu, Ahmad, Huzama, Koh, Woosung, Yun, Se-Young, Schuster, Tal, Santos, Cicero Nogueira dos. KAIST AI, Google DeepMind Paper Read this article in Korean Summary Declarative Attention (DA) is a zero-shot inference protocol for...

이번 글에서는 Language Models Can Control Their Own Attention 논문의 핵심 포인트만 간단히 정리한다. 2026년 9월 2일(Arxiv) Ho, Namgyu, Ahmad, Huzama, Koh, Woosung, Yun, Se-Young, Schuster, Tal, Santos, Cicero Nogueira dos. KAIST AI, Google DeepMind 논문 링크 영문판 보기 요약 Declarative Attention(DA)는 모델이 생성한 attention 선언을 디코딩 시점의 KV-cache mask로...

Read this article in Korean Trends Adaptive environments are being treated as a trainable layer around fixed agents: SPADE generates executable MDPs online, EnvHarness rewrites interaction conditions through interface-level wrappers, and Zetta evolves runtime critics and recovery playbooks while retaining the underlying policy. 1, 2, 3 All three works place...

영문판 보기 이달의 트렌드 적응형 환경은 고정된 에이전트 주변에서 학습 가능한 계층으로 다뤄지고 있다. SPADE는 실행 가능한 MDP를 온라인으로 생성하고, EnvHarness는 인터페이스 수준 wrapper로 상호작용 조건을 바꾸며, Zetta는 기반 정책을 유지한 채 런타임 비평기와 복구 플레이북을 발전시킨다. 1, 2, 3 세 연구 모두 적응 loop 안에 검증 절차를 둔다. SPADE는...