?오늘자 근황) 새해부터 캐삭빵 걸린 K-소버린AI 개발사

프로세스 작성
작성일 2026.01.01 00:00

121 조회
45 댓글
목록

https://www.chosun.com/economy/tech_it/2026/01/01/OCKTNM5SMFAB5F2O5QI2GFDQYI

요약) '사이오닉AI'라는 회사 대표가 페이스북에 국가주도 소버린AI 개발 기업 중 하나로 선정된 '업스테이지'의 AI 모델이 중국 모델인 GLM을 베껴왔다는 요지의 글을 올림

근데 이게 입만 턴게 아니라 그 근거 자료를 담은 리포트를 회사 이름 걸고 같이 공개해버렸고 (https://github.com/sionic-ai/solar-vs-glm)

업스테이지에서도 위기감을 느꼈는지...

'바로 내일' 공개 검증회를 열겠다고 선언한 상황

과연 어떻게 될 것인지

유용한 정보: 카지노 게임 가이드

이전

친구랑 굴보쌈 먹었는데 나는 굴 1개도 안먹었는데 반반계산해야돼?..jpg

작성일 2026.01.01 00:00
다음

[단독] 로저스 쿠팡 대표 출국정지 불가능 결론

작성일 2026.01.01 00:00

메카다나카
작성일 2026.01.01 00:00

막고라!

정상화의은총
작성일 2026.01.01 00:00

막고!

보로로록
작성일 2026.01.01 00:00

저능아 아닌이상 다알지않나?이래서ai 같은거 세금 지원하는게 개병신짓거리란거임 ㅋㅋㅋ자체적으로 백날해봣자 중국꺼 파꾸리한거보다 반의 성능도 안나오는데

메카다나카
작성일 2026.01.01 00:00

그렇군 파쿠리 했으면 중국것만큼 성능 나와야하는데 안나와서 아니라고 할 수 있겠군

beef
작성일 2026.01.01 00:00

그럼 어캐함 걍 미국꺼 써? 그리고 저거 파쿠리 아닌걸로 확정임

헨델과그랬대
작성일 2026.01.01 00:00

아직 정확하게 분석 된거 아닌데 저능아니 뭐니 말할거 없을텐데그리고 선박이나 중장비 앞으로 드론이나 무인로봇 국방에 쓰이는거 인공지능은 그럼 어디껄 쓸려고?방산 무기만 생각해도 자체 ai를 안 만들수가 없음

kokoro
작성일 2026.01.01 00:00

저능아 아니면 다알어? 너 뭐 돼? ㅋㅋ

극초음속벤젠
작성일 2026.01.01 00:00

중국놈들 수십년간 소련 전투기 베껴서 지금은 더 잘만드는거 생각하면 아예 의미없는건 아님

반지닦이
작성일 2026.01.01 00:00

세금 지원은 꼭 결과물을 뽑기만을 위해서 하는건 아님저런걸 할 수 있는 인력을 양성하는 의미도 있는거고, 돈아깝다고 투자 안하면 그냥 종속되는거야

한방에볼리베어를잡은
작성일 2026.01.02 00:00

저능아가 아닌 이상 우리는 항상 패스트 팔로워였다는 거 다 알지 않나?세금이든 뭐든 투자해서 따라가는 와중에 기회가 오는 거지

무지개애애애애
작성일 2026.01.02 00:00

저능아 새끼들은 온라인 오프라인 통틀어서 입닥치게 만드는 법이 있어야함그래야 너같은 새끼들이 주둥아리 손가락 못놀리지아니면 조선족이라 "늬들이 암만 그래봐야 위대한 중국에 발끝도 못따라가니 얌전히 중국껄 쓰렴 ㅎㅎ" 이라는 얘기를 하고 싶은거야?

억만벌자
작성일 2026.01.02 00:00

혐오는 하고싶고 ㅋㅋㅋ 사실은 모르고 ㅋㅋㅋ

레위나
작성일 2026.01.02 00:00

미국이던 중국이던 국가의 중요 데이터를 외국 프로그램에 의탁해서 쓰는건 맞나요?결국 국가의 모든 데이터를 외부로 유출시키지않는다는 원칙으로 후발주자이지만 어쩔 수 없이 만드는겁니다

명상록작전
작성일 2026.01.03 00:00

저능아는 너였네? ㅋㅋㅋㅋㅋㅋ저능아새끼야 대가리 박아라

초백
작성일 2026.01.03 00:00

AI는 데이터가 전부라 적어도 1년이랑 걸리는 프로젝트인데이미 중국과 미국이 만든 AI는 이미 테스터 검증 마치고 데이터 수집한지 꽤 된거라 비교 불가능임

이류
작성일 2026.01.01 00:00

ai 어짜피 긴빠인데 별문제있나 대부분 다알지만 쉬쉬하는거지

헨델과그랬대
작성일 2026.01.01 00:00

그 문제가 아님

틀니박살벽력일섬
작성일 2026.01.01 00:00

layer 10 이상에서 cosine 유사도만 체크하는게 정말 유의미한 건지부터 짚고 넘어가야하지 않나? metric으로 코사인 유사도만 쓴 것이 뭔가 gpt류에서 만들법한 가설 설정 방식인데?

beef
작성일 2026.01.01 00:00

클로드코드로 검증시킨걸로 보임 ㅋㅋ 그리고 저거 다른 연구자들이 layer normalization에서 어떤 모델이건 layer 0번 제외하곤 죄다 cos sim 0.990 나오는거 이미 확인함

프로세스
작성일 2026.01.01 00:00

그래서 반박자료에서도 "코사인이라는 메트릭을 고른 거 자체가 잘못됐다"라 주장하더라고

틀니박살벽력일섬
작성일 2026.01.01 00:00

찾아보니 저거 심층 레이어에서 저러는거 어텐션 블록 존나 쌓는 연구하다가 얼마 안 있다 나온 이슈같은데 새해부터 할루시네이션발 증명으로 민망해진 연구자 (?) 한 명 추가되겠네

아는게없는연구원
작성일 2026.01.01 00:00

선생님 ai 공부하려고하는데 transformer 논문 나온 이후로 공부를 안했어요.. 혹시 이쪽 학계에서는 이제 대부분 딥러닝조차 안쓰고 언어모델로 다 가는 추세인가요? CNN LSTM등등은 요새 언급도 없는 것 같아서 여쭤봅니다

틀니박살벽력일섬
작성일 2026.01.02 00:00

생성형 모델 분야에서 디퓨전 쪽은 아직 CNN (U-Net이라고 1d Conv 사용) 사용하는 경우 많이 있고 다른 연구에서도 인스턴스 적은 경우 (이런 경우는 데이터 특성상 제한이 있는 경우 한정)는 CNN 적극 활용합니다. 어차피 딥러닝 기본 이해없이 언어 모델에 의탁해버리면 이 글 내용처럼 될 가능성이 농후하니 CNN, LSTM을 먼저 이해하고 그 다음 왜 transformer가 이들을 대체할 수 있는 모델로 제안되었는지 하나 하나 비교하면서 이해하면 (언어모델 도움 받더라도 일단 실제 구현이 젤 도움됨) 공부 방향은 잡힐거에여 화팅..

아는게없는연구원
작성일 2026.01.02 00:00

감사함다 임베디드쪽이라 llama.c 가 익숙해보여서 보면서 공부중입니다. 어텐션 나오고 모델들이 왜 다 왕크왕귀 강아지처럼 언어모델 좋아! 대형모델좋아! 《《 이 이유를 모르겠네요. ML써도 될거같은데 싹다 딥러닝 때려버리고.. 이번에 논문으로 랜덤포레스트 쓰는데 뭔가 구식같고 참 공부방법이 쉽지는 않네요. 뭔가 최근에 ai가 너무 퀀텀점프한거같아요 석사때 비해서 ㅋㅋㅋ

MWL
작성일 2026.01.02 00:00

랜덤포레스트도 아직 현역으로 쓰고, 오히려 그런 알고리즘을 잘 이해한 상태에서 딥러닝 쪽에 결합하는 방법으로 기존 성능을 뛰어넘는 결과를 얻기도 함. 딥러닝 논문을 보면 대부분 어떤 확률 프로세스를 가정하고 이 확률 프로세스에 걸맞는 모델링을 하는 자리에 딥러닝 모델을 집어넣어서 구현하는 방법으로 실험을 진행하는데, 구글이나 메타 같은 최고의 기업들은 이런 실험 설계들을 과학자들이 하고 모델 구현을 엔지니어가 하는 실정임. 이제 딥러닝 모델 만드는 거는 누구나 할 수 있지만 그걸 더 잘되게 하는 것은 그런 자기 지식 기반의 시도들이 결합되어야 하니까, 지금 하는 공부를 계속 하면서 이런 부분은 딥러닝 모델을 적용하면 더 성능이 좋게 나올 수 있지 않을까 하는 부분들, 그런 것들을 LLM의 도움을 받아가면서 모델 구현을 하는 것이 더 좋을 것 같네. 그리고 요즘은 성능은 최대로 올랐기 때문에 오히려 임베디드 쪽에서 주목받는 Small Language Model 쪽에 더 강점이 있지 않을까 싶은데, 그런 것도 같이 보면 좋을듯.https://www.ibm.com/kr-ko/think/topics/small-language-models

아는게없는연구원
작성일 2026.01.02 00:00

음 좋은 답변 감사요. 내가 제일 어렵고 이해 안가는게 어떤 분야에서 어떤 모델을 선택하냐입니다.. 난 application 분야기때문에 모델을 개발 하기는 어렵다고 생각하고 있거든요. 그러면 내가 지금 쓰는 분야에서 어떤 모델이 fit한가? 이런것들이 정리된게 있을까요? 서치하기 참 힘드네요예를들어 무선신호의 경우 visualization이 되니까 CNN을 쓰면 될 것 같은데.. 그런데 또 막상 ML이 더 잘될때도 있고, 2D CNN이 더 잘되는경우도 있고 이게 너어무 어려운거같습니다. 특히 만약 이 모델이 잘나오면 왜 잘나오지? 왜? 이 Why가 너무 어려워요

MWL
작성일 2026.01.03 00:00

솔직히 어떤 모델이 fit 한지는 논문을 많이 읽어야 한다는 말 밖에는 못하겠지만, 요즘은 LLM이 검색 도구 + 그 부분에 대한 설명 역할 까지 할 수가 있음. 방금 말한 무선 신호 같은 경우에는 데이터가 너무 적거나, 2D CNN이 잘 읽을 수 있는 패턴 보다는 통계적 변인을 따르는 데이터 분포를 가지고 있거나, decision boundary가 심플하기 때문에 딥러닝 모델이 주로 가지는 데이터 편향적인 문제에 대해 보다 강건한 ML이 더 잘 역할을 할 수 있다던지 하는 경우일 수 있음. 이런 부분들도 LLM에 물어보면 다 알 수 있는 내용임. 그럼 여기서 생각해볼 만한 개선점은, 일단 신호니까 1D CNN이 2D CNN보다 더 잘 역할을 할 수도 있고, 패턴을 잘 못 찾는 것 같으면 CNN 필터의 커널 형태를 여러개 겹쳐서 receptive field를 다양하게 조명할 수도 있고, 아니면 데이터 편향을 줄이기 위해서 normalization layer를 적극적으로 활용한다던가, 그것도 아니면 2D CNN이 데이터를 잘 먹을 수 있도록 channel-wise 혹은 element-wise CNN 을 적용하거나, 이런 부분도 생각해볼 수 있겠지. 이것도 LLM에 물어보면 금방 알 수 있을거야. 하지만 LLM만 가지고는 얘기하기 힘드니까, 물어볼 때 관련된 논문을 레퍼런스로 제시하라고 명령하면 why에 대해서 좀 더 탄탄하게 근거를 갖출 수가 있겠지. 결국 자기가 쓰기 나름이고, 특히 딥러닝 분야에서는 연구자들이 LLM 쓰기에 이보다 좋은 시기가 없음. 다만 한 가지 얘기하자면 pro 정도는 구독하고 사용하는 것이 좋아. 그래야 RAG 기반으로 출력이 좀 멀쩡하게 나오는 편이라...

아는게없는연구원
작성일 2026.01.03 00:00

상세한 설명 감사합니다 그러면 논문들 많이 읽어봐야겠네요.. 어디 깃허브에 논문 목록 정리되어있는지 찾아보고 하겠습니다. 지금은 무선신호를 image로 파악해서 cnn접근하고ㅓ있었어요

MWL
작성일 2026.01.03 00:00

마지막으로 첨언하자면 무선신호 image cnn 접근은 너무 광범위한 표현임. 이런 논문들을 찾을 때는 패턴인식, 이상신호 탐지, 신호 유형 분류 같이 하고자하는 task가 무엇인지를 확실히 정의하고, 이미지는 푸리에 변환인지 아니면 spatial 한 신호체계인지에 따라서 2d cnn인지 graph network를 써야 하는지 등으로 갈릴 수 있음. 이런 식으로 태스크랑 접근법을 확실히 하고 키워드를 정한 다음에 그걸로 서치를 들어가는게 좋을거 같고, 개인적으로 이런거 찾을 때는 notebook LM을 써보는걸 추천함. 지가 알아서 관련 논문, 블로그, 아티클 같은거 많이 긁어오고, 필요하면 자기 스스로 자료를 추가할 수도 있음. 별 얘기를 다 했지만 결국 연구자라면 본인이 제일 잘 알고있는 부분들일테니, 이런저런 문제들 원활하게 해결되길 바라네.

시에는퇴근할거야
작성일 2026.01.02 00:00

cosine similarity를... 몇천 몇만 몇백만줄일지 모르는 코드를 가지고 비교한다고?헛짓이지ㅇㅇ

구구클러스터링
작성일 2026.01.02 00:00

layernorm의 차원이 워낙 낮아서 데이터가 충분히 포화되면 manifold 상에서 비슷한 점으로 수렴한다고 함. 그래서 cosine similarity로 유사도 측정하는게 의미없고 pearson 계수를 써야한다고 하더라

개드리퍼70
작성일 2026.01.01 00:00

이거 긴빠이 한거 아니라고 결론 났음.유사도 측정하는 지표를 다른걸로 바껐더니 유사도 0.001로 나옴.

pyTorch
작성일 2026.01.01 00:00

이거 그냥 ㅈㄴ 억지주장임.. 중국모델과 업스테이지 모델이 유사하다고 하는게 모델 전체가 아니고, layer normalization 이라고 하는 특정 구조의 계층들 유사도가 높다는건데, 모든 값을 랜덤으로 초기화하는 일반적인 계층들과 달리, layer normalization 계층은 상수 1로 초기화하는게 거의 업계 표준임.시작점이 같다보니 서로 다른 모델들에서도 파라미터 경향성이 비슷한게 일반적인데 걍 대학교 딥러닝 이론 강의에서 배운 내용 좀만 생각해보면 저런 강한 주장을 할 수가 없음

AnanasPizza
작성일 2026.01.02 00:00

이미 반박 떴던데. 코사인 유사도로 체크하는건 부정확하다고https://www.dogdrip.net/678359538캐삭은 딴지건놈이 하게 될듯

울산은참살기좋은도시예요
작성일 2026.01.02 00:00

학술적으로 보면 참 안타까운 저격이긴함... LLM의 Architecture가 고도화될수록 Layer Normalization 단계를 거치며 Weights가 특정 Manifold 상으로 수렴하는 것은 필연적인 현상인건 어느정도 아는 사람은 다 아는 내용이니까; 서로 다른 모델이라도 SOTA 성능을 목표로 Hyperparameters를 최적화하다 보면 Cosine Similarity가 0.99 이상으로 나타나는 Convergence 현상은 학계에서 이미 논문으로 꽤 나온걸로 알고있구Training Log나 중간 Checkpoints에 대한 면밀한 검토 없이 단순 수치만으로 표절을 논하는 것은, 공기역학적으로 최적화된 비행기 날개 모양이 비슷하다고 설계도 도용을 주장하는 수준의 비약이라고 생각하기때문에 오히려 내일 공개 검증회에서 Data Curation 과정과 학습 이력만 명확히 제시된다면, 이번 논란은 도리어 업스테이지의 기술력을 증명하게 되지 않을까싶음. 물론 아니면 ㅈ대는거ㅋㅋㅋ

pyTorch
작성일 2026.01.02 00:00

만에 하나 진짜 파쿠리라한들 그걸 증명할 수 있는 실험이 전혀 아니기도 하고 애초에 문제 제기한 보고서(?)부터가 뭔가 LLM 향 강하게 나는 문체라 고작 이 정도 근거로 저런 주장을 하게된 경위가 궁굼함 ㅋㅋㅋ 연초부터 국내 AI 판에 팝콘을 튀겨주시는...