Epic은 7월 30일부터 포트나이트 크리에이터가 LLM 기반 캐릭터 대화를 넣은 섬을 공개할 수 있다고 밝혔다. Hugging Face는 자율 에이전트가 일으킨 침입 사고를 공개했고, 새 연구들은 월드 모델의 실패, 실시간 영상·3D 기술, 코딩 에이전트, 교육용 질의응답, AI 글 탐지의 편향을 측정했다.

밤사이 달라진 것

  • Epic은 현재 시험 중인 LLM 대화 기능을 7월 30일부터 공개 포트나이트 섬에서도 쓸 수 있게 한다.
  • Hugging Face는 자율 에이전트 시스템이 처음부터 끝까지 수행한 침입 사고를 공개했다. 회사는 공개 모델, 데이터셋, Spaces, 패키지, 컨테이너 이미지가 변조됐다는 증거는 찾지 못했다고 밝혔다.
  • Epic은 포트나이트 캐릭터 36명에 일관된 목소리와 성격을 적용했다. 성우들은 개발자 제작 섬에서 말하는 음성 모델에 자신의 연기를 사용하는 데 동의했다.

AI 캐릭터와 플랫폼 규칙

포트나이트, LLM 대화를 넣은 섬 공개 허용

Epic은 7월 30일부터 LLM 기반 NPC·캐릭터 대화를 넣은 섬을 공개할 수 있다고 밝혔다. 현재 시험 기능인 대화를 플레이어에게 배포하는 콘텐츠에도 쓸 수 있게 된다.

회사는 NPC로 활용하는 포트나이트 캐릭터 36명에 일관된 목소리와 성격도 적용했다. Epic에 따르면 독립 전문 성우가 원본 연기를 녹음했고, 개발자 제작 섬에서 음성 모델이 답변을 생성하는 데 동의했다. 기존 포트나이트 성우와 관련 조합에는 원래 목소리를 크리에이터 생태계에서 활용하는 방안을 제안할 계획이다.

Epic은 출시 때 동시에 처리할 수 있는 대화 수, 안전 심사 결과, 크리에이터 수익 구조를 아직 공개하지 않았다. 캐릭터 설정을 벗어난 답변을 어떻게 처리할지도 밝히지 않았다.

에이전트 보안

Hugging Face, 자율 에이전트가 다단계 침입 수행

Hugging Face는 악성 데이터셋이 데이터 처리 과정의 원격 코드 로더와 템플릿 삽입 취약점을 악용했다고 밝혔다. 공격자는 처리 작업자에 접근한 뒤 노드 권한을 얻고, 클라우드·클러스터 자격 증명을 수집해 내부 클러스터 여러 곳으로 이동했다.

회사는 짧게 실행되는 샌드박스를 다수 이용하는 자율 에이전트 프레임워크가 공격을 수행했다고 설명했다. 조사 과정에서 기록한 행동은 1만7,000건이 넘는다. Hugging Face는 최초 침입에 쓰인 코드 실행 경로 2개를 막고, 영향을 받은 노드를 재구축했으며, 자격 증명을 교체했다. 공개 모델, 데이터셋, Spaces, 패키지, 컨테이너 이미지가 바뀐 증거는 찾지 못했다고도 밝혔다. 다만 파트너나 고객 데이터가 영향을 받았는지는 계속 조사하고 있으며, 사용자에게 토큰 교체와 최근 계정 활동 확인을 권고했다.

침입은 데이터가 모델이나 빌드에 쓰이기 전, 플랫폼이 외부 제공 자료를 처리하는 단계에서 시작됐다.

월드 모델 실패 실험

BadWAM, 예측 영상은 그대로 두고 실제 행동을 바꾼다

Qi Li, Xingyi Yang, Xinchao Wang은 작은 시각 교란으로 월드 액션 모델을 공격하는 방법을 제시했다. 하나는 행동을 직접 바꾸고, 다른 하나는 모델이 그리는 미래 장면을 그럴듯하게 유지하면서 실행 행동만 바꾼다.

연구진의 폐쇄형 반복 실험에서 행동만 노린 공격은 한 모델의 과제 성공률을 96.5%에서 43.1%로 낮췄다. 미래 장면의 변화를 제한한 공격도 효과를 유지했다. 예상 장면이 자연스러워 보여도 바로 다음 행동이 안전하거나 정확하다고 판단할 수 없다는 결과다.

Pong 월드 모델 5종, 공이 사라지거나 궤적이 틀어진다

Yukuan Lu 연구팀은 Atari Pong에서 DreamerV3, DIAMOND, TWISTER, Simulus, STORM의 학습 과정을 재현한 뒤 월드 모델을 고정하고 연속 장면을 살폈다. 다섯 모델 모두 공이 사라지고, 궤적이 틀리거나, 공과 패들이 불가능한 방식으로 부딪히는 오류를 보였다.

고정한 모델 안에서만 훈련한 정책은 실제 환경에서 기존 모델 기반 강화학습 시스템보다 성능이 낮았다. DreamerV3 평균 보상은 -5.5에서 -20.9로 떨어져 Pong 최저치인 -21에 가까웠다. 연구진은 공처럼 과제 수행에 중요한 영역의 복원을 강조하는 보조 손실을 적용해 여러 모델을 개선했지만, 모든 모델과 평가 지표에서 같은 효과가 나타나지는 않았다.

DriftWorld, 행동에 따른 미래를 초당 30프레임 이상 생성

Susie Lu 연구팀은 여러 번 잡음을 제거하는 확산 과정을 한 번의 순전파로 바꿨다. 현재 장면과 후보 행동을 받아 미래 프레임을 만드는 구조다. Bridge-V2, RT-1, Language Table, Push-T, Robomimic에서 초당 30프레임이 넘는 생성 속도와 확산 모델 대비 평균 17배 빠른 결과를 보고했다.

생성한 전개로 실제 로봇 정책의 순위를 매겼을 때 실제 성능과의 상관계수는 최대 0.99였다. 다만 로봇 실험이므로 플레이 가능한 게임 세계에서도 같은 성능을 내는지는 확인하지 않았다.

실시간 영상과 3D

Wan-Streamer, 실시간 영상을 지속되는 세계와 사건으로 나눈다

Lianghua Huang 연구팀은 Wan-Streamer v0.3에서 영상을 지속되는 세계와 새로 들어오는 사건의 연속으로 구분했다. 세계에는 환경, 인물, 목소리, 주변 소리처럼 비교적 안정적인 내용이 남고, 사건에는 대화, 행동, 장면 변화가 들어간다.

양방향 시청각 대화에서 연구진은 640×368 영상을 초당 25프레임으로 출력하고, 160밀리초 단위로 스트리밍했다고 밝혔다. 모델 응답은 약 200밀리초, 왕복 네트워크 시간 350밀리초를 포함한 전체 지연은 약 550밀리초였다. 독립 검증이 아닌 연구진 측정값이며, 같은 규모의 공개 서비스 결과는 제시하지 않았다.

FlashDecoder, 영상 길이와 무관하게 일정한 시간으로 디코딩

Minguk Kang과 Suha Kwak은 영상의 잠재 표현을 한 프레임씩 픽셀로 바꾸는 트랜스포머 디코더를 만들었다. 현재 프레임은 고정된 수의 과거 프레임만 참고하고, 순환식 키-값 캐시를 써서 영상이 길어져도 메모리 사용량을 일정하게 유지한다.

Wan2.1과 Wan2.2의 잠재 공간에서 기존 합성곱 디코더와 비슷한 복원 품질을 기록하면서 속도는 3.6~4.7배 빨랐고, H100 GPU 한 대에서 메모리는 최대 11분의 1만 사용했다. 구조에 맞춘 추론 최적화 뒤 속도 차이는 최대 12배로 커졌다. 이 평가는 전체 영상 생성 과정이 아니라 잠재 표현을 픽셀로 바꾸는 단계만 측정했다.

MAGiSt3R, 단안 영상을 초당 약 10프레임으로 3D 복원

Ziren Gong 연구팀은 여러 에이전트가 단안 영상에서 부분 포인트맵을 만들고, 이를 에이전트 안팎에서 합친 뒤, 포즈 그래프 최적화로 누적 카메라 오차를 줄이는 방식을 제시했다. 합성·실제 데이터셋에서 초당 약 10프레임으로 복원과 카메라 추적을 수행했다고 밝혔다.

결과물은 편집 가능한 게임 장면이 아니라 전체 포인트맵이다. 연구진은 이를 레벨 지형이나 게임 에셋, 혼합현실 앱으로 변환하는 과정까지 시험하지 않았다.

코딩 에이전트와 바뀌는 도구

MM-IssueLoc, 스크린샷을 넣어도 코드 위치 탐색 점수 낮아

Shaoxiong Zhan 연구팀은 23개 프로그래밍 언어에서 이슈와 풀 리퀘스트 652쌍을 모았다. 스크린샷을 비롯한 시각 자료를 7개 종류와 4단계 관련성으로 분류하고, 패치를 쓰기 전에 파일과 함수 위치를 얼마나 정확히 찾는지 평가했다.

가장 높은 점수를 낸 에이전트도 정답 파일을 상위 5개 안에 찾는 비율이 38.96, 정답 함수를 상위 10개 안에 찾는 비율이 22.45였다. 가장 좋은 검색 시스템의 함수 Acc@10은 33.86이었다. 스크린샷을 추가해도 저장소에서 담당 코드를 안정적으로 찾지는 못했다.

MCP 서버가 바뀌자 최상위 모델 성능도 두 자릿수 하락

Huanxi Liu 연구팀은 MCP 서버 123개의 인터페이스와 기능 변화를 재현하는 11개 변경 방식을 만들어 MCPEvol-Bench를 구성했다. 에이전트가 도구 버전이 달라진 뒤에도 같은 과제를 해결하는지 측정한다.

변경된 서버에서 GPT-5.4는 13.7%, Claude Sonnet 4.6은 14.4% 성능이 떨어졌고 계획·추론 오류도 늘었다. 호출할 수 있는 도구가 바뀌자 두 모델 모두 이전 성능을 유지하지 못했다.

교육과 공정성

40억 매개변수 모델, 풀이 프로그램으로 답을 검증한다

CoTu 팀은 공개 가중치 40억 매개변수 모델로 EXACT 2026 대회에 참가했다. 대학 규정 문제는 Z3 프로그램으로, 여러 단계를 거치는 물리 문제는 Python 코드로 바꿔 풀었다. 모든 답에는 자연어 설명이 붙어야 하고, 문제당 제한 시간은 60초였다.

이 시스템은 자동 선발 두 차례에서 물리 과제 만점을 받았고, 결선 기술 점수 15점 만점에 13.44점으로 참가팀 중 가장 높았다. 발표 점수를 같은 비중으로 합친 종합 순위는 3위였다. 연구진은 기호 연산보다 문제에 필요한 전제를 고르는 일이 더 어렵게 남았다고 설명했다.

오래된 AI 글 탐지기, 자폐 성향 글을 더 자주 잘못 판정

Summer Chambers와 Matthew C. Kelley는 자폐 성향 가능성이 높은 글과 일반 글로 나눈 Reddit 게시물 약 6만 건을 OpenAI의 GPT-2 탐지기로 비교했다. 어느 쪽이든 AI 생성으로 판정된 비율은 2% 미만이었지만, 자폐 성향 가능성이 높은 집단이 유의미하게 더 자주 걸렸다.

오래된 탐지기를 사용했고 Reddit 글을 바탕으로 집단을 추정했기 때문에 현재 모든 제품에 같은 결과를 적용할 수는 없다. 연구진은 AI 글 탐지 모델과 이를 학업 평가에 사용하는 관행을 더 엄격히 검토해야 한다고 밝혔다.

행사 일정표 신규 추가

Wonder News 2027년 일정표에 GameSchoolCon 2027을 추가했다. 게임과 학습을 다루는 이 행사는 2월 18~21일 미국 캘리포니아주 어바인 소네스타 어바인–오렌지카운티 에어포트 호텔에서 열린다. 가족 대상 슈퍼 얼리버드 참가권은 7월 4일 판매를 시작했다. 전시, 스폰서, 광고, 게임 시연 신청도 받고 있으며 마감일은 공개하지 않았다. 어린이와 청소년은 유료 등록을 마친 성인과 함께 참가해야 한다.

다음 확인할 것

  • 7월 30일 LLM 대화 공개 기능이 시작될 때 Epic이 공개할 동시 이용 한도, 안전 심사, 고지, 수익화 규칙.
  • 섬 하나가 감당할 수 있는 동시 대화 수와 NPC 답변을 크리에이터가 확인·제한하는 방법.
  • Hugging Face의 고객 데이터 영향 조사 결과와 자율 에이전트 침입에 관한 추가 발표.
  • BadWAM, DriftWorld, Wan-Streamer, FlashDecoder, Pong 월드 모델 실험의 외부 재현 결과.
  • 이미지가 포함된 버그에서 코딩 에이전트가 텍스트 단서만 쓰지 않고 실제 담당 코드를 더 잘 찾는지.
  • 고정된 서버 화면이 아니라 실제 도구 버전 변경을 반영하는 에이전트 평가가 늘어나는지.

이 한국어 기사는 영어 원문을 번역한 것이며, 번역 과정에서 오류가 있을 수 있습니다. 이 글은 Wonder Bricks AI Agent의 도움을 받아 작성했으며 SunnyLabs가 편집했습니다.