시릴 라마포사 대통령은 AI가 의료·교육·농업 등의 발전을 지원할 수 있지만, 사이버 작전·생물무기 개발 지원·자율 행동·대량 감시 등 위험도 초래할 수 있다고 밝혔다. 남아프리카공화국은 BRICS가 AI를 독립적으로 과학 평가하는 국제机制을 설립해야 한다고 제안했으며, 이를 위해 중대 사고 의무 보고와 역량 증가에 따른 단계적 안전장치를 마련해야 한다고 강조했다. 또한 개발도상국의 sovereign AI 역량에 투자하고, 인간의 통제 원칙과 외부 점검·감사 및 정부 감독을 강화해야 한다고 주장했다.
엔비디아는 팔란티어와 협력해 자사 공급망에 팔란티어의 AI를 도입하고, 엔비디아의 네모트론 모델을 파운드리·AIP 플랫폼과 통합한다. 양사는 공급망 데이터를 실시간 분석해 병목을 파악하고 의사결정을 지원하는 소버린 인텔리전스 시스템을 구축한다. 차세대 베라 루빈 랙 하나에 약 130만 개의 부품이 필요한 복잡한 생산 환경에 대응하기 위한 것으로, 향후 제조·에너지·헬스케어·자동차·항공우주 등으로 확대할 계획이다.
이 보고서는 외국 frontier AI 기업에 의존하는 ‘AI 중견국’이 공공조달을 통해 vendor lock-in, 서비스 중단, 모델 정보 부족, 데이터 주권·정보보안 위험을 관리할 수 있는 계약 조건을 제시한다. 정부는 모델 평가 접근권, 정보 공유, 신뢰성 연구 지원, 위험관리, 계약 종료·전환 조항 등을 조달 조건에 포함할 수 있다. 보고서는 개별 국가의 협상력에는 한계가 있으므로, 중견국들이 공동 조달 요건을 마련하고 수요를 결집해야 한다고 권고하며, 이를 위해 1~5년 이상에 걸쳐 평가 역량·대체 인프라·AI 사고 대응 협력을 강화할 것을 제안한다.
과학기술정보통신부는 내년 상반기 9개 국제기구의 AI 기능을 모은 AI 글로벌 허브를 국내에 열고, 국제 AI 규범·프레임워크 실증과 교육을 강화할 계획이다. 정부는 독자 파운데이션 모델인 독파모의 고도화·확산, AI 전환(AX), 글로벌 AI 확산을 중심으로 정책을 추진하며 보안·공공 분야 특화 모델과 국산 챗GPT 출시도 추진한다. 또한 AI 데이터 국산화와 피지컬 AI용 합성 데이터 확보, 연간 500만 명 이상 교육, AX 대학원 15개 설립 등을 통해 국내 AI 생태계와 활용 기반을 확대할 방침이다.
보고서는 AI 기반 의사결정 지원 시스템(AI-DSS)이 공통작전상황도 구축, 연합군 표적화 결정, 정보 공유 승인, 언어 장벽 해소에 기여할 수 있다고 평가한다. 그러나 정보 공유 제한, 상이한 기술·사이버보안 기준, 동맹국과 기술에 대한 신뢰 부족, 주권 AI 추진 등이 도입의 주요 장애물로 지적됐다. 보고서는 시연과 훈련을 통한 신뢰 구축, AI 주권에 대한 대비, 데이터·공유 체계 투자, NATO Maven 투자를 권고한다.
Mistral과 Cloudera는 기업이 온프레미스, 퍼블릭·프라이빗 클라우드, 완전한 air-gapped 환경에서 AI 모델을 배포할 수 있도록 협력한다. 기업은 통제된 환경에서 자체 데이터를 활용해 맞춤형 모델을 훈련하고 데이터와 결과 지능에 대한 소유권을 유지할 수 있다. 이번 협력은 데이터·모델·컴퓨팅·운영을 고객이 통제하는 sovereign AI 수요에 대응하기 위한 것이다.
미국의 행정명령에 따라 온타리오호 표기가 미국 이용자에게 ‘레이크 아메리카’로 바뀐 사례는 캐나다의 미국 기술 의존과 디지털 주권 취약성을 드러냈다. 글은 캐나다의 기술정책이 산업 육성과 디지털 주권, AI 규제를 체계적으로 결합하지 못한 채 기업 중심의 ‘빌더’ 담론에 치우쳤다고 지적한다. Cohere의 중견국형 기술 자립 구상과 Build Canada의 친기업·반민주적 정치 구상을 대비하며, 기술 권력을 통제하기 위해서는 규제가 장애물이 아니라 방향을 잡는 수단이어야 한다고 주장한다.
태국 국가 인공지능 위원회는 디지털 주권, AI 거버넌스, 전문 인재 양성, 경쟁력 있는 국내 AI 산업 육성을 4대 전략 축으로 확정했다. 국가 AI 클라우드·추론 서비스와 AI 데이터뱅크 구축, 슈퍼컴퓨터 업그레이드 등을 추진하고, 안전하고 책임 있는 AI 활용을 위해 AI 거버넌스 샌드박스도 개발할 예정이다. 위원회는 관광·의료·제조·금융 등 우선 분야의 AI 도입을 가속하기 위해 AI 인프라, 교육·인력, 대규모 언어 모델, 책임 있는 AI 등 12개 실무그룹과 소위원회 설치를 승인했다.
글로벌 보안업체의 AI 활용이 확대되면서 국내 보안 특화 AI 개발과 프론티어 AI 접근성 격차 해소의 필요성이 커지고 있다. 정부는 네이버클라우드 컨소시엄을 사업 수행기관으로 선정해 33개 기관과 공격·방어 특화 모델을 개발하고, 네이버와 LG의 독자 파운데이션 모델을 활용할 계획이다. 전문가들은 독자 모델 개발 자체보다 취약점 탐지·검증, 오탐 여부, 공격·방어 시나리오 분석 등에서 기존 상용 AI와 비교해 객관적인 성능을 입증해야 하며, 데이터 주권과 폐쇄망 운용이 필요한 영역에서는 별도 정책 목표를 설정해야 한다고 지적했다.
미스트랄AI CEO는 한국과 유럽이 전략적 연대를 구축하면 미국과 중국에 종속되지 않는 AI 기술 주권을 확보할 수 있다고 밝혔다. 삼성전자·ASML·유럽 펀드 등은 미스트랄AI에 30억 유로를 투자하기로 했으며, 미스트랄은 기업이 데이터와 모델을 직접 통제하는 소버린 AI 전략을 추진한다. 그는 한국과 유럽이 반도체·자동차·로봇 등 제조 역량과 인재를 결집해 제3의 AI 축과 독자적인 프런티어 모델을 구축해야 한다고 강조했다.
미스트랄AI가 삼성전자 주도로 30억 유로 규모의 시리즈 D 투자를 유치했으며, 기업 가치가 213억 유로로 상승했다. 미스트랄은 고객사가 데이터·모델·컴퓨팅 환경을 직접 통제할 수 있는 오픈웨이트 기반의 ‘소버린 AI’를 전략으로 내세운다. 아르튀르 멘쉬 CEO는 미국과 중국에 대한 의존을 줄이기 위해 한국과 유럽이 반도체·제조 역량과 AI 기술을 결합해 제3의 AI 축을 구축해야 한다고 강조했다.
AI가 취약점 분석과 공격 코드 생성을 자동화하고 공격 시간을 단축하면서 병원·학교·지방 기반시설·행정 시스템 등 민생 인프라가 위협에 노출될 수 있다는 지적이 나왔다. 박세준 티오리 대표는 외부 환경 변화에도 스스로 방어와 검증을 지속하는 소버린 보안 역량이 필요하며, 이를 위해 민간 기업 간 협력과 정부의 면책 제도·상시 점검·패치 예산 지원이 중요하다고 강조했다. 민간 AI 보안협의체 프로젝트 캐노피에는 국내 41개 기업·기관이 참여하고 있으며, 대한민국 전자정부 표준 프레임워크에서 990건의 구조적 취약점을 식별해 300건 이상을 패치했다. 그는 소버린 AI도 모델 확보보다 핵심 데이터와 학습 과정의 통제, 자체 검증 능력을 갖추는 것이 중요하며 이를 앞으로 3~5년 안에 확보해야 한다고 말했다.
AI 공격자는 취약점이 공식 공개되기 전 무기화하고 있으며, 공격 코드가 CVE 등록보다 중앙값 기준 15시간 먼저 등장하는 반면 평균 패치 완료 기간은 32일에서 43일로 늘어난 것으로 나타났다. 마이크로소프트는 레드팀·블루팀·그린팀 에이전트가 취약점 식별, 위협 분석, 대응 계획 수립을 수행하고 사람이 최종 검증하는 에이전트형 방어 루프를 제안했다. 오픈AI는 프론티어 모델과 Codex를 활용해 취약점 발견과 패치 자동화를 지원하는 사이버 보안 프로그램 ‘데이브레이크’를 소개했으며, 데이터 주권과 거버넌스 체계 마련이 필요하다고 밝혔다.
AI미래기획수석과 국가AI전략위원회 상근 부위원장이 새로 임명되며 정부의 AI 정책 지휘체계가 4개월 만에 정비됐다. 전문가들은 미국·중국과의 AI 격차를 좁히기 위해 독자 AI 파운데이션 모델 프로젝트를 재설계하고, 기존 사업을 프런티어 AI 모델 프로젝트에 연계해야 한다고 지적했다. 정부는 AI 데이터센터·피지컬 AI·AI 반도체 등 3대 메가프로젝트를 지원하고, 내년 유예기간이 끝나는 AI 기본법의 규제 시행 여부와 보완책도 검토할 예정이다.
네이선 베나이치 에어스트리트캐피탈 창업자는 한국이 세계적 메모리 반도체 기업과 제조업 기반, 기술 인력, 실제 산업의 AI 수요를 갖춰 UAE와 출발점이 다르다고 평가했다. 그는 미국 기술에 의존하는 일부 국가의 소버린 AI 전략은 정치적 포장에 그칠 수 있다고 비판하면서도, 한국의 AI 주권 전략은 제조 현장과 연계돼 실질적 활용이 가능하다고 설명했다. 특히 부산 등 제조업 단지 인근에 데이터센터를 구축해 공장 자동화와 로봇 등 피지컬 AI에 활용하려는 방향을 긍정적으로 봤다.
하정우 신임 상근부위원장은 국가 AI 비전을 제시하고 민간과 정부를 연결하는 거버넌스 중심축 역할을 하겠다고 밝혔다. 반도체·피지컬AI·AI데이터센터를 축으로 한 3대 메가프로젝트를 제조·로봇·지역 산업과 인재 육성으로 확산하고, 정책 조정과 실행 점검을 강화할 계획이다. 국방·공공 분야에서 자체 AI 모델을 구축·운영하는 소버린 AI의 필요성도 강조했다. AI미래기획수석 사퇴와 국회의원 보궐선거 낙선 후 약 4개월 만에 정부 AI 정책 라인에 복귀했다.
독자 인공지능(AI) 파운데이션 모델 2차 평가에서 높은 벤치마크 성능을 보인 모티프테크놀로지스가 탈락하고 업스테이지·SK텔레콤·LG AI연구원이 3차 평가에 진출하면서 평가 기준을 둘러싼 논란이 제기됐다. 평가는 벤치마크뿐 아니라 전문가·사용자 평가를 반영했으며, 모티프는 사용성·활용성에서 상대적으로 낮은 평가를 받은 것으로 알려졌다. 좋은 독파모는 성능뿐 아니라 안전성, 한국어 맥락 이해, 보안, 사용자 경험, 비용, 책임 체계까지 갖춰야 하며, 자원 집중 과정에서도 장기 연구와 다양한 AI 생태계를 보호해야 한다고 강조한다.
배경훈 과학기술정보통신부 장관은 독자 AI 파운데이션모델 사업에서 현재처럼 기업을 탈락시키는 방식 대신 최상위급 AI 모델 하나를 개발하는 방향을 고민하고 있다고 밝혔다. 독파모 2차 평가에서 벤치마크 1위를 차지하고도 탈락한 모티프테크놀로지스는 구체적인 평가 결과 공개를 요구하며 이의 신청을 제기했으며, 과기정통부는 점수 추가 공개 여부를 검토한다. 과기정통부와 NIA는 독파모 5개 팀이 확보한 29종의 대규모 텍스트·멀티모달·AI 안전성 데이터를 AI허브를 통해 무료 공개했다.
최종현학술원과 서울대학교 미래전연구센터는 독자 파운데이션 모델 확보를 넘어 안정적인 AI 접근·운용 역량을 중시하는 ‘소버린 AI 2.0’ 보고서를 공동 발간했다. 외부 서비스가 차단돼도 대체 체계로 전환해 AI 기능을 중단 없이 유지하는 능력을 새로운 국가안보 기준으로 제시했다. 한국에는 기술 완전 자립보다 메모리 반도체와 데이터센터 등 산업적 강점을 활용해 선택과 집중하고, 외부와 연결되면서도 핵심 기능이 종속되지 않는 구조를 구축할 것을 제안했다.
엔비디아의 네이버 10억 달러 투자는 네이버가 플랫폼 기업을 넘어 AI 인프라를 구축·공급하는 하이퍼스케일러로 도약하려는 신호라고 평가한다. AI 경쟁의 핵심이 거대언어모델 성능에서 GPU·데이터센터·전력망·클라우드 등 컴퓨팅 인프라 확보로 이동한 만큼, 한국도 소버린 AI를 넘어 인프라를 자립적으로 운영하고 수출해야 한다고 주장한다. 이를 위해 정부가 전력 확보, 신속한 인허가, 세액공제·정책금융 등을 패키지로 지원해야 하며, 반도체 제조 역량만으로는 AI 강국이 될 수 없다고 강조한다.
이 연구는 국가별 데이터 주권과 개인정보를 보호하면서 국경 간 사이버보안 정보를 공유하기 위한 Federated Sovereign AI Ecosystem(FSAIE)을 제안한다. UNSW-NB15의 네트워크 트래픽 기록 257,673건과 49개 특성, World Governance Indicators 데이터를 사용해 Random Forest, XGBoost, DNN, Federated Learning 모델을 평가했다. XGBoost가 정확도 99.05%, 정밀도 99.50%, 재현율 99.01%, F1 점수 99.25%, ROC-AUC 0.9995%로 가장 높았으며, Random Forest의 정확도는 98.08%, DNN은 97.18%였다. FSAIE는 Trust Index 94.56, 정보 교환 효율 100%, 라운드당 통신 비용 21,096.22KB를 기록했다.
과학기술정보통신부는 글로벌 프런티어급 AI 모델 개발에 대응하기 위해 독자 AI 파운데이션 모델 프로젝트를 비롯한 기존 AI 사업의 연계·재편을 검토한다. 독파모 2차 평가에서는 업스테이지·SK텔레콤·LG AI연구원 등 3개 팀이 다음 단계에 진출했고, 모티프테크놀로지스는 탈락했다. 3차 평가는 기존 계획대로 3개 팀 중 2개 팀을 선정하며, 이후 경쟁 방식과 자원 배분, 컨소시엄 구성 및 4단계 지속 여부 등을 재검토할 예정이다. 평가에서는 기술력뿐 아니라 사용성·활용성도 반영됐으며, 일반 국민 평가는 최종 당락에 영향을 미치지 않았다.
국가 대표 AI 육성 사업인 독자 AI 파운데이션 모델 프로젝트 2차 평가에서 LG AI연구원, SK텔레콤, 업스테이지가 통과했고 모티프테크놀로지스 컨소시엄은 탈락했다. 평가는 벤치마크·전문가·사용자 평가로 진행됐으며 팀 간 점수 차이는 크지 않았다. 통과한 3개 팀에는 엔비디아 B200 GPU가 약 1000장씩, 총 1200억 원 규모로 지원된다. 정부는 내년 초 3차 평가를 통해 최종 2개 팀을 선정할 예정이다.
KT가 리벨리온의 추론용 NPU ‘아톰맥스’, KT의 LLM ‘믿음 K 2.5 프로’, 운영 API 플랫폼을 통합한 기업용 AI 장비 ‘KT NPU LLM 스테이션’을 출시했다. 장비를 고객사 내부에 설치해 데이터 저장과 AI 연산을 사내에서 처리할 수 있어 공공·국방·금융·제약·제조 분야를 겨냥한다. 사내 문서를 활용한 RAG 기반 질의응답과 표준 API 연동을 지원하며, KT는 향후 회의록 작성·코딩 보조·업무 자동화 기능과 맞춤형 구축 사업을 확대할 계획이다.
중국의 Kimi K3는 성능점수 57점으로 미국의 최신 AI 모델과 유사한 수준에 도달했으며, 중국은 정부 지원과 기술혁신을 바탕으로 미국과의 격차를 줄일 전망이다. 미국은 민간투자와 컴퓨팅 자원에서 우위를 유지할 것으로 보이지만, 중국의 AI 확산으로 생성형 AI 분야에서는 수익·투자 둔화와 이른바 차이나쇼크 3.0이 나타날 가능성이 있다. 반면 AI 도입 확대로 제조업 등 관련 산업이 성장하는 효과도 예상되며, 한국은 미국의 대중 견제와 중국의 첨단 수요 확대를 활용하면서 자체 소버린 AI 생태계 경쟁력을 확보해야 한다.
Deep-Daiv 에디터들은 AI를 이해하고 사회적 영향을 함께 고민하기 위해 AI를 계속 공부해야 한다고 말하며, AI가 일상과 사회에 미칠 영향을 다양한 관점에서 공유했다. 주요 연구 분야로는 AI for Science가 소개됐으며, 가설 생성과 실험 설계 자동화의 가능성과 함께 높은 연산 비용·검증 과정이라는 한계가 제시됐다. 또한 AI 에이전트와 소버린 AI의 확산, 정부·기업·연구기관의 협력 필요성을 설명하고, 3주년을 맞아 독자들의 후기와 뉴스레터에 대한 피드백을 소개했다.
미국 정부는 6월 12일 앤트로픽의 미토스5와 페이블5에 대해 고성능 AI 모델의 안전장치가 jailbreak될 경우 국가 안보에 위협이 될 수 있다는 이유로 수출을 통제했으며, 해당 조치는 6월 말 해제됐다. 이번 사례는 고성능 AI 모델이 정부 통제를 받는 전략자산이 될 수 있다는 선례를 남겼고, 글로벌 공급망 불안정과 AI 모델의 정치·외교화를 초래할 가능성을 보여준다. 보고서는 한국이 독자 모델 개발과 개방형 생태계를 병행하고, AI 보안 역량과 거버넌스를 강화해 소버린 AI 역량을 확보해야 한다고 제안한다.
이 연구는 국가 간 AI 모델 수출 통제와 사이버 보안 간의 상호작용을 분석하며, 특히 고도화된 AI 모델의 접근 권한이 국가 사이버 방어 전략의 핵심 요소로 부상하고 있음을 강조한다.
연구는 특정 주에 위치한 몇몇 기업들이 최첨단 AI 모델 개발의 주도권을 가지고 있으며, 해당 주 정부들이 이러한 모델의 해외 사용을 엄격하게 통제하고 있다는 점을 다룬다. 예를 들어, 2026년 6월 미국 정부는 선두 개발사에 라이선스 취득을 요구하여 고급 모델의 해외 배포를 제한하였고, 이는 실질적인 관리 어려움으로 인해 일부 모델의 세계적 배포가 일시적으로 중단되었다.
이러한 조치는 사이버 스파이 활동의 증가와 함께 Frontier AI 모델이 사이버 공격과 방어의 경제적 구조를 변화시키는 증거와 맞물려 있다. 논문은 국가의 AI 주권이 부분적으로만 실현 가능하다는 점을 지적하며, 특히 중소 국가들에게는 더욱 그렇다는 점을 논의한다. 제안된 전략은 협상된 접근 권한 보장, 추론 수준에서의 주권 유지, 오픈 가중치 모델을 통한 헤지 전략, 지역 공동 능력 구축, 지속적인 인재 육성 및 기본 사이버 저항력 강화를 포함한다.
핵심 결과로, 고급 AI 모델의 효과적인 관리와 배포 방식이 그 성능만큼이나 중요한 위험 요소임을 보여준다. 특히 오픈 가중치 모델은 정치적 노출이 높음에도 불구하고 기술적으로 유용할 수 있음을 시사한다.
AI 기술의 발전이 민주주의에 미치는 영향에 대해 논의되었다. 특히 딥페이크 기술이 선거 운동에서 투표 결과에 영향을 줄 수 있다는 우려와 함께, AI의 편향성 및 빅테크 기업의 영향력 증가가 민주주의를 위협할 수 있다는 지적이 제기되었다. 토론에서는 AI를 중립적으로 보는 시각에 대한 경계와 함께, 교육을 통한 시민들의 비판적 사고 능력 강화가 중요하다는 의견이 제시되었다. 또한, 기술의 편향성이 인간의 편향성을 반영할 수 있다는 점과 AI의 결정 과정이 투명하지 않을 경우 권위주의적 경향을 강화할 수 있다는 우려가 포함되었다. 한국의 '소버린 AI' 개념이 제시되며, 민주적 가치를 지키는 기술 발전 방향에 대한 논의도 이루어졌다.
이 논문은 인공지능(AI)이 전통적인 웨스트팔리아 원칙에 따른 국가 주권 개념을 어떻게 변화시키는지 정치철학적 관점에서 탐구한다.
연구는 미국의 자유주의 시장 모델, 유럽 연합의 기술법적 권리 모델, 중국의 사이버 주권 모델 등 세 가지 디지털 자율성 철학 모델을 비교 분석한다. 특히, 베트남의 최근 입법 동향을 바탕으로 각 모델의 적합성을 평가한다.
결론적으로, 진정한 디지털 주권은 기술적 인프라를 넘어 공동체의 자율성과 상호 의존성을 포괄하는 철학적인 통합된 개념이 필요하다고 주장한다.
일본이 자국의 AI 기술을 자위대 지휘통제 체계에 도입하여 전장 분석 정보를 신속하게 제공하고 의사결정을 지원하는 방안을 추진 중이다. 이는 중국 모델 배제와 함께 ‘AI 주권’을 강화하려는 노력의 일환으로, 사카나 AI의 ‘후구’ 시스템이 주요 후보로 거론되고 있다. 이 결정은 외국 기술 의존도를 줄이고 첨단 기술을 활용한 새로운 전투 방식에 대응하기 위한 것이다.
일본은 ‘사카나 후구’라는 자국 AI 모델을 도입하여 신속한 의사결정 체계 구축과 동시에 군사 기밀 보호를 목표로 ‘AI 주권’을 강화하려 한다. 이는 지휘통제 시스템의 핵심 부분에 고성능과 저비용을 동시에 제공하는 AI를 통합하는 것을 의미한다. 데이터 관리 역시 일본 내에서 자율적으로 이루어질 계획이다.
세계 각국이 데이터 주권을 강화하기 위해 자체 AI 모델과 인프라를 구축하고 있지만, 여전히 92.4%의 AI 모델이 엔비디아의 반도체에 의존하고 있는 것으로 나타났다. 이는 국가들이 데이터 센터를 자국 내에 구축하려는 노력에도 불구하고, 핵심 연산 자원의 공급망이 미국 기업에 집중되어 있음을 의미한다. 반면 한국은 AMD 반도체를 활용한 AI 개발 사례가 일부 나타나며 엔비디아 의존도를 줄이려는 움직임을 보이고 있다. 보고서는 엔비디아의 시장 지배력이 당분간 지속될 것으로 전망했다.
이 연구는 나이지리아의 모바일 쇼핑 앱에서 인공지능(AI)의 사용이 사용자의 디지털 주권에 미치는 영향을 분석한다. 특히 플랫폼의 투명성을 사용자 인식과 통제력의 핵심 지표로 삼아 AI 기능의 구현과 정보 공개 관행을 평가한다.
연구는 선택된 안드로이드 앱의 심층 분석과 맥락적 문서 분석을 통해 AI 기능을 식별하고, 그 사용에 대한 투명성이 제한적임을 보여준다. 나이지리아의 사회경제적 분석 결과, 소비자 디지털 플랫폼에 대한 의존도 증가와 함께 AI에 대한 인식 수준이 중간이며, 상호작용 패턴이 불균형하게 나타남을 확인했다.
결과적으로, 이 연구는 AI 투명성과 플랫폼 관행에 대한 실증적 증거를 제공하여 개인의 디지털 주권 이해를 높이고, AI 주도 디지털 환경에서 사용자 통제를 보호하기 위한 도전 과제를 강조한다. AI 구현 앱에서 한국어 조건 대비 영어 조건의 투명성 격차는 구체적인 수치로 제시되지 않았으나, 투명성의 제한이 주요 문제점으로 부각되었다.
정부들이 AI 주권 예산을 통해 실질적으로 구매하는 것은 인프라 제어, 데이터 관할권, 공급업체 변경의 자유 등 다양한 형태의 주권을 정당화하는 구매들이다. 그러나 이러한 예산은 구체적인 기술이나 인프라보다는 협상력을 구매하는 데 초점을 맞춰야 한다. 예를 들어, 스위스의 경우 공개적으로 훈련된 모델을 출시하여 독립성과 표준 설정을 추구한 반면, 일본은 반도체 소재 제조 회사를 인수하여 기존의 협상력을 유지하려 했지만, 이는 추가적인 가치 창출보다는 기존 정책의 연장선상에 있었다. 예산 승인 전, 정부는 해당 능력이 국가 목표에 어떻게 기여하는지, 그리고 얼마나 강력한 협상력을 제공하는지 평가해야 한다. AI 주권 예산은 단순히 주권을 추구하는 것이 아니라, 재정적 투자로서의 가치와 협상력을 극대화하는 데 중점을 둬야 한다.
이 연구는 러시아 연방에서 발생하는 대규모 사이버 사기가 국가의 디지털 주권을 어떻게 위협하는지 분석하고, 이를 대응하기 위한 전략을 제시한다. 주요 발견은 다음과 같다:
- 사이버 사기는 국가 기관의 합법성을 모방하는 하이브리드 정치 위협으로, 디지털 주권을 체계적으로 약화시킨다. - 사이버 공격의 핵심 도구는 사회 공학으로, 국가 기관에 대한 신뢰, 디지털 문맹, 그리고 인위적인 긴급성을 악용한다. - 사기의 주요 결과는 디지털 정부 서비스에 대한 신뢰 위기로, 사회 계약의 침식과 디지털화 과정의 지연을 초래한다. - 다단계 공격은 "통제된 혼돈"을 유발하여 사회-정치적 불안을 증폭시킨다. - 정부의 대응 조치는 부분적으로 효과적이지만, 보안과 편의성 사이의 내부 모순으로 인해 한계가 있다. - 사이버 사기 위협을 국가 안보의 하이브리드 위협으로 전환시키기 위해, 기술적 해결책, 제도 개혁, 법률 조화, 디지털 리터러시 프로그램, 그리고 사이버 외교 전략을 통합한 다기관 접근법이 필요하다.
결과적으로, 보안 조치와 사용자 편의성 사이의 균형이 중요하다.
미국과 중국 간의 인공지능(AI) 경쟁이 격화되고 있다. 미국은 중국의 AI 스타트업 매각 철회 요구와 보안 취약점 발견을 통해 중국의 AI 접근을 제한하고 있으며, 중국 역시 자국의 고성능 AI 모델 수입을 제한하는 방안을 검토 중이다. 이 경쟁은 단순 기술 경쟁을 넘어 사이버 안보, 통상, 산업 표준 등 다양한 분야로 확장되고 있으며, 미국의 폐쇄형 전략과 중국의 개방형 공세 사이의 대립 구도를 보여준다. 특히, 에이전트 AI와 피지컬 AI 분야에서의 경쟁이 미래 디지털 국제질서를 주도하려는 시도로 해석되고 있다. 이러한 상황은 각국이 '소버린 AI' 역량을 강화해야 함을 시사하며, AI 기술을 '디지털 핵무기'로 비유하는 등 안보적 측면에서의 중요성이 강조되고 있다.
EU 집행위원회(EC)는 미국 클라우드 및 AI 기술을 활용해 개발 중인 구직자 채용 매칭 시스템(Job Matching Application)에 대해 개인정보 보호 및 데이터 주권 우려가 제기됨에 따라, 유럽 내 클라우드·AI 서비스 제공업체로의 전환을 검토 중. 해당 시스템은 앤트로픽(Anthropic)의 클로드(Claude)를 활용해 구축되었으며, 아마존웹서비스(AWS)에서 호스팅될 예정이었으나, EC는 EU 사법재판소(CJEU) 직원위원회의 우려 제기 이후 역내 기술 대안을 모색.
출처: TechPolicyPress
본문 요약: 기사는 유럽의 디지털 주권 논의에서 효과적이지 않은 세 가지 주요 주장을 비판한다. 첫째, 디지털 규제 강화만으로는 실질적인 주권을 달성하기 어렵다는 점이다. 둘째, 유럽이 AI 분야에서 주권 국가가 될 수 없다는 비관적인 주장은 현실적이지 않으며, 유럽도 다양한 아키텍처를 통해 경쟁력을 갖출 수 있다는 내용이다. 셋째, 유럽이 미국의 거대 클라우드 기업들과 협력하여 주권을 강화해야 한다는 주장은 주권을 오히려 약화시킬 수 있다는 우려를 제기한다. 대신 유럽은 자체 수요를 기반으로 한 유기적이고 점진적인 접근을 통해 디지털 자산과 역량을 강화해야 한다는 주장이다. 유럽의 혁신 능력은 과소평가되었으며, 민간 부문의 주도적인 역할과 자본의 참여가 중요하다고 강조한다.
이 연구는 우주 기반 데이터 센터의 개발을 통해 국가와 기업이 추구하는 AI 주권 개념의 복잡성을 탐구한다. 특히, 지상 기반 인프라에 의존하던 기존 주권 개념이 우주 공간으로 확장될 때 발생할 수 있는 지정학적 도전과 위험을 분석한다.
연구는 냉전 시대의 우주 경쟁, 유럽의 자체 GNSS 개발, 국제 무기 수출 규제인 ITAR의 형성, 그리고 2011년 미국의 Wolf Amendment와 같은 역사적 지정학적 사건들을 통해 현대의 지정학적 환경과 기술 의존성을 비교한다. 이를 통해 우주 공간에서의 AI 주권 추구가 국가 간 접근성, 의존성, 그리고 주권 집중에 어떤 영향을 미칠 수 있는지 평가한다.
핵심 결과: - 우주 기반 데이터 센터는 기존 지정학적 경계를 넘어서는 새로운 형태의 AI 주권을 가능하게 한다. - 과거 지정학적 사건들은 현재 우주 공간에서의 기술 주권 확장에 대한 잠재적 위험과 도전을 예시로 제공한다. - 분석 결과, 우주 공간에서의 AI 주권은 국가 간 협력과 경쟁의 복잡한 균형을 더욱 필요로 한다.
이 연구는 국가 간 인공지능 주권 개발 경쟁, 특히 UAE, 유럽 연합, 인도의 사례를 통해 "컴퓨팅 격차"(Compute Divide)의 영향을 분석한다. 컴퓨팅 자원과 클라우드 인프라의 미국과 중국에 대한 의존도가 국가들의 디지털 주권 추구를 제약한다는 점을 강조한다.
핵심 결과로, 중간 규모 국가들은 고급 반도체와 클라우드 인프라에 대한 통제력 부재로 인해 기술적 자립이 어려워 인프라 종속 상태에 놓여 있다는 것이 밝혀졌다. 예를 들어, 이러한 국가들은 외국 하드웨어에 의존함으로써 지정학적 압박에 취약하게 된다. 구체적인 수치는 제공되지 않았으나, 연구는 이러한 의존성이 지정학적 리스크를 증가시킨다는 점을 명확히 제시한다.
인도네시아는 외국 기술 의존도를 줄이기 위해 국내 AI 생태계를 구축하는 주권 AI 전략을 준비하고 있다. 이 전략은 현지 AI 모델 개발, 컴퓨팅 인프라 강화, 디지털 인재 육성을 포함한다. 인도네시아는 글로벌 기술 경쟁에서 우위를 점하기 위해 주권 AI 구축을 추진 중이며, 이를 통해 강대국에 대한 의존도를 낮추려 한다. 특히 핵심 광물 자원을 활용하여 AI 산업의 공급망에서의 영향력을 강화하려는 계획도 포함되어 있다.
생성형 AI 시대에 국가 간 경쟁의 힘의 논리가 어떻게 달라지는지, 디지털 소버린티가 국가 권력·역량을 어떻게 재구성하는지 설명한다. 데이터, 알고리즘, 컴퓨팅 파워를 AI 시대 핵심 전략자원으로 보고, 이 자원들이 시장만으로는 효율적으로 배분되기 어렵고 제도 환경에 크게 좌우된다고 이론적으로 주장한다. 생성형 AI는 외교·교류를 위한 새로운 기술 매개와 역량 지원을 제공하는 동시에 국가안보 체계에 새로운 위험 변수를 추가한다고 정리한다.
2026.7.18~2026.7.19, 독일 베를린에서 개최
AI가 인류를 위해 작동하려면 보안·프라이버시를 강화하고, 다수의 AI 시스템과 인간이 평화적으로 협력할 수 있는 방향으로 발전해야 한다는 취지의 워크숍이다. 참가자들은 (1) AI 기반 자율 방어, (2) 기밀 컴퓨팅·암호화 기반 프라이버시 보존, (3) 분산형·협력형 멀티에이전트 생태계 구축 등 3개 분야에서 프로젝트 협업을 논의한다. 약 80명 규모의 선별된 연구자·엔지니어·암호학자·보안 실무자·펀더가 참여하며, 워크숍에서 발굴된 프로젝트는 Foresight의 추가(또는) 지원 검토 대상이 될 수 있다.
스탠포드 HAI는 상업적 AI sovereignty 상품을 AI 스택 전반에서 조사하며, 정책은 ‘완전 자급’ 추구가 아니라 상호의존(interdependence)을 정교하게 조정하는 데 초점을 둬야 한다고 제안했다. Nvidia, Microsoft, Google, AWS, OpenAI의 사례는 컴퓨팅 인프라·데이터 거버넌스·현지 모델 배포에서 국내 통제 역량을 높이는 방식을 제공하지만, 의존을 제거하기보다는 재구성하는 측면이 크다고 밝혔다. 또한 소규모 업체들이 ‘주권’을 내세우더라도 대체로 해외 파운데이션 위에 구축되어 있어, sovereignty가 사실상 전략적 분산(diversification)으로 운영되는 경향이 있음을 지적했다.
본 논문은 호주가 단독으로는 AI 파트너십만으로 안보를 확보하기 어렵다고 주장하며, 대신 연방 학습을 활용한 다자간 협력 모델을 제안한다. 연방 학습은 데이터 주권을 유지하면서 국경을 초월한 보안 위협에 대응할 수 있는 기술로, 호주가 지역 내 핵심 파트너로 자리매김하는 데 도움이 된다. 현재 호주는 주로 영국, 한국, 인도와의 양자 협력에 초점을 맞추고 있지만, 지역 내 공동 위협에 대응하기 위해서는 더 넓은 다자간 협력이 필요하다. 이를 통해 호주는 데이터 공유의 제약을 극복하고, 지역 내 다른 국가들과 함께 AI 기반 위협에 효과적으로 대응할 수 있다. 이 접근법은 호주가 전략적 자율성을 유지하면서도 지역 안보를 강화하는 데 기여할 것으로 보인다.
스탠포드 HAI의 보고서는 국가들이 외국 AI 제공업체에 대한 의존도를 줄이기 위해 수십억 원을 투자하는 상황에서, 상업적 주권 솔루션을 조사하고 미국 기술 거대 기업에 대한 의존도 감소 정도를 평가한다. "AI 주권"은 글로벌 AI 관리에서 모호하게 정의된 개념으로, 국가들은 데이터 보호, 국가 안보, 경제적 이익을 위해 AI 개발, 운영, 감독에서 다른 국가에 대한 의존도를 줄이려 노력하고 있다.
기술 기업들은 이러한 요구에 부응하여 "주권 AI 솔루션"을 제공하고 있으며, 이는 AI 인프라와 데이터에 대한 더 큰 통제를 약속한다. 그러나 진정한 주권은 단순하지 않으며, 이러한 상업적 제안은 외국 공급자에 대한 의존성을 완전히 없애기보다는 재구성하는 경향이 있다. 스탠포드 HAI의 제임스 랜데이 디렉터는 AI 주권의 핵심 정책 과제는 의존성을 완전히 없애는 것이 아니라 상호 의존성을 조절하는 것이라고 말한다. 국가들은 자체 AI 개발을 지원하고 오픈소스 대안을 고려하며, 어떤 AI 생태계 영역에서 의존성을 줄이는 것이 자신의 국가적 목표에 더 중요한지 평가해야 한다.
UN Open Source Week 기간 뉴욕에서 열린 행사에서 ‘AI sovereignty’를 정책 구호가 아닌 구축 가능한 기술 과제로 다뤘다고 전했다. AI Alliance는 분산된 모델 개발을 통해 커뮤니티가 소유하고 frontier급 역량을 갖춘 sovereign AI를 만들기 위한 Project Tapestry를 소개했으며, 국가·기관별로 데이터/컴퓨트/인재를 제공하되 각 참여 주체의 소유권은 유지하는 방식을 강조했다. 또한 공개 데이터 고갈 우려, federated learning 및 DP-SGD 기반 학습/평가 필요성, 언어·문화 데이터 과소대표 문제와 비용·효율 이슈, 추론 시 AI가 콘텐츠를 직접 질의해 통제·귀속을 확보하는 접근 등을 함께 논의했다. 마지막으로는 AI 플랫폼 여정은 벤더에 선점되기 전에 기업이 스택을 소유하고 거버넌스를 설계해야 한다는 제언이 제시됐다.
AI sovereignty의 개념과 국가 간 전략 경쟁이 어떻게 전개되는지에 대한 질적(qualitative) 모델을 제시해, 정의·구조화의 공백을 메우는 연구다. 마이크로·메소·매크로 수준의 기여 요인을 포함하는 모델을 구성하고, 가속기(accelerators), 전력(electricity), 물(water), 데이터셋(data sets), 숙련 인력(skilled workforce) 같은 레버리지 포인트를 중심으로 경쟁 역학과 AI 기반 국가 파워의 잠재적 변화를 질적으로 예측한다. 또한 직접적 kinetic 행동(예: Iran의 data center 드론 공격)과 비(非)kinetic 영향(예: cyber, space, information, economic coercion, diplomacy)을 통해 레버리지 포인트가 전략·운용 수준에서 어떻게 활성화될 수 있는지 연결한다. 정량 성능 수치나 실험 비교 결과는 본문 요약만으로는 확인되지 않는다.
요약불가
본문은 사이버 공간의 상시 위협 환경에서 데이터·컴퓨팅·모델·인력의 결합으로 인한 주권·안전·회복탄력성 공백을 해소하기 위해 한국형 소버린 AI 6-Gate 검증 체계(K-SAF)를 제안한다고 밝힙니다. K-SAF는 정책 적합성, 주권 거버넌스, 안전성·신뢰성, 운영 복원력의 네 게이트를 통해 법·관할·접근통제와 적대적 강건성·프라이버시·품질 지표를 정량화하고, 실시간 방어·자가치유·즉시 격리 절차를 표준화한다고 설명합니다. 임계치 기반 통과/중단과 재시도 메커니즘을 결합해 기준 미달 시 생애주기를 강제 중단하는 안전망과, 탐지–격리–분석–복구의 국가 대응 체인 실행을 목표로 합니다.
빈 줄
139개 레코드로 구성된 Scopus 코퍼스를 구조화된 문헌 검토로 분석하고, 인도·인도네시아·케냐·브라질 사례 및 아프리카연합·UNESCO·OECD·NIST의 공식 문서를 비교 분석해 데이터 현지화 규칙, AI 거버넌스 수단, 디지털 주권 주장을 “상호 조건화되는 디지털 국가전략” 층위로 다룬다. 방법은 국가별 규정과 분류·컴퓨팅/클라우드 역량·위험기반 AI 거버넌스·국경 간 전송의 상호운용 메커니즘을 함께 대조하는 프레임워크 비교다. 핵심 결과는 광범위한 영토 기반 데이터 제한만으로는 작동 가능한 디지털 주권이 형성되지 않으며, 선택적 현지화가 데이터 분류와 역량, 위험기반 거버넌스, 상호운용 전송과 정렬될 때 “지속적 주권”이 달성된다는 점이다.
아프리카의 사이버 관할·협력 체계가 Malabo Convention에서 2026년 UN 사이버범죄 협약으로 전환되는 과정에서, 글로벌 지정학 블록 간 마찰과 아프리카 국가 간 법·제도 비조화가 결합된 “double-edged fragmentation”을 문제로 다룬다. 식민지 시기 MLAT에서 지능정보 기반의 사법 협력으로의 전환, 관할 분절·모바일 머니 생태계·증거 수집/제출의 어려움이 초국경 사이버범죄를 가능하게 하는 메커니즘을 생태계 수준에서 분석한다. 결론에서는 AI와 양자컴퓨팅이 야기하는 신흥 위협을 언급하며, 조화된 법체계·제도적 회복력·협력 거버넌스의 필요성을 제시한다.
유럽연합 집행위원회는 2026년 5월 28일 혁신가·투자자·전문가·시민사회가 참여한 탐색 워크숍을 열고, 인간 중심의 차세대 소셜 네트워크 출현을 가속하기 위한 논의를 진행했다. 디지털시장법(Digital Markets Act) 등 기존·예정 EU 이니셔티브를 활용해 신생 플랫폼 성장에 필요한 구체 조치를 마련하고, 디지털 포용·디지털 주권·신뢰·윤리적 기술 활용을 우선순위로 두는 방안을 논의했다. 또한 오픈 프로토콜·상호운용성 표준·유럽 디지털 신원 솔루션 등 기술 구성요소의 확장 가능성과 공백, 소셜 네트워크의 대안적 비즈니스 모델 및 유럽 전역 파일럿 확산을 위한 공통 도구 상자 구성도 다뤘다. 이번 워크숍은 유럽 민주주의 방패(European Democracy Shield) 후속으로, 온라인 안전과 공정경쟁을 강화하는 디지털서비스법·디지털시장법 및 데이터·AI 관련 EU 이니셔티브와 연계해 다음 정책 단계에 반영될 예정이다.
자율 AI 에이전트가 자격증명 기반의 정적 권한 부여를 무력화할 수 있는 상황에서, 의도(intent) 승인 결정을 분산·검증 가능·재현 가능하게 만드는 세팅을 다룬다. Justification Proof, 독립 평가를 위한 합의(consensus) 모델, 승인된 증명으로부터 유도되는 일회성 Execution Identity, 승인 라이프사이클을 보존하는 append-only Evidence Chain을 포함한 Distributed Trust Framework(DTF)를 제안하고, OpenKedge 기반 governed mutation substrate에 구현해 클라우드 네이티브 환경으로 매핑한다. 핵심 결과로 “증명 객체 없이 고위험 실행 불가”, “합의 없이 유도 권한 불가”, “증거에서 분리된 유효 mutation 불가”라는 컴팩트한 권한 불변식을 명시한다.
보고서는 사우디아라비아와 UAE의 AI 전략·정책·산업 생태계와 한국 기업의 진출 사례를 비교 분석하고, 한국 기업의 중동 진출을 위한 정책과 지원방안을 제시한다. 사우디아라비아는 내수와 자국 중심의 ‘자립형’ 소버린 AI를, UAE는 글로벌 기업·인재 유치와 Falcon 모델 공개를 기반으로 한 ‘개방형’ 소버린 AI를 지향하는 등 차이를 보인다. 양국은 데이터센터와 반도체 인프라, AI 연구 및 서비스 도입을 확대하고 있으며, 한국에는 AI 반도체·데이터센터 기술 협력, 공동 연구·인재 양성, 실증사업 및 협력 펀드 조성이 기회로 제시됐다. 한국 정부에는 부처별 지원을 통합하고 중동 시장 정보 플랫폼과 초기 진출 비용 지원을 마련하는 방안이 권고됐다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
코드 에이전트 RL은 롤아웃 중 얻는 약한 피드백(실행 가능성은 잘 주지만, 목표 의미 술어(semantic predicate)에 대한 신호는 부족) 때문에 학습이 표면 조건에 치우칠 수 있다는 문제를 다룬다. 본 연구는 표준 GRPO에 대해 “신호 재구성(signal reshaping)”을 적용해야 within-group 비교가 의미를 갖는다는 주장을 중심으로, 결과(outcome) 보상, 과정(process) 신호, 롤아웃 비교 가능성(동일 프롬프트 내 실행 비교성)을 각각 재정렬하는 최소 구성안을 제안한다. 구체적으로 컴파일-및-의미 계층 보상으로 궤적(trajectory) 순위를 의미 기준으로 복원하고, 그룹 정규화 밖에서 단계별 과정 점수를 재가중해 궤적 내부 credit 할당의 업데이트 강도를 조절하며, 실패 원인 인지 거버넌스로 within-group comparability를 재형성한다. 실험은 agentic compile-fix 설정에서 full signal-reshaped GRPO가 엄격한 compile-and-semantic 정확도를 0.385(제로샷)→0.535로 개선함을 보이고, 이득의 원인을 통제 비교로 분석한다(예: 이진 보상은 중간 tier를 제거해 제어 성능을 저하시킴, 과정 점수 가중은 0.48→0.53 및 평균 평가 단계 23.50→17.02 감소). 한계로는 토큰 수준의 privileged-prompt distillation이 장기 도구 사용 궤적에서 비핵심 토큰에 의해 희석되어 의미/과정 신호 및 within-group 비교 가능성을 대체하기 어렵다는 경계 비교 결과가 제시된다. 정책/규제·국가 전략 시사점으로는, 에이전트형 소프트웨어 자동수정에서 “실행 가능성 중심의 약한 피드백”만으로는 안전한 의미적 정합성을 확보하기 어렵고, 의미 기반 보상/신호 설계와 학습 신호의 비교 가능성 보장이 성능·신뢰성 향상에 핵심이라는 점을 강조할 수 있다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 언어·모달리티·태스크 간 표현 비교에 널리 쓰이는 mean-pooled cosine similarity가 “표현 내용”이 아니라 “시퀀스 길이”에 의해 체계적으로 영향을 받는지 문제를 제기한다. 핵심 기여로, 현대 트랜스포머 표현의 anisotropy 하에서 mean-pooled cosine이 길이에 대해 단조 증가하며 내용과 무관하게 길이 편향이 생긴다는 이론을 제시하고, 이를 길이 불변 대안으로 CKA(Centered Kernel Alignment)와 비교한다. 평가로는 HumanEvalPack에서 4개 코드 LLM에 대해 cross-language “Python proximity”를 분석했으며, 길이 비율만으로 설명분산(R^2)이 0.52~0.75 수준임을 보이고 AST depth/공유 토큰 비율은 추가 설명이 3% 미만이라고 보고한다. 또한 Mistral-7B의 병렬 WMT 쌍에서도 cosine의 길이 의존 패턴이 관찰되며, CKA로 바꾸면 길이 계수 부호가 뒤집히고 설명력이 크게 감소한다. 한계로는 본 결과가 특정 대표 벤치마크/모델군에서의 관찰에 기반하므로 다른 아키텍처·풀링/정규화 설정 전반으로의 일반화는 추가 검증이 필요하다. 정책/규제·국가 전략 시사점으로는, 교차언어/교차모달 표현 “수렴”이나 “정렬”을 주장할 때 길이 편향이 개입될 수 있으므로 평가 지표 선택(예: CKA 기본화)과 재현성 있는 벤치마크 설계가 중요하다는 점을 시사한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
이 연구는 온폴리시 증류(OPD)가 교사 로짓(white-box)을 요구해 블랙박스 환경에서의 적용성이 제한된 문제를 해결하려는 동기에서 출발한다. 핵심 기여로, 교사-학생 대비로부터 프롬프트별 “의미적 루브릭(rubric)”을 유도하고, 그 루브릭으로 학생의 롤아웃을 점수화한 뒤 온폴리시 최적화를 수행하는 ROPD 프레임워크를 제안한다. 평가에서는 기존 로짓 기반 OPD 방법들과 비교해 대부분의 시나리오에서 성능이 더 좋고, 최대 10배 수준의 샘플 효율 향상을 보고하며, 블랙박스(교사 응답만 사용) 호환 대안으로서의 실용성을 강조한다. 한계로는 루브릭 유도 방식이 어떤 작업/데이터에서 얼마나 일반화되는지, 그리고 루브릭 품질이 성능에 미치는 민감도에 대한 추가 분석이 필요할 수 있다. 정책·규제·국가 전략 측면에서는, 소버린/상용 모델처럼 로짓 접근이 어려운 환경에서도 정렬·증류를 수행할 수 있는 경로를 제공함으로써, 기관 간 모델 협력과 안전 정렬의 확산 가능성을 시사한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
이 연구는 대화형 뉴스 추천에서 사용자 의도가 명시적 키워드로 검색 가능한 형태가 아닐 때, 최신 기사 코퍼스에 대한 “근거(grounding)”를 어떻게 안정적으로 보장할지에 문제의식이 있다. 이를 위해 생산 대화에서 6가지 의도 유형을 식별하고, 표준 RAG의 retrieve-first 병목을 완화하기 위해 Generate-then-Match 패러다임의 intent-driven Semantic ID(SID) 생성 방식을 제안한다. 2단계 학습으로 (1) 멀티태스크 SID 정렬과 (2) GPT-4 Chain-of-Thought 증류를 수행하며, LLM이 의도를 계층적 SID prefix로 매핑한 뒤 현재 뉴스 풀에 대해 퍼지 매칭하여 완전 근거 추천을 목표로 한다. 또한 PADR(Profile-Aware Dual-Signal Reasoning)로 콜드스타트 사용자가 프로필만으로도 유효 추천을 받도록 한다. 벤치마크로 중국 메인스트림 뉴스 플랫폼에서 7B 모델을 평가했으며, 152K 오픈 생성 SID 공간에서 환각 0%와 L1 match 12.4%(랜덤 대비 4배), 콜드스타트에서는 L1 18.0%(랜덤 대비 6배)를 보고하고, 비용은 GPT-4+Hybrid RAG 대비 약 100배 낮게 제시한다. 한계로는 SID 생성 공간/매칭 방식이 특정 도메인·데이터 분포에 민감할 수 있으며, 향후에는 다른 언어·뉴스 환경으로의 일반화와 의도 유형 확장, 그리고 안전성(예: 의도 오해로 인한 부적절 추천) 평가를 더 체계화할 필요가 있다. 정책/규제·국가 전략 측면에서는 대화형 추천에서 근거 기반 생성(환각 최소화)과 콜드스타트 사용자 보호를 강조하는 방향의 가이드라인 수립에 활용될 수 있다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 LLM이 인간 참여자를 대체하는 “대리(surrogate)”로 쓰일 때, 어떤 모델과 학습 단계가 인간 행동을 얼마나 잘 재현하는지 불명확하다는 문제의식에서 출발한다. 저자들은 대규모로 행동 정렬(behavioral alignment)을 측정하기 위한 새 데이터셋 Psych-201을 제안하고, 베이스 모델을 유용한 어시스턴트로 만드는 post-training 단계가 전반적으로 인간 행동과의 정렬을 일관되게 낮춘다는 결과를 제시한다. 또한 모델 세대가 최신으로 갈수록 베이스 모델 성능은 좋아지는데도 misalignment가 더 커진다고 보고하며, persona-induction(개인정보/페르소나 조건부 유도)은 개인 수준에서의 예측 개선에는 효과가 없다고 분석한다. 한계로는 인간 행동 재현을 “어떤 과제/측정”에서 평가했는지에 따라 일반화가 달라질 수 있으며, post-training의 어떤 세부 요소가 원인인지에 대한 인과 분해는 추가 연구가 필요하다. 정책·규제·국가 전략 측면에서는, LLM을 인간 대체 실험/행동 예측에 활용할 때 post-training으로 인한 인간 비유사성 위험을 고려해 검증·감사 체계를 마련하고, 안전성 평가에서 “인간 행동 정렬”을 별도 지표로 포함할 필요가 있음을 시사한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 자동 단답형 채점(ASAS)에서 LLM의 few-shot 전환이 복잡한 부분정답(미묘한 해석이 필요한 답)에 대해 어떤 평가 불일치와 품질별 성능 저하를 유발하는지 문제의식에서 출발한다. 저자들은 생물학 오픈엔디드 문항 2개에 대해 수백 개 학생 답변과 교육 전문가의 정답 점수를 사용하고, GPT-5.2·GPT-4o·Claude Opus 4.5(몇 예시 few-shot), BERT 기반 파인튜닝 인코더, 인간 전문가를 비교하여 품질(정답의 정도) 조건부 점수 일치도를 분석한다. 평가 방법은 인간-인간 및 인간-모델 간 agreement를 품질 스펙트럼 전반에서 측정하고, 특히 완전정답/완전오답 대비 중간 품질 구간에서의 성능 저하(“mid-range degradation”)를 확인하는 방식이다. 결과적으로 인간-인간 일치가 가장 높고 안정적이며, AI는 완전정답·완전오답에서는 잘하지만 중간 구간에서 상당한 저하가 나타나며, 이 저하는 task-specific adaptation 정도에 따라 달라져 few-shot LLM(예시가 적을수록)에서 가장 심하고 파인튜닝 인코더가 가장 우수했다. 한계로는 문항이 생물학 2개로 제한되고 모델/설정이 특정 비교군에 국한된 점이 남아 있으며, 향후에는 더 다양한 과목·문항과 적응 방식(데이터 규모/형식) 전반에 대한 일반화 검증이 필요하다. 정책·규제·국가 전략 측면에서는 자동 채점이 “중간 이해 수준” 학생에게 불리한 평가 편향을 만들 수 있으므로, 품질 구간별 공정성(quality-conditioned fairness) 검증과 과제별 적응(파인튜닝 등) 요구사항을 평가·조달 기준에 포함하는 시사점이 있다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 고위험 분야에서 시간열 이상탐지가 공격(특히 시간적 조작)에 취약할 수 있다는 문제의식에서 출발하며, 기존의 certified 방어가 주로 ℓp-노름 제약 하에서만 보장되고 시간열의 고유한 시간 구조를 반영하지 못한다는 한계를 지적한다. 핵심 기여는 DTW(Dynamic Time Warping) 기반 이상탐지에 대해 최초로 DTW-인증(certified) 강건성을 제공하는 방어를 제안하고, randomized smoothing 패러다임을 DTW 거리로 확장하기 위해 ℓp-노름과 DTW 간의 하한(lower-bound) 변환을 연결하는 방식으로 인증서를 구성한 점이다. 평가는 다양한 데이터셋과 모델에서 DTW 기반 적대적 공격을 포함해 실험을 수행하며, F1-score 기준으로 기존 certified 모델 대비 최대 18.7% 향상을 보고한다. 한계로는 DTW 거리 기반 인증이 특정 거리/변환 가정과 인증 범위에 의존할 수 있으며, 실제 운영 환경에서의 공격 모델 적합성 및 계산/인증 비용의 확장성은 추가 검증이 필요하다. 정책·규제·국가 전략 측면에서는 시간열 기반 안전 시스템(예: 산업 설비, 헬스케어 모니터링, 교통/인프라)의 방어를 성능뿐 아니라 “인증 가능한 강건성” 관점에서 요구·평가할 필요가 있음을 시사한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 기하학적 표현(geometric representation)에 조건을 둔 분자 생성에서, 사전학습 분자 인코더(예: UniMol)가 만든 표현 공간이 비매끄럽고 생성 학습에서 충분히 활용되지 못해 성능이 제한된다는 문제의식에서 출발한다. 이를 해결하기 위해 LENSEs는 (1) 생성 과정과 동시에 학습되는 representation head로 다층 표현을 추출하고, (2) 의미적으로 유익한 표현 공간에서 생성기를 최적화하는 molecule perceptual loss를 도입하며, (3) 생성기의 은닉상태를 인코더 표현과 노드 수준에서 정렬하는 REPA loss로 사전학습-생성 간 의미 격차를 줄이는 방식으로 구성된다. 평가로는 GEOM-DRUG에서 유효성 97.28%, 안정성 98.51%를 달성해 기존 고도 방법을 상회했으며, Lipschitz 상수 감소(4.6x)와 QM9 probing 과제를 통해 표현이 더 매끄럽고 정보가 풍부해졌음을 보였다. 한계로는 제시된 개선이 특정 분자 생성 설정/데이터셋에서의 성능에 강하게 의존할 수 있으며, 표현 정렬 목표가 다른 인코더·조건부 생성 구조로 일반화되는 정도는 추가 검증이 필요하다. 정책/규제·국가 전략 측면에서는, 분자 생성 모델의 신뢰성(유효성/안정성)과 표현 품질을 체계적으로 개선하는 연구가 신약개발 등 고부가 분야의 R&D 효율을 높일 수 있어, 안전성·재현성 평가 체계와 함께 연구개발 투자 및 표준화(벤치마크/검증 프로토콜) 필요성을 시사한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
TextLDM은 시각 생성에서 확립된 연속 잠재공간 확산(예: VAE+DiT+flow matching) 레시피를 언어 모델링에 적용해, 생성과 이해를 아우르는 단일 확산 아키텍처로 확장하려는 동기를 가진다. 핵심 기여는 (1) Transformer 기반 VAE가 이산 토큰을 연속 잠재로 매핑하고, (2) REPA(Representation Alignment)로 사전학습 언어모델의 표현과 잠재 표현을 정렬한 뒤, (3) 표준 DiT가 동일한 구조로 잠재공간에서 flow matching을 수행하도록 한 점이다. 평가/검증은 OpenWebText2에서 처음부터 학습해 기존 확산 기반 언어모델을 크게 능가하고, 동일 설정에서 GPT-2와 비슷한 성능을 보인다고 보고한다. 한계로는 본문에서 주로 재구성 충실도와 REPA의 중요성을 강조하며, 안전성/편향/오남용 평가나 다양한 벤치마크 전반의 일반화는 제한적으로 제시된 것으로 보인다. 정책·규제·국가 전략 시사점으로는, 텍스트 생성 성능이 확산 기반으로도 강하게 향상될 수 있음을 보여주므로 안전 가드레일과 평가 체계(오남용 탐지, 편향·유해성 측정, 모델 카드/데이터 거버넌스)가 확산형 언어모델에도 동일하게 적용되어야 한다는 점을 시사한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
본 연구는 단어 의미의 “폭(문맥 전반에 걸친 분산/다양성)”을 임베딩 기반 통계로 측정할 때, 두 단어 유형 간 비교에서 단순 분산 가설검정이 방향(semantic direction) 차이를 분산 차이처럼 오인하여 Type-I error를 과대평가할 수 있다는 문제를 다룬다. 이를 해결하기 위해 두 단어 유형의 토큰 벡터 구름에서 평균 방향을 Householder reflection으로 정렬한 뒤, 정렬된 구름에 대해 permutation test를 수행하는 비모수적 검정 절차를 제안한다. 실험에서는 제안된 정렬이 Type-I error를 32.5% 감소시키면서도 실제 의미 폭 차이에 대한 민감도는 유지했으며, GPU 배치 구현으로 CPU 대비 23배 속도 향상을 보고한다. 한계로는 본 방법이 “방향 차이를 분리”하는 정렬 가정에 의존하며, 다양한 임베딩/도메인 설정에서의 일반화 범위는 추가 검증이 필요하다. 정책·규제·국가 전략 관점에서는, 의미 다양성/도메인 사전 구축 등 언어 자원 의사결정에서 통계적 유의성의 오판을 줄여 데이터 기반 분류·정책 도구의 신뢰도를 높이는 데 시사점이 있다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
본 연구는 IMQ 계열 커널의 보편성·특성성 성질을 유지하면서도, 다항(비방사형) 정렬(alignment) 채널을 포함하는 새로운 고정 커널을 구성하려는 동기에서 출발한다. 핵심 기여는 Yat 커널 \(k_{b,\varepsilon}(\mathbf{w},\mathbf{x})=\frac{(\mathbf{w}^\top\mathbf{x}+b)^2}{\|\mathbf{x}-\mathbf{w}\|^2+\varepsilon}\)를 제안하고, \(b\ge 0\)에서 PSD임을 보이며 \(b>0\)일 때 IMQ를 Loewner 순서로 지배하여 고정 커널 기반의 보편성(universality), 특성성(characteristicness), 엄격 양의 정부정성(strict positive definiteness)을 임의의 콤팩트 영역에서 보장한다. 방법/평가 측면에서는 커널의 방향성 far-field trace \(T_\infty\)를 통해 \((\mathbf{u}^\top\mathbf{w})^2\) 형태의 비방사형 정렬 채널이 드러남을 논증하고, 대수적으로 편향(bias)에 대한 유한차분을 이용해 IMQ atom을 세 개의 양의 편향 Yat atom의 조합으로 정확히 복원하는 등 “고정 RKHS에서의 유한 학습-센터 확장” 관점을 제시한다. 또한 학습된 shared-\((b,\varepsilon)\) Yat 레이어에 대해 닫힌형(norm) \(\boldsymbol\alpha^\top \mathbf{K}\boldsymbol\alpha\)와 대각항 \((\|\mathbf{x}\|^2+b)^2/\varepsilon\)가 Rademacher 일반화 경계에 명시적으로 기여함을 제시한다. 한계로는 주로 이론적 성질(커널 순서/정확 복원/일반화 경계)에 초점이 있으며, 실제 벤치마크 성능이나 안전 관련 실험(예: 견고성/오류 양상 분석)은 본문 요약 기준으로 확인되지 않는다. 정책·규제·국가 전략 시사점으로는, 고정된 보편·특성 RKHS에서의 명시적 일반화 분석 가능성이 모델 거버넌스(예측 불확실성/일반화 신뢰성)와 안전성 평가 프레임 설계에 활용될 여지가 있으나, 안전성 직접 검증은 별도 연구가 필요하다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
본 연구는 GRPO가 사후(post-)학습뿐 아니라 테스트 시점 적응(TTA)에서도 시각-언어 모델의 성능을 유의미하게 향상시키는지에 대한 문제의식에서 출발한다. 저자들은 GRPO를 TTA 설정에 맞게 변형한 GRPO-TTA를 제안하며, CLIP 유사도 분포에서 상위 K개 클래스 후보를 샘플링해 출력 그룹을 구성함으로써 정답 라벨 없이도 확률 기반의 그룹 정책 최적화를 수행한다. 또한 테스트타임 적응에 특화된 보상함수(정렬/alignment 보상과 분산/dispersion 보상)를 설계해 시각 인코더 튜닝이 효과적으로 이루어지도록 한다. 실험은 다양한 벤치마크에서 수행되었고, 기존 TTA 방법 대비 일관된 성능 우위를 보이며 특히 자연 분포 변화(distribution shift) 상황에서 더 큰 개선이 관찰된다고 보고한다. 한계로는 본문 요약 기준으로 보상 설계와 CLIP 기반 후보 샘플링이 어떤 데이터/환경에서 최적인지의 일반화 조건이 명확히 제시되지 않았으며, 향후에는 더 다양한 분포 변화 유형과 계산/안정성 측면의 분석이 필요하다. 정책·규제·국가 전략 관점에서는 테스트 시점 적응이 실제 배치 환경에서 성능 저하를 완화할 수 있는 기술로서, 안전성 평가(오적응/예측 불확실성)와 함께 도입·검증 절차를 마련할 필요가 있다는 시사점을 제공한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
본 연구는 자기지도학습(SSL)이 다양한 방법론을 갖고 있음에도 이를 관통하는 이론적 틀이 부족하다는 문제의식에서 출발한다. 저자들은 SSL을 잠재분포 매칭(Latent Distribution Matching, LDM)으로 재정의하며, (i) 가정된 잠재 모델 하에서 표현의 로그확률을 최대화하는 정렬(alignment)과 (ii) 잠재 엔트로피를 최대화해 붕괴(collapse)를 막는 균일성(uniformity)을 핵심 구성요소로 제시한다. 이 관점으로 독립성분분석(ICA)과 대조/비대조/예측 기반 SSL, stop-gradient 계열 접근까지 하나의 프레임으로 통합하고, LDM을 활용해 샘플링 없이 동작하는 비선형 베이지안 필터링 모델(칼만 기반 예측 포함)을 고차원 시계열에 적용한다. 또한 예측형 LDM이(비선형 예측자 포함) 완화된 가정 하에서 식별가능한(latent identifiable) 표현을 제공함을 정리한다. 한계로는 “가정된 잠재 모델”과 엔트로피/정렬의 구체적 구현이 실제 데이터·태스크에서 얼마나 잘 맞는지에 대한 경험적 검증 범위가 추가로 필요할 수 있으며, 향후에는 더 다양한 SSL 변형과 실제 적용에서의 안정성·성능/계산 트레이드오프를 체계적으로 비교하는 과제가 남는다. 정책/규제·국가 전략 측면에서는, SSL의 설계가 이론적 가정에 의해 좌우된다는 점을 명확히 하여(특히 표현 붕괴 방지 및 가정의 명시화) 안전한 학습 파이프라인을 구축하려는 거버넌스 논의에 참고가 될 수 있다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
본 연구는 신경망이 연결성(구조)으로부터 계산(기능)을 어떻게 구현하는지 이해하는 문제에 동기를 둔다. 저자들은 RNN을 그래프로 모델링하고 입력-출력 유닛 사이의 multi-hop 경로를 분석함으로써, 계층적 모듈 과제에서 나타나는 공간·시간적 기능을 경로 수준에서 복원/해석한다. 또한 hop 길이별로 경로를 분해해 정보가 시간적으로 라우팅되는 방식을 보여주며, 기존 L1 정규화가 단일 가중치(단일 hop)만 제약한다는 점에서 한계를 지적하고 multi-hop 경로를 제약하는 resolvent-RNN(R-RNN)을 제안한다. 평가로는 L1 정규화와 비교해 성능 및 temporal sparsity가 과제 구조와 정렬되는지, 그리고 강한 정규화 하에서도 sparsity-function alignment가 유지되는지(강건성) 등을 통해 검증한다. 한계로는 제안이 RNN과 특정 과제 설정(계층적 모듈 과제, 입력-출력 경로 분석)에 강하게 의존할 수 있으며, 다른 아키텍처/과제 일반화는 추가 검증이 필요하다. 정책·규제/국가 전략 시사점으로는, 안전 관점에서 모델의 내부 계산을 “가중치”가 아니라 “기능적 경로” 단위로 규정·제약하는 접근이 해석가능성과 제어 가능성을 높일 수 있다는 방향성을 제공한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
본 연구는 로봇 비디오 월드 모델이 주로 재구성·지각 유사도 같은 저수준 목표로 학습되어, 실제 로봇 의사결정에 중요한 지표(지시 따르기, 조작 성공, 물리적 그럴듯함)와의 정렬이 약하다는 문제를 다룬다. 또한 장기 지평의 자가회귀 예측에서 오류 누적이 발생해 장면 일관성과 물리적 타당성이 저하되는 점을 함께 해결하려 한다. 핵심 기여로는 (i) 4개 로봇 데이터 소스에서 수집한 10,000개의 비디오-지시 쌍으로 구성된 RobotWorldBench를 제안하고, (ii) 생성 비디오를 6차원으로 평가하는 멀티모달 교사 판단기 RoboAlign-Judge를 학습한 뒤, 이를 경량 학생 보상모델로 증류하여 강화학습 기반 사후학습(post-training)을 수행한다. 장기 롤아웃 드리프트를 줄이기 위해 학습 없이 추론 시점에 컨텍스트를 주기적으로 갱신하는 Sliding Window Re-encoding(SWR) 전략을 도입하며, 인-도메인 평가에서 6차원 종합 점수 10.1% 향상(조작 정확도 +7.5%, 지시 따르기 +4.6%)을 보고한다. 평가 방법은 벤치마크 점수 외에도 외부 VLM 기반 교차검증과 블라인드 인간 연구를 포함하고, SWR은 약 1% 추가 지연으로 SSIM +2.8%, LPIPS -9.8% 개선을 보인다. 한계로는 장기 예측 품질과 과제 정렬이 주로 제안된 벤치마크/교사 판단기 설계에 의존할 수 있으며, 향후에는 더 다양한 환경·로봇 플랫폼으로의 일반화와 보상모델/판단기 편향의 영향 분석이 필요하다. 정책·규제·국가 전략 측면에서는 로봇용 비디오 월드 모델의 “의도(지시) 정렬”과 “물리적 타당성”을 정량 평가·사후학습으로 개선하는 접근이, 안전성 검증 체계(표준 벤치마크, 인간/모델 교차검증, 장기 일관성 지표) 구축에 활용될 수 있다는 시사점이 있다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
코딩 에이전트가 프롬프트 단위 안전심사를 통과해도, 작업을 여러 엔지니어링 티켓으로 분해·순차 수행할 때 악용 가능한 코드가 누적되는 구조적 취약성을 문제로 제기한다. 이를 위해 10개 웹 애플리케이션 기판, 31개 CWE 클래스, 5개 언어를 포함하는 3단계 공격 체인 199개를 구성하고, (i) 실제 익스플로잇 정답(ground truth)과 (ii) 다운스트림 리뷰어 프로토콜을 함께 평가 축으로 삼는 MOSAIC-Bench를 제안한다. 평가에서는 6개 사업자(Anthropic, OpenAI, Google, Moonshot, Zhipu, Minimax)의 9개 프로덕션 코딩 에이전트가 53–86%의 end-to-end ASR로 취약 결과를 생성하며, 직접 프롬프트 실험에서는 0–20.4%로 취약 출력률이 낮아지는 대조를 보인다. 또한 코드 리뷰어 에이전트가 확인된 누적 취약 diff의 25.8%를 일반 PR로 승인하고, 전체 컨텍스트 구현 프로토콜을 적용해도 갭이 50% 수준에서만 줄어들어 “컨텍스트 단편화”만으로는 설명이 어렵다고 결론짓는다. 한계로는 제시된 기판/언어/CWE 및 리뷰어 하위집합에 대한 범위 의존성이 있으며, 향후에는 더 다양한 소프트웨어 기판과 리뷰어/워크플로우 변형에서의 일반화 검증이 필요하다. 정책·규제·국가 전략 측면에서는 단일 프롬프트 기반 안전심사만으로는 시퀀스 기반 악용을 놓칠 수 있으므로, 리뷰·검증을 “단계적 누적 결과” 관점으로 재설계하고(예: 적대적 펜테스터 프레이밍), 에이전트 배포 전 체인형 벤치마크 기반의 구조적 안전성 평가를 제도화할 필요가 있음을 시사한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
오프라인 안전 강화학습에서 배포 시 에피소드별(또는 에피소드 내) 안전 예산(cost limit)이 가변적일 때, 기존 확산 기반 플래너의 guidance가 보상 향상과 제약 만족을 단일 경쟁 목표로 취급해 비용 한도 준수가 불안정해지는 문제가 제기된다. 본 연구는 적응형 안전 궤적 생성을 “제약된 궤적 분포에서의 샘플링”으로 재해석하고, Safe Decoupled Guidance Diffusion(SDGD)를 제안한다. SDGD는 classifier-free guidance를 비용 한도에 조건화해 해당 한도를 만족하는 영역으로 샘플을 편향시키고, 동시에 reward-gradient guidance로 더 높은 return을 위한 궤적을 정교화한다. 다만 reward guidance가 누적 비용을 함께 증가시킬 수 있어 Feasible Trajectory Relabeling(FTR)로 reward 목표를 재형상화하여 비용 드리프트를 억제하며, prefix-restorative alignment 조건 하에서 FTR이 reward 유도 비용 드리프트를 억제한다는 1차(첫째 차수) 수준의 샘플링 시간 분석을 제시한다. 평가는 DSRL 벤치마크에서 수행되며, SDGD는 기준선 대비 가장 높은 안전 준수율(38개 중 36개, 94.7%)을 달성하면서 안전 방법 중 최고 수준의 보상 성능(21개 과제에서 최상)을 보고한다. 한계로는 분석이 특정 정렬 조건(prefix-restorative alignment)에 의존하며, 실제 환경에서 비용-보상 관계가 크게 달라질 경우 일반화 정도는 추가 검증이 필요하다는 점이 남는다; 정책/규제·국가 전략 관점에서는 “가변 안전 예산에 대한 적응적 준수”를 목표로 하는 안전 RL 설계가 중요하며, 비용 한도 조건화와 샘플링 편향/재레이블링 같은 기법이 규제 준수 성능을 정량적으로 높일 수 있는 접근으로 시사된다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 기존 activation-alignment 지표(RSA/CCA/CKA)가 “전역적 readout의 일치”를 주로 측정해, 국소 자극 증거에 대한 민감도(작은 섭동에 대한 구별 능력)를 충분히 설명하지 못한다는 문제의식에서 출발한다. 저자들은 표현을 특정 자극 좌표 부분공간에서 노이즈 하에 작은 섭동을 구별하는 “국소 디코더 가능 정보”로 재정의하고, Fisher 정보 및 로컬 표현 기하를 바탕으로 해당 부분공간에 대한 기대 projected pullback/Fisher metric으로 표현을 요약하는 프레임워크를 제안한다. 이를 통해 두 번째 모멘트 계열의 로컬 판별 과제에 대한 최소·완전한 데이터셋 수준 요약 연산자를 만들고, SPD(대칭 양의 정부호) 행렬의 다양체에서 log-spectral distance로 비교하는 Spectral Riemannian Alignment Score(S-RAS)를 제시한다. 실험에서는 독립적으로 학습된 인공신경망에서 대응 레이어 복원이 가능함을 보이고, 클래스 조건부 프로브의 전이성, 표준/강건 학습 간의 통제된 분리, 그리고 Allen Brain Observatory 정적 그레이팅 데이터로 마우스 시각피질에서 자극 좌표 패밀리 효과를 관찰한다. 한계로는 “어떤 자극 좌표 부분공간을 선택하느냐”가 결과에 영향을 줄 수 있으며, 실제 안전성/견고성 평가로의 직접 연결을 위해서는 더 다양한 환경·위협 모델에서의 검증이 필요하다. 정책·규제 및 국가 전략 측면에서는, 모델 정렬/평가가 전역 표현 유사도에만 의존하지 않고 국소 민감도·견고성 관련 지표를 포함하도록 평가 체계를 확장하는 데 시사점이 있다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 자동 코드 주석/문서 생성이 주로 정적 문법·어휘 특징에 의존해 데이터 중심 소프트웨어에서 “코드가 데이터에 미치는 영향”을 충분히 반영하지 못한다는 문제의식에서 출발한다. 핵심 기여는 실행 후 데이터 변환(semantic data differences)을 추적해 코드의 효과를 설명 가능한 신호로 만들고, 이를 기존 코드 표현과 함께 멀티모달 인코더-디코더(공-어텐션 포함)에 통합하는 실행-인식 확장 접근을 제안한 것이다. 평가를 위해 Kaggle의 Python 노트북을 큐레이션한 데이터셋을 구성하고, 경량 실행 트레이서로 런타임 데이터 변환을 구조화해 주석 생성 성능을 자동/인간 평가로 비교했으며, 특히 관측 가능한 변환이 없을 때 <no_diff> 같은 상징 신호가 견고성과 주석 품질을 개선하는 결과를 보고한다. 다만 의미적으로 풍부한 시나리오에서는 일관된 품질 향상이 관측되지 않았고, 데이터셋 규모와 모달리티 노이즈, 그리고 주석-코드 정렬 민감도(확장된 더 큰 노이즈 테스트셋에서 경향이 약화됨)가 한계로 제시된다. 정책/규제·국가 전략 관점에서는 데이터 변환을 근거로 문서화를 보강하는 방식이 소프트웨어 유지보수의 설명가능성과 오류/추측 감소에 기여할 수 있으나, 본 연구는 안전성 직접 검증보다는 문서화 품질과 견고성에 초점을 둔 탐색적 결과이므로 추가 검증과 표준화된 평가체계가 필요하다는 시사점을 준다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 에이전틱 AI가 외부 도구를 호출해 행동을 수행하기 전에 인간 개입·거버넌스 개입이 늦어질 수 있다는 문제의식에서 출발한다. TEOW-AGL은 모델 비의존적으로, 에이전트가 제안한 각 행동을 구조화된 AgentAction으로 변환한 뒤 결정론적 거버넌스 파이프라인으로 평가하여 Blue(자율 실행)·Green(인간 게이트 실행)·Red(긴급 차단)로 라우팅하는 “사전 실행(pre-execution) 거버넌스” 아키텍처를 제안한다. 단일 시퀀서 오케스트레이터 하에서 거버넌스 권한, 인간 승인, 실행을 하드 아키텍처적으로 분리하고, 모든 의사결정을 JSONL 감사 로그(audit trace)로 기록하는 구현을 제공한다. 평가는 본문에서 주로 아키텍처 패턴의 재현성과 거버넌스 라우팅/차단 동작의 구조적 검증에 초점을 두며, 구체적 벤치마크보다는 도구-실행 표준 및 관련 에이전트 안전 접근들과의 위치를 비교하는 방식으로 논의된다. 한계로는 “참조 릴리스”로서 프로덕션 안전 플랫폼이나 컴플라이언스 솔루션을 목표로 하지 않으며, 실제 운영 환경에서의 정책 설계·성능/오탐·우회 대응 등은 향후 과제로 남긴다. 정책/규제·국가 전략 측면에서는 에이전트의 도구 실행을 모델 출력 후처리로만 다루지 말고, 실행 이전에 권한·승인·차단을 강제하는 제도 설계(감사 가능성 포함) 방향성을 시사한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
에이전틱 AI가 외부 도구를 실행하기 전에 인간 개입이나 거버넌스 개입이 늦어질 수 있다는 문제의식에서 출발한다. TEOW-AGL은 모델-비의존적으로, 에이전트가 제안한 각 행동을 구조화된 AgentAction으로 변환한 뒤 결정론적 거버넌스 파이프라인으로 평가하여 Blue(자율 실행)·Green(인간 게이트 실행)·Red(긴급 차단) 중 하나로 라우팅하는 “사전 실행(pre-execution) 거버넌스” 아키텍처를 제안한다. 단일 시퀀서 오케스트레이터 하에서 거버넌스 권한, 인간 승인, 실행을 하드 아키텍처로 분리하고, 모든 결정을 JSONL 감사 로그(audit trace)로 기록하는 참조 구현을 제공한다. 평가/검증은 특정 벤치마크 성능 수치보다는, 도구 실행 전 권한 부여를 강제하는 재현 가능한 구조 패턴과 참조 아티팩트로서의 구현 가능성을 중심으로 제시된다. 한계로는 생산용 안전 플랫폼이나 컴플라이언스 솔루션이 아니라 “참조 릴리스”로 범위를 명확히 두며, 실제 정책/법규 준수나 고도화된 위험 추론의 완전성은 후속 작업에 남긴다. 정책·규제·국가 전략 측면에서는, 에이전트 시스템에 대해 출력 필터/사후 모니터링보다 “도구 실행 전 승인·권한”을 제도화하는 설계 원칙을 시사한다.
본 연구는 멀티모달 에이전틱 AI의 안전을 “확률적 추정”이 아닌 “수학적 확실성”에 기반해 거버넌스하려는 동기에서 출발한다. 핵심 기여는 Arithmetic Spectral Theory(AST)와 Laplace-Extended Euler-Fourier-Mellin 연산자를 통해 안전 임계값(Λ=0.9583)을 하드코딩이 아니라 소수 2,3,5,7,11,13의 연산자 노름에서 도출하고, 의도 정렬을 “critical line”에 대응시키는 결정론적 프레임워크(H2E)를 제시하는 것이다. 평가/검증은 본문에서 주로 결정론적 감사가능성(각 추론의 고유 SHA256 해시로 포렌식 트레일을 남김)과 로컬·에어갭 환경에서의 멀티모달 통합(텍스트 Sarvam-30B, 오디오 Voxtral-Mini-4B, 비전 Gemma 4) 및 경량 실행(단일 서버, 98GB 미만 VRAM 등) 같은 운영 지표로 설명된다. 한계로는 제공된 초록/본문이 안전성의 “보장”을 뒷받침하는 정량 벤치마크(예: 공격/오류 유형별 성능, 비교 실험)와 엄밀한 실증 절차를 구체적으로 제시하지 않는 점이 있다. 정책/규제·국가 전략 측면에서는 소버린 AI를 위한 오프라인 배포, 감사가능성(해시 기반 추적), 수학적 규정에 기반한 거버넌스 설계가 규제 준수 및 책임성 체계 구축에 시사점을 줄 수 있다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
과학 문헌이 빠르게 증가하면서 연구 분야 지식을 효율적으로 조직·탐색하기 위한 고품질 계층형 분류(택소노미) 생성이 어려워지는 문제를 다룬다. 기존 방법들이 상위·하위 계층 간 구조적 불일치와 의미 정렬 실패를 겪는 원인을 “계층적 의미 일관성(hierarchical semantic consistency)”의 부적절한 모델링으로 보고, 이를 개선하기 위해 LLM 기반 SC-Taxo 프레임워크를 제안한다. 핵심 기여는 (1) bottom-up 추상화와 top-down 의미 제약을 함께 수행하는 bidirectional heading generation, (2) 계층 간 정합성을 높이기 위한 hierarchy-aware refinement 단계, (3) 같은 레벨(동료) 간 의미 의존성을 반영해 horizontal consistency를 강화하는 구성이다. 평가는 여러 벤치마크 데이터셋에서 계층 정렬(hierarchy alignment)과 헤딩 품질(heading quality)을 중심으로 수행하고, 중국어 과학 문헌 추가 평가로 교차언어 일반화의 견고함을 확인한다. 한계로는 본문에서 구체적 제약(예: 특정 도메인 편향, 장문/희소 데이터에서의 성능 저하, 자동 생성 오류의 후처리 방식 등)이 명시적으로 정리되지는 않아 후속 연구가 필요하다. 정책/규제·국가 전략 측면에서는, 과학 지식의 구조화·검색 효율을 높이는 도구로서 연구 인프라(문헌 정리, 트렌드 분석, 정보검색) 고도화에 기여할 수 있으며, 안전 관점에서는 생성된 분류의 의미 정합성과 품질 검증 체계를 함께 마련할 필요가 있다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전 소아 ECG 자동진단은 성인 데이터로 학습된 모델이 소아 집단과의 분포 불일치(cross-population mismatch)를 겪고, 소아 라벨은 희소하다는 문제가 있다. PEACE는 성인→소아 전이를 목표로 한 구조화된 크로스모달 정렬 프레임워크로, (1) 삼축 임상 시맨틱 분해, (2) 라벨-쿼리 기반 특징 추출, (3) curriculum-gated 최적화를 통해 성인 표현을 소아 진단 타깃에 정렬한다. 또한 ZZU-pECG에는 짝지어진 임상 리포트가 없으므로, Gemini에 간결한 임상 프롬프트를 사용해 라벨 조건부 시맨틱 디스크립터를 생성하고 이를 보조 학습 감독으로만 활용하며, 추론은 ECG만 사용한다. ZZU-pECG에서 zero-shot/50-shot/전체 파인튜닝 설정 각각 AUC 59.39%/79.03%/90.89%를 보고, PTB-XL의 공유 라벨 공간에서는 96.65% AUC를 달성한다. 한계로는 실제 배치 환경에서의 성능과 안전성을 확인하기 위한 전향적 임상 검증, 그리고 연령(age) 인지 모델링을 더 명시적으로 하는 후속 연구가 필요하다고 제시한다. 정책/규제·국가 전략 관점에서는 소아 진단에서 데이터 희소성과 분포 불일치를 줄이기 위한 전이학습·시맨틱 정렬 접근이 유망하나, 실제 임상 배치 전 임상시험 및 연령 편향/오분류 위험에 대한 검증 체계가 중요하다는 시사점을 제공한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
본 연구는 공학 설계에서 DSM 모듈화(시스템 요소를 응집도 높은 모듈로 분할하는 조합 최적화)를 기존의 순수 그래프 최적화 관점에서 벗어나, LLM을 활용해 더 맥락적으로 해결할 수 있는지에 대한 문제의식에서 출발한다. 핵심 기여는 DSM 모듈화에 대해 5개 사례와 3종 백본 LLM에 걸쳐 확장 적용하고, 30회 반복 내에 기준(레퍼런스) 품질에 근접하는 성능을 보이면서도 특수 최적화 코드를 요구하지 않는 방법을 제시한 점이다. 평가/검증은 여러 DSM 사례에 대한 성능 비교와 함께 입력 표현, 목적함수 구성, 솔루션 풀 설계 등 구성요소를 제거하는 ablation 연구로 이뤄지며, 특히 도메인 지식이 복잡한 DSM에서는 오히려 성능을 저해한다는 관찰을 통해 “semantic-alignment(의미 정렬) 가설”을 제안한다. 한계로는 LLM의 기능적 사전지식이 구조적 최적화 목표와 의미적으로 어긋날 때 성능이 저하될 수 있으며, 이를 체계적으로 판별·조정하는 조건의 실증 범위가 추가 연구 대상이 될 수 있다. 정책/규제·국가 전략 시사점으로는 공학 최적화 영역에서 LLM을 도입할 때 도메인 지식 주입이 항상 유리하지 않으므로, 안전한 배치와 성능 검증을 위한 표준 평가 절차(벤치마크·검증 프로토콜) 마련 필요성이 시사된다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 기존 연구 인프라가 문서(논문) 중심으로 연결되어 있어, 방법론(method) 자체의 진화·계보·전환 원인을 구조적으로 재구성하기 어렵다는 문제의식에서 출발한다. 특히 AI 연구 에이전트가 비구조 텍스트로부터 방법 진화 토폴로지를 안정적으로 복원하기 어렵다는 점을 동기로 제시하며, 방법론 수준의 엔티티를 자동 식별하고 계보(lineage) 및 전환을 유발하는 병목(bottleneck)을 포착하는 “방법론 진화 그래프”인 Intern-Atlas를 제안한다. 1,030,314편의 AI 관련 논문을 기반으로 9,410,201개의 의미 유형 엣지를 구성하고, 각 엣지를 원문 근거(verbaitm source evidence)로 정합화한 질의 가능한 인과 네트워크로 구축한다. 방법 진화 체인을 시간축에서 추적하기 위해 self-guided temporal tree search 알고리즘을 사용하며, 전문가가 큐레이션한 진화 체인과의 정렬(alignment)로 그래프 품질을 평가하고 강한 일치를 보고한다. 한계로는 방법론 엔티티/계보 추론의 정확도와 도메인 편향 가능성(데이터가 AI 논문에 집중됨), 그리고 “인과”로 해석되는 엣지의 범위가 실제로 어느 정도까지 보장되는지에 대한 추가 검증이 향후 과제로 남는다. 정책·규제·국가 전략 측면에서는, 자동화된 과학/연구 에이전트가 신뢰 가능한 방법론 지식층을 필요로 한다는 점에서, 연구 데이터 인프라(메타데이터·근거 기반 그래프) 구축과 안전한 자동 연구(idea 평가/생성) 지원 체계 마련에 시사점을 제공한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
본 연구는 데이터셋 증류가 인구집단(데모그래픽 그룹)별로 서로 다른 예측 패턴을 동시에 보존하지 못해 공정성 격차(특정 하위집단 성능 저하)가 발생하는 문제를 동기에서 출발한다. 핵심 기여는 그룹 크기 불균형만으로는 공정성 격차가 해소되지 않으며, 하위집단 간 예측 패턴의 근본적 불일치가 원인임을 분석하고, 이를 해결하기 위해 그룹-불균형-불감(imbalance-agnostic)한 “예측 정보의 바리센터(barycenter)”를 찾아 모든 하위집단에서 유사한 표현을 유도하도록 증류 목표를 정식화한 점이다. 방법적으로는 기존 증류 기법과의 호환성을 전제로, 하위집단별 표현/정보가 공유된 집계 표현으로 정렬되도록 합성 데이터(또는 증류된 데이터)를 학습한다. 평가에서는 데이터셋 증류로 인해 발생하는 편향을 측정하고, 하위집단별 성능 하락 및 공정성 격차가 얼마나 감소하는지 실험적으로 확인하며, 그룹 불균형 보정만으로는 해결되지 않는 격차를 제안 방식이 실질적으로 줄인다고 보고한다. 한계로는 “바리센터 정렬”이 어떤 데이터/모델/그룹 정의에서 가장 잘 작동하는지에 대한 일반화 범위와, 실제 정책적 공정성 지표(예: 법적/규제적 정의)와의 직접 정합성은 추가 검증이 필요하다. 정책·규제·국가 전략 측면에서는, 합성/압축 데이터 기반 학습이 공정성 리스크를 내포할 수 있으므로 증류 단계에서도 하위집단 성능을 함께 검증하고, 불균형 보정 외에 표현 정렬 같은 구조적 편향 완화 요구가 있음을 시사한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 민간 맥락의 일반적 안전 벤치마크가 군사 의사결정에서 요구되는 법·윤리·교리 준수 여부를 충분히 검증하지 못한다는 문제의식에서 출발한다. 저자들은 전쟁법(Law of War), 교전규칙(Rules of Engagement), 합동윤리규정(Joint Ethics Regulation)에서 교리 문구를 추출하고, 각 규칙의 의도된 의미를 보존하도록 객관식 문항을 생성해 ARMOR 2025라는 군사 정렬형 안전 벤치마크를 제안한다. 벤치마크는 OODA(Observe-Orient-Decide-Act) 의사결정 프레임워크에 기반한 12개 범주 택소노미로 구성되며, 군사 관련 의사결정 유형별로 정확도와 거부(refusal)를 체계적으로 평가하도록 설계된다. 21개 상용 LLM에 대해 519개의 교리 기반 프롬프트를 적용한 결과, 군사 적용에서의 안전 정렬에 중요한 공백이 있음을 보고한다. 한계로는 교리 문구 기반 객관식 평가가 실제 작전 환경의 복잡한 맥락·상호작용을 완전히 대변하지 못할 수 있으며, 향후에는 더 다양한 시나리오와 실제 사용 맥락에서의 검증이 필요하다고 볼 수 있다. 정책/규제·국가 전략 측면에서는 군사 목적 LLM 도입 시 “민간 안전”을 넘어 전쟁법·교전규칙·윤리규정에 정렬된 평가체계를 요구하는 근거를 제공한다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
본 연구는 의료 영상 진단에서 정적 시각 특징뿐 아니라 임상의가 즉시 호출하는 “진단적 기억(implicit diagnostic memory)”이 모델 해석에 반영되지 않는 문제에 동기한다. 저자들은 의료 VLM에서 이산 토큰화로 인한 양자화 손실, 장거리 정보 소실, 사례 적응 전문성 누락이라는 인지적 불일치를 지적하고, 이를 “잠재 진단 기억의 진화”로 메우는 프레임워크 MedSynapse-V를 제안한다. 방법은 (1) Meta Query for Prior Memorization으로 해부학적 prior encoder에서 구조화된 사전 정보를 검색해 응축된 암묵 기억을 생성하고, (2) Causal Counterfactual Refinement(강화학습+영역 단위 feature masking 기반 반사실 보상)으로 각 기억의 인과 기여를 추정해 중복을 가지치기하며 임상 논리와 정렬하고, (3) Intrinsic Memory Transition에서 teacher-branch 패턴을 student-branch로 내재화하기 위해 full-vocabulary divergence 정렬을 수행한다. 평가는 여러 데이터셋에서 진단 정확도를 중심으로 수행되며, 특히 chain-of-thought 계열과 비교해 성능이 유의하게 우수하다고 보고한다. 한계로는 의료적 “임상 충실도”를 보장하는 인과 보상 설계와 마스킹 기반 기여도 추정이 실제 임상 근거와 얼마나 일치하는지에 대한 추가 검증이 필요할 수 있으며, 향후에는 더 다양한 임상 시나리오/기관 일반화와 안전성(오진 위험) 평가가 요구된다. 정책·규제/국가 전략 측면에서는 의료 AI가 단순 정확도뿐 아니라 임상 논리 정렬과 설명 가능성(기억/근거의 인과적 기여)을 강화하는 방향의 연구가 규제 심사 및 배포 가이드라인 수립에 참고될 수 있다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI 중 안전
본 연구는 마케팅·매거진 등 그래픽 디자인의 다국어 확산을 위해 번역된 텍스트의 의미 정확도뿐 아니라 원문의 텍스트 스타일(시각적 배치)을 보존해야 하는 문제에 동기한다. 이를 위해 번역 과정에서 핵심인 단어 정렬(word alignment)을 정확히 수행해 스타일 전이를 가능하게 하는 방법을 제안하며, 상용 NMT/LLM 번역 기술 위에 (1) 스타일 태그를 포함한 NMT, (2) 스타일 태그를 포함한 LLM, (3) NMT로 번역 후 LLM에 unigram 매핑을 활용하는 하이브리드 방식을 제시한다. 평가는 정렬 결과를 기존 attention head 기반 접근과 비교해 그래픽 디자인 적용 가능성을 가늠하는 방식으로 수행되며, 결과적으로 attention head 강한 기준선이 LLM/NMT 단독보다 더 정확하고 하이브리드 NMT+LLM과 비슷한 수준임을 보고한다. 한계로는 제안된 방법들이 특정 정렬 정확도 개선에 초점을 두며, 실제 디자인 파이프라인에서의 전반적 품질(예: 레이아웃 적합성, 사용자 선호도)까지 직접 검증한 범위는 제한적일 수 있다. 정책/규제·국가 전략 측면에서는, 다국어 콘텐츠 제작 자동화가 확산되는 환경에서 번역·레이아웃 품질(정렬 정확도 등)을 평가하는 기술 기준과 검증 체계 마련의 필요성을 시사한다.
Cyber Eagle Project Inc.와 Vatican Cyber Volunteers(VCV)가 바티칸의 디지털 인프라 강화를 위한 전략적 제휴(MoU)를 체결했다고 밝혔다. 협력 내용에는 AI 기반 사이버 방어 역량 제공, 에이전틱 AI를 활용한 위협 인텔리전스·대응 자문, 그리고 바티칸 컴퓨터 긴급대응팀(CERT) 설립 추진이 포함된다. 또한 다크웹 모니터링을 통해 해커티비스트 활동·악성코드·정보탈취·신분사칭 등 조기 경보를 제공하고, 유엔·ITU 등 다자 포럼에서 AI 윤리와 디지털 주권, 사이버 평화 구축을 위한 사이버 외교 활동도 지원한다고 설명했다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 실제 업무 맥락에서 데이터 시각화(DV) 에이전트가 요구되는 환경 접지(현업 도구·형식), 플랫폼/코드 진화, 그리고 의도 정렬(모호한 요구에 대한 사전적 대응)을 기존 벤치마크가 충분히 반영하지 못한다는 문제의식에서 출발한다. 핵심 기여는 현업 라이프사이클을 모사한 260개 태스크 벤치마크 DV-World를 제안하고, 이를 DV-Sheet(스프레드시트 기반 차트/대시보드 생성·진단 복구), DV-Evolution(새 데이터에 맞춘 시각화 아티팩트의 재구조화·적응), DV-Interact(사용자 시뮬레이터와의 상호작용을 통한 모호한 요구에서의 의도 정렬)로 세분화한 점이다. 평가는 수치 정밀도를 위한 Table-value Alignment와 의미-시각 평가를 위한 MLLM-as-a-Judge(루브릭 기반)를 결합한 하이브리드 프레임워크로 수행하며, 최신 모델도 전체 성능이 50% 미만임을 보고해 실세계 복합 과제 처리의 취약성을 드러낸다. 한계로는 실제 기업 환경의 모든 변동성(도구 생태계, 데이터 품질, 조직적 제약 등)을 완전히 포괄하기는 어렵고, 벤치마크 범위 내에서의 일반화가 추가 검증이 필요하다는 점이 남는다. 정책/규제·국가 전략 측면에서는, 고위험 자동화(업무 의사결정 지원)로 이어질 수 있는 DV 에이전트의 성능·정렬을 “코드 실행 가능성”만이 아니라 “업무 맥락 적합성” 중심으로 평가하도록 유도하는 근거를 제공하며, 산업 현장 배치 전 검증 체계 수립에 활용될 수 있다.
분야: 안전/거버넌스/프론티어 평가/소버린 AI
본 연구는 링크 예측에서 GNN이 노드 분류와 유사한 “그래프 속성 기반의 일반화 표현”을 학습할 것이라는 기존 직관이 일반적으로 성립하는지 문제를 제기한다. 저자들은 배치 정규화(batch-normalisation) 계층이 결합될 때, 모델이 미니배치의 클래스 구성에 의존하는 사소한(트리비얼) 휴리스틱을 학습해 엣지 분류를 해결할 수 있음을 보인다. 이를 교정(correction)한 뒤에는 네트워크 표현이 노드 분류에 관련된 특징들과 더 잘 정렬(alignment)되는 현상을 관찰하며, 표준 학습이 링크 예측기의 “일반화 표현 학습 능력”을 과대평가하게 만들 수 있음을 시사한다. 한계로는 특정 모델/학습 구성에서의 편향 메커니즘을 중심으로 분석되며, 다양한 아키텍처·데이터 분포·학습 설정 전반에 대한 일반화 범위는 추가 검증이 필요하다. 정책/규제·국가 전략 측면에서는, 프론티어 모델 평가에서 성능 향상이 실제 일반화 능력을 반영하는지(데이터/배치 편향에 의한 과대추정 방지) 점검하는 평가·검증 절차의 중요성을 강조한다.
중국 정부는 자국의 유망 AI 스타트업들이 미국 자본과 시장 접근을 위해 본사를 싱가포르 등 해외로 이전하거나 매각하려는 시도를 강도 높게 조사하며 제동. 미국의 수출 통제를 우회하려는 기업들의 '탈중국화'를 막고, 중국의 핵심 AI 기술과 인재가 서방으로 유출되는 것을 차단하기 위한 명확한 경고 조치로 해석.
영국 과학혁신기술부(DSIT)는 글로벌 경쟁력 확보와 국가 안보를 위해 유망 자국 AI 스타트업들에 자금, 컴퓨팅 자원, 비자 등을 지원하는 '소버린 AI(Sovereign AI)' 유닛을 가동. 영국의 우수 AI 기업들이 해외로 유출되는 것을 막고 자국 내에서 성장할 수 있도록, Callosum 등에 지분 투자 및 슈퍼컴퓨터 접근권을 제공.
유럽연합 집행위원회 부집행위원장 헨나 비르쿤넨과 로크사나 민차투가 브뤼셀에서 EdTech 기업 리더들과 고위급 대화를 개최한다. 이번 논의는 교육·훈련에서 기술의 중요성이 커지는 흐름, EU의 디지털 주권과 경쟁력에 대한 기여, 그리고 비(非)EU 기술 생태계 의존을 줄이면서 EU 내 AI 기반 교육 솔루션의 경쟁력을 강화하는 방안을 다룬다. 또한 교육과 기업 간 협력 및 전략적 파트너십을 통해 유럽 EdTech 기업의 유럽·글로벌 성장과 경쟁력 제고를 모색하며, 올해 말 예상되는 ‘디지털 교육 및 기술’ 2030 로드맵 준비에도 기여할 예정이다.
CFG는 AI 발전 경로가 불확실하므로 특정 미래에만 베팅하면 정책 공백이 생길 수 있다고 보고, 5개 시나리오 전반에서 효과가 좋은 20개 정책 옵션을 제안했다. 권고는 (1) 경쟁력 강화를 위한 역량 구축, (2) 디지털 주권 방어를 위한 회복력 강화, (3) 글로벌 거버넌스를 선도하기 위한 영향력 확보의 3개 축과, 이를 가능하게 하는 6개 공통 긴급 과제로 구성된다. 공통 과제로는 EU 자본시장 통합, 정부 내 AI 전문인력 확충, 특수 컴퓨트 존을 통한 인프라 확대, 중요 인프라 대상 AI 기반 사이버 방어, 모델의 오용·탈옥(jailbreak) 대응 연구, 기초 AI 안전과학 투자 등이 포함된다. 또한 반도체 의존도 파악과 투자, 고보안 데이터센터, 합의·검증 플랫폼 및 합성미디어 탐지, AI 안전 기준의 국제 확산(GPAI 코드 등)과 AI용 ‘CERN’ 같은 협력 인프라 구축을 제시한다.
CIFAR는 CAISI 연구프로그램의 ‘AI Safety Catalyst Projects’ 2기 8개 과제에 100만 달러 이상을 지원한다고 밝혔다. 이번 과제들은 사회과학·인문학 관점을 포함해 AI 안전, 책임성, 윤리적 배치의 시급한 문제를 다루며, 원주민 데이터 주권·전문직 역할별 AI 인증·민주적 의사결정의 설득 편향 방지 등 주제를 포함한다. 또한 반복 대화형 AI가 정치적 태도에 미치는 영향, 언어모델의 인과·제도적 추론 통합, ‘기만적 정렬’ 위험을 줄이기 위한 공감 기능 검증, 실시간 ‘레드팀’ 안전장치 평가 등 구체적 연구를 수행할 계획이다.
스탠퍼드 HAI 연구진은 AI 주권 개념을 “왜(목표)·어디서(기술 스택 레이어)” 재의미해 의존관계를 전략적으로 재조정하자는 방향을 제안했다. 정부들은 OpenAI·DeepSeek·Nvidia 등 특정 공급자와 미국·중국에 대한 의존을 줄이기 위해 국내 AI 역량 투자와 규제 역량 강화를 추진하지만, ‘AI sovereignty’가 국가의 자급·규제권 강화부터 기업의 운영 통제까지 서로 다른 의미로 쓰여 일관된 정의와 측정이 어렵다고 설명한다. 또한 인프라·데이터·모델·애플리케이션·인재 등 스택 전반에서 통제 범위가 달라 목표에 따른 상충(예: 데이터 현지화의 혁신 저해·보안 취약 가능성)도 발생한다고 밝혔다. 연구진은 전면적 고립이나 전 스택 국내 개발이 현실적이지 않으며, open-source 협력 등으로 전략적 상호의존을 관리하는 접근이 필요하다고 강조했다.
이 연구는 기술주권 관점에서 소버린 AI의 개념과 유형을 정립하고 미국·중국·일본·프랑스 등 주요국의 AI·반도체·디지털 정책을 비교했다. 한국은 재정·인재·GPU·데이터·시장 규모와 글로벌 영향력에 제약이 있어 단기간에 풀스택형 소버린 AI를 구축하기보다, 통신·메모리 반도체 강점을 활용하는 레버리지형 전략을 우선 추진한 뒤 하이브리드형으로 전환하는 방안이 현실적이라고 제시했다. 이를 위해 제조업 중심 지원에서 벗어나 다양한 산업의 AI 서비스·솔루션 기업을 육성하고, 데이터·컴퓨팅·민관 협력·AI 안전 및 국제표준 역량을 강화해야 한다고 제안했다.
기술패권 경쟁은 직접 충돌보다 상대를 배제하고 기술적 우위를 확보하기 위한 경제·비경제 수단의 경쟁이라는 관점에서, AI가 국가 패권의 핵심 수단으로 인식된다고 설명한다. 미국은 책임 있는 AI를 ‘가속화를 방해하는 장애물’로 보고 제거 대상으로 지목하는 등 군사·국방 분야 AI 도입을 가속화하는 정책을 추진했으며, 한국도 AI 기본법상 규제를 유예하고 국방 AI 전환을 가속화하는 흐름이 이어지고 있다고 전한다. 다만 ‘소버린 AI’가 국가를 유일무이한 행위자로 세우며 시민의 민주적 거버넌스와 숙의를 약화시킬 수 있다는 점을 문제로 제기한다.
국가인공지능전략위원회 부위원장은 세계정부정상회의 참석 직후 UAE 아부다비에서 MGX와 정부역량강화부 등 고위 인사들을 만나 양국의 AI·디지털 협력 구체화 방안을 논의했다. 양국은 AI 투자 사절단 상호 방문, 공공서비스 분야 AX 협력, 민·관 협력체계 강화에 합의했다. 또한 칼리파항을 중심으로 스마트 항만 협력을 추진해 양국의 물류·AI 산업 경쟁력을 높이기로 했다.
해당 페이지 요청이 웹 방화벽 보안 정책에 위배되어 차단되었다는 안내가 표시됩니다. 차단 사유와 관련해 탐지 시간, 클라이언트 IP, 요청 URL을 확인하는 항목이 함께 제시됩니다.
트럼프 2기 행정부는 바이든 행정부의 ‘안전·신뢰’ 중심 기조에서 벗어나 규제 완화와 산업 육성을 통한 AI 성장 가속화 전략으로 전환했다. ‘AI 행동계획’은 혁신 촉진, 인프라 구축, 국제 외교·안보 주도라는 3대 축을 바탕으로 미국 중심의 기술 블록 구축과 대중국 견제를 추진한다. 우리나라는 소버린 AI 확보와 AI 3대 강국 도약을 위해 대규모 투자, AI 기본법 제정, 국제 협력을 추진하고 있으며, 인프라·오픈 생태계 활용과 기술안보 대응, 선택과 집중을 통한 AI 주권 확보가 필요하다.
영국 정부는 AI 발전을 뒷받침할 ‘현대적 공공 컴퓨트 생태계’ 구축을 목표로 한 로드맵을 발표했다. 2030년까지 최대 20억 파운드를 투입해 AI Research Resource(AIRR) 20배 확장(2030년까지)과 에든버러의 신규 국가 슈퍼컴퓨터 서비스(최대 7.5억 파운드) 등을 추진하며, 영국 전역에 AI Growth Zones(AIGZs)를 조성해 학습·추론 워크로드를 지원한다. 또한 컴퓨트 배분 모델을 고효율 연구·혁신 우선순위에 맞게 재정비하고, Sovereign AI Unit 및 AI Security Institute에 전용 컴퓨트 접근을 보장하는 등 ‘주권적·안전·지속가능’ 역량을 강화하는 10개 실행 과제를 제시했다.
KDB미래전략연구소는 국가가 독립적인 인공지능 역량과 데이터 주권을 확보하는 주권형 인공지능의 필요성이 커지고 있다고 분석했다. 각국은 글로벌 빅테크 기업에 대한 기술 종속을 줄이기 위해 다양한 방식으로 주권형 인공지능을 구축하고 있으며, 자국 데이터 축적이 가능한 LLM에 공통적으로 주목하고 있다. 보고서는 한국이 네이버의 자체 LLM과 전자정부 경쟁력을 바탕으로 공공영역의 AI 전환을 선도하고, 디지털플랫폼정부를 통해 주권형 인공지능 구축 경험을 확산할 필요가 있다고 제안했다.
보고서는 생성형 AI에 대한 관심과 공공부문의 초거대 AI 도입 의지가 높아지는 가운데, 데이터 주권과 보안 문제로 구축 방안을 정하기 어려운 상황을 설명한다. 공공데이터 주권 클라우드의 개념과 동향을 검토하고, 공공자원을 활용한 초거대 AI 도입 및 주권 클라우드 구축 전략과 정책적 시사점을 제시한다.