BAIR at CoRL 2026
BAIR 연구진이 CoRL 2026에서 발표한 33편의 논문과 주요 연구 성과를 공개했습니다.
출처: BAIR · · 원문 보기
BAIR에서 발행한 기술 블로그 글 19편의 한 줄 요약 모음입니다. 블로그: https://bair.berkeley.edu/blog/
BAIR 연구진이 CoRL 2026에서 발표한 33편의 논문과 주요 연구 성과를 공개했습니다.
출처: BAIR · · 원문 보기
IBM Research가 CUDA 최적화 지식을 MLX 커널 탐색에 활용해 Apple Silicon 성능을 높였다.
출처: BAIR · · 원문 보기
ABBEL이 대화 요약을 학습 가능한 신념 상태로 바꿔 장기 작업의 기억 비용을 줄였다.
출처: BAIR · · 원문 보기
Berkeley 연구진이 저렴해진 AI 시대에 데이터 시스템이 바뀔 세 방향을 제안했다.
출처: BAIR · · 원문 보기
BAIR가 2026년 박사 졸업생들의 AI 연구 분야와 진로를 소개했다.
출처: BAIR · · 원문 보기
적응형 병렬 추론은 문제에 맞춰 모델이 생각의 분기와 실행량을 정하는 방식이다.
출처: BAIR · · 원문 보기
GRASP가 월드 모델의 긴 계획을 빠르고 안정적으로 최적화하는 방법을 제안했다.
출처: BAIR · · 원문 보기
BAIR 연구진이 모델 판단에 영향을 주는 여러 요소의 상호작용을 찾는 SPEX 계열을 제안했다.
출처: BAIR · · 원문 보기
연구진이 상호 정보를 이용해 영상 시스템의 성능을 평가하고 광학 설계를 최적화하는 방법을 제안했다.
출처: BAIR · · 원문 보기
Transitive RL이 궤적 분할로 장기 오프 정책 강화학습의 가치 추정을 개선했다.
출처: BAIR · · 원문 보기
연구진은 word2vec이 말뭉치 통계 행렬의 주성분을 순차적으로 학습한다는 이론을 제시했다.
출처: BAIR · · 원문 보기
BAIR의 PEVA가 전신 움직임을 조건으로 1인칭 영상의 다음 장면을 예측한다.
출처: BAIR · · 원문 보기
StruQ와 SecAlign은 입력 구분과 선호 학습으로 프롬프트 인젝션을 줄인다.
출처: BAIR · · 원문 보기
BAIR의 PLAID가 단백질 접힘 모델의 잠재 공간에서 서열과 3차 구조를 함께 생성한다.
출처: BAIR · · 원문 보기
연구진이 강화학습 AV 100대를 고속도로에 투입해 교통 파동 완화 효과를 살폈다.
출처: BAIR · · 원문 보기
BAIR가 개인의 삶을 담은 배경 이야기로 LLM 가상 페르소나를 조건화하는 Anthology를 제안했다.
출처: BAIR · · 원문 보기
연구진이 ChatGPT의 비표준 영어 방언 응답에서 차별적 편향을 확인했다.
출처: BAIR · · 원문 보기
StrongREJECT가 모델의 거부 여부와 답변의 유용성을 함께 점수화하는 탈옥 평가 기준을 제안했다.
출처: BAIR · · 원문 보기
Visual Haystacks가 여러 이미지에서 정보를 찾고 추론하는 멀티모달 모델을 평가한다.
출처: BAIR · · 원문 보기