#multimodal

6 posts tagged

Paper Review07.282026-07-28 09:0035 min read

[논문 리뷰] Kimi K3 — 오픈 모델도 3T급 에이전트 시스템을 겨냥한다

Kimi K3 technical report를 모델 아키텍처, 1M context, agentic RL, serving infrastructure 관점에서 정리한다. 핵심은 단순 오픈 LLM이 아니라 3T급 agent system stack이다.

#Kimi #MoE #long-context+3

Paper Review07.162026-07-16 09:0010 min read

[AI Search] Data Journalist Agent: 데이터에서 검증 가능한 멀티모달 스토리까지

Data Journalist Agent, Data2Story 논문을 AI Search stack 관점에서 읽는다. raw dataset을 기사형 웹 스토리로 바꾸는 multi-agent newsroom 구조와 Inspector 기반 provenance, human evaluation, machine-checkable verifiability를 정리한다.

#AI Search #data-agent #journalism+3

Paper Review07.072026-07-07 09:0024 min read

[AI Search] Gemma 4: Open-weight Multimodal Model을 Search Stack에서 읽기

Gemma 4 Technical Report를 AI Search stack 관점에서 읽는다. open-weight multimodal model family가 dense/MoE, encoder-free 12B, thinking mode, long-context KV cache 최적화, quantization, MTP drafter를 통해 검색·에이전트 시스템의 실행 위치와 비용 구조를 어떻게 바꾸는지 정리한다.

#AI Search #Gemma 4 #open-weight+4

Paper Review07.062026-07-06 09:0021 min read

[AI Search] Gemini Embedding 2: Multimodal Search를 위한 Unified Embedding

Gemini Embedding 2 논문을 AI Search stack 관점에서 읽는다. 텍스트, 이미지, 비디오, 오디오를 하나의 embedding space로 묶는 native multimodal embedding이 검색 시스템과 RAG, 추천, agentic search에 어떤 의미를 갖는지 정리한다.

#AI Search #Gemini Embedding 2 #multimodal+3

Paper Review06.092026-06-09 12:5010 min read

거대 비전-언어 모델은 단 3개의 Attention Head로 충분하다

Your Large Vision-Language Model Only Needs A Few Attention Heads For Visual Grounding — 텍스트로 지시한 물체를 이미지에서 찾는 작업, 수천 개의 Attention Head 중 단 3개만으로 가능하다는 놀라운 발견.

#vision-language-model #attention-mechanism #visual-grounding+3

Paper Review06.062026-06-06 09:0010 min read

AI 엔지니어 필독 논문 10개 — ② NLP 혁명과 멀티모달 (BERT, GPT, ViT, DDPM)

BERT와 GPT로 시작된 언어 모델 시대. 그리고 Transformer를 이미지와 생성 모델로 확장한 ViT와 DDPM이 어떻게 AI 업계를 바꿨는지.

#nlp #bert #gpt+4