2026년 7월 15일 AI×블록체인 데일리 브리핑

• AI 분야: 오늘 AI 분야에서는 AI 에이전트 시스템의 발전과 대규모 언어 모델(LLM) 벤치마킹 및 강건성 확보에 대한 연구가 특히 주목받았습니다. 에이전트 기술 관련해서는 BatteryLake가 에이전트 기반의 이종 배터리 노화 데이터 큐레이션 및 벤치마킹 방법을 제시했으며 ¹, Replicating Belief, Not Bits는 에이전트 시스템의 인식 상태 복제 기술을 통해 신뢰도를 높이는 방안을 모색했습니다 ². 또한, 다중 에이전트 상호작용 연구에서는 자율주행 차량의 차선 변경 의도 및 궤적을 예측하는 동적 장면 추론 프레임워크가 제안되었고 ³, 소형 언어 모델(SLM)과 다중 에이전트 자체 교정을 활용한 폐쇄 루프 제어 연구도 발표되었습니다 ⁴. 이는 AI 시스템의 자율성과 복잡한 환경에서의 제어 능력 향상에 기여할 것으로 보입니다.

LLM 분야에서는 벤치마킹의 정확성과 강건성을 높이기 위한 노력이 두드러졌습니다. Coresets Before Score Sets는 LLM 벤치마크를 위한 비지도 프롬프트 부분집합 선택 기법을 소개하며 ⁵, Format Sensitivity Index는 프롬프트 래퍼의 강건성과 스키마 준수도를 평가하는 새로운 방법을 제시했습니다 ⁶. 이 외에도 농업 예측 작업을 위한 합성 데이터 생성 기법 ⁷, 공급망 및 재고 네트워크 모델링 및 시뮬레이션을 위한 오픈소스 파이썬 라이브러리 SupplyNetPy ⁸, 자연어 상황에서 강건하고 검증 가능한 의사결정을 도출하는 YUKTI ⁹, 그리고 의료 진단 지원을 위한 Toulmin 모델 기반 추론 시스템 ¹⁰ 등 다양한 AI 응용 및 핵심 이론 연구 결과들이 공개되었습니다.

• 블록체인: 오늘은 블록체인 분야에서 주목할 만한 소식이 없었습니다.

• AI×블록체인: 오늘은 AI와 블록체인 기술을 융합한 사례에 대한 소식이 없었습니다.

Footnotes

1. BatteryLake: Agentic, Physics-Grounded Curation of Heterogeneous Battery Aging Data and Benchmarking ↩

2. Replicating Belief, Not Bits: Epistemic State Replication for Agentic Systems ↩

3. A Dynamic Scene Interaction Reasoning Framework for Scene-level Lane-Change Intention and Trajectory Prediction of Multiple Interacting Vehicles ↩

4. Closed-Loop Control with Rule-Aligned Small Language Models and Multi-Agent Self-Correction ↩

5. Coresets Before Score Sets: Evaluation-Unsupervised Prompt Subset Selection for LLM Benchmarks ↩

6. Format Sensitivity Index: Token-Controlled Prompt Wrapper Robustness and Schema Compliance in LLM Benchmarking ↩

7. Task-Conditioned Synthetic Data Generation for Improving Machine Learning Performance in Agricultural Prediction Tasks ↩

8. SupplyNetPy: An Open-Source Python Library for High-Fidelity Modeling and Simulation of Arbitrary Supply Chain and Inventory Networks ↩

9. YUKTI: From Natural-Language Situations to Robust, Verifiable Decisions An Uncertainty-Typed Proposition IR, Assumption-Robust Pareto Frontiers, and a Regret Certificate ↩

10. From ML Predictions to Informed Diagnostic Assistance Using the Toulmin Model of Argumentation ↩