
VETNET: 수의학 AI를 위한 벤치마크 데이터 생태계를 짓는 일
단발성 데이터셋이 아니라 살아 있는 평가 생태계로 수의학 AI를 바꾸려는 VETNET 제안을 해설합니다. 사람 의료와 벌어진 간격, 표준화와 협력과 다양성 문제를 따라갑니다.
AI 기술, 연구, 제품, 그리고 그 곁에서 일하는 사람들의 이야기
기술과 제품을 설계하고 검증하는 과정, 주목할 논문과 AI 동향에 대한 해설, Patty의 새로운 시도와 일하는 문화까지 깊이 있게 전합니다.

단발성 데이터셋이 아니라 살아 있는 평가 생태계로 수의학 AI를 바꾸려는 VETNET 제안을 해설합니다. 사람 의료와 벌어진 간격, 표준화와 협력과 다양성 문제를 따라갑니다.

46개 과제를 고치고 31개를 더해 77개로 넓힌 LHTB 2.0이 재구성 파이프라인과 단계별 보상, 세 시간 평가로 에이전트의 지속력을 어떻게 측정하는지 해설합니다.

학습과 생성 사이의 어긋남을 매 스텝에서 바로잡는 Correction Training을 해설합니다.

외부 선생 모델 없이 하네스 안에서 문제를 만들고 배우고 진단하는 ClawLoop의 자기 개선 루프를 따라가며 Task Synthesis와 진단 기반 커리큘럼의 의미를 읽어봅니다.

돌아가는 코드 뒤에 숨은 여섯 가지 방법론 실수와 220개 과제로 드러난 평가의 빈틈을 읽습니다.

몽타주 항등식을 구조로 강제해 물리적 타당성과 통계적 충실도를 함께 끌어올린 생성 모델 MontageFlow를 해설합니다.

사람도 최신 모델도 기준이 될 수 없을 때 시험의 난이도를 어디에 고정할지에 대한 논문을 풀어쓴 해설입니다. 역문제와 Levin의 Kt, LLM을 참조 기계로 쓰는 발상을 따라가며 초지능 구간을 인증하는 시험 파이프라인을 살펴봅니다.

86개 오픈 가중치 체크포인트를 일곱 개 벤치마크와 여섯 종 하드웨어에서 재고 실측 에너지와 점수를 함께 읽는 법을 정리했습니다.

24B 중 토큰당 2B만 깨우는 MoE로 로컬에서 에이전트를 돌리겠다는 Liquid AI의 제안을 뜯어봅니다. 속도, 프라이버시, 배포 조건까지 함께 읽습니다.