[OpenMythos] 미토스를 클론한 OpenMythos가 제시하는 AI 추론의 새로운 패러다임 | 순환하며 속으로 깊게 생각하는 AI

00:00 OpenMythos 소개 및 AI 추론의 새로운 패러다임 예고 01:06 Claude Mythos의 성능 미스터리와 오픈소스 재현 프로젝트 03:33 레이어 스태킹 방식에서 순환(Looping) 방식으로의 패러다임 전환 05:41 OpenMythos의 3단계 심층 파이프라인 (Prelude, Recurrent Bl... 07:24 잠재 공간에서의 암묵적 추론 및 너비 우선 탐색(BFS) 기법 10:15 입력 주입과 LTI 제약을 통한 심층 순환의 수학적 안정성 확보 12:43 지식의 넓이와 추론의 깊이를 결합한 Sparse MoE 아키텍처 14:39 적응형 계산 시간(ACT) 알고리즘을 통한 동적 추론 제어 15:49 다중 잠재 어텐션(MLA)을 활용한 메모리 및 KV 캐시 최적화 17:11 학습 범위를 넘어서는 지능을 구현하는 깊이 외삽법(Depth Extrapolation) 18:06 압도적인 매개변수 효율성 및 성능 비교 결과 18:31 층별 LoRA 어댑터를 통한 가중치 공유 한계 극복 18:44 OpenMythos 심층 엔진 아키텍처의 종합적 분석 19:19 AI 스케일링 법칙의 새로운 지평과 향후 시사점 https://github.com/kyegomez/OpenMythos