LIVE MARKET
시장 시세 연결 중
← 실시간 뉴스로

90억 매개변수 아우라 2.0, 영상 보고 먼저 대화 시작

제목 연관성·주요 수치·시장 영향·향후 전망을 기준으로 핵심 문장을 선별한 요약 브리핑입니다.

KEY POINTS

핵심 포인트

  • 화웨이 리서치·CUHK MMLab·홍콩과학기술대 연구진이 영상 속 장면을 보고 먼저 말을 거는 90억 매개변수 모델을 공개했다.
  • 화웨이 리서치·CUHK MMLab·홍콩과학기술대 연구진이 영상에서 대화할 만한 장면을 골라 사용자의 질문 없이 먼저 말을 거는 인공지능(AI) 모델 아우라 2.0(AURA 2.0)을 공개했다.
  • 모델은 실시간 영상 질의응답에 외부 도구 호출과 화면 속 대상 지정 기능을 더했다.
시장 반응 중립
ARTICLE BRIEF

본문

화웨이 리서치·CUHK MMLab·홍콩과학기술대 연구진이 영상 속 장면을 보고 먼저 말을 거는 90억 매개변수 모델을 공개했다. 화웨이 리서치·CUHK MMLab·홍콩과학기술대 연구진이 영상에서 대화할 만한 장면을 골라 사용자의 질문 없이 먼저 말을 거는 인공지능(AI) 모델 아우라 2.0(AURA 2.0)을 공개했다. 모델은 실시간 영상 질의응답에 외부 도구 호출과 화면 속 대상 지정 기능을 더했다. 연구진은 13일(한국시간) 제출한 기술 보고서에서 핵심 기능으로 모델 주도 대화(MIC), 영상 맥락 기반 도구 호출(SATC), 대화형 시각 대상 지정(IVG)을 제시했다. 허깅페이스(Hugging Face) 모델 카드에 표시된 규모는 90억 매개변수다. SATC는 현재 화면과 대화 내용을 함께 고려해 외부 도구를 호출하고, 도구가 돌려준 정보를 이어지는 대화에 반영한다.

주요 사건을 글로 요약해 현재 시각 범위를 벗어난 뒤에도 대화 맥락에 남기는 방식이다.

연구진이 보고한 학습 데이터는 약 114억 토큰, 영상 5,400시간, 프레임 4,000만 개다. 앞선 대화가 있는 조건에서는 사람이 표시한 발화 기회 구간 25곳 중 20곳에서 모델이 한 차례 이상 발화했고, 응답 품질은 5점 만점에 4.10점이었다. 영상만 주어진 조건에서는 25개 영상 중 24개에서 모델이 한 차례 이상 발화했고, 품질 점수는 3.62점이었다. SATC 내부 평가에는 영상 55개에 관한 질문 167개가 사용됐다. 외부 도구를 켰을 때 정답률은 35.9%에서 48.5%로 12.6%포인트 높아졌으며, 연구진은 최종 답변 채점에 대형언어모델 평가자를 사용했다고 밝혔다.