2026년 9월 11일 AGI 연구동향에서 가장 중요한 신호는 모델 크기가 아니다. 명시적 세계 상태, 의미론적 행동 인터페이스, 검증 가능한 evidence structure가 서로 다른 연구영역에서 동시에 중요해지고 있다는 점이다.
이번 업데이트는 Programmable World Model, Show-Harness, TruthInsightBench의 세 연구를 연결한다. 공통 결론은 단순하다. foundation model이 아무리 강해도 세계상태를 잃고, 행동인터페이스가 불안정하며, 외부 검증이 없다면 장기적·물리적·과학적 능력은 쉽게 무너질 수 있다.
아래 날짜·수치·주장은 첨부된 2026-09-11 AGI 연구동향 업데이트의 기술을 그대로 근거로 한다. 추가 웹 검증이나 재계산은 수행하지 않았다.
World model · embodied interface · scientific evaluation
Count Accuracy / State Accuracy
4 scaffolds, 동일 frozen base model
State-explicit · verifier-grounded
세 연구가 모델 밖의 세 층을 드러낸다
상태를 유지하는 층, 행동을 번역하는 층, 결과를 검증하는 층이다.
| Research | Core Separation | Evidence | AGI Meaning |
|---|---|---|---|
| Programmable World Model | state transition ≠ visual generation | CombatStateBench 94% / 98% | persistent, inspectable world state |
| Show-Harness | VLM reasoning ≠ robot low-level control | frontier VLM zero-shot; small VLM few-GPU-hour adaptation | semantic action interface |
| TruthInsightBench | scientific judgment ≠ answer reproduction | 58.4–60.3/100; weakness in controls, robustness, falsifiability, generalization | epistemic process evaluation |
상태·인터페이스·검증기는 모델의 잠재능력을 실제 능력으로 변환하는 시스템 계층으로 볼 수 있다.
세계의 진실과 화면의 생성을 분리한다
instruction → executable rules → state → renderer
Agent는 자연어 지시를 entity state와 state-transition rule을 가진 실행 프로그램으로 변환하고 lightweight engine이 이를 실행한다. 화면 밖 객체와 health·inventory 같은 비가시 속성도 명시적으로 유지한다. 생성형 video model은 세계의 진실을 결정하지 않고 이미 결정된 상태를 시각화하는 renderer가 된다.
state-augmented 3D OBB를 중간표현으로 쓰며 CombatStateBench에서 Count Accuracy 94%, State Accuracy 98%를 보고한다. 핵심은 영상 그럴듯함보다 state consistency를 직접 다룬다는 점이다.
이 변화는 world model을 predictor에서 Executable + Persistent + Inspectable World State로 확장한다.
긴 context window만으로는 충분하지 않을 수 있다
첨부 문서는 기존 Persistent Memory, Procedural Graph 흐름에 Persistent World State가 더해졌다고 해석한다. 긴 context window를 곧 memory/world model로 간주하는 접근의 한계가 더 선명해진다.
Physical AGI의 병목은 모델이 아니라 인터페이스일 수 있다
VLM에게 관절각이 아니라 의미론적 행동을 준다
Show-Harness는 MOVE-FORWARD, MOVE-LEFT, ROTATE, GRASP, RELEASE 같은 fine-grained semantic action unit을 제공한다. robot별 interpreter가 이를 deterministic low-level motion으로 변환한다.
VLM은 physical decision을 내리지만 robot-specific kinematics를 직접 학습할 필요는 없다. 범용 reasoning과 embodiment-specific control 사이에 최소 공통 의미계층을 둔 것이다.
잠재지능 ≠ 관찰능력
첨부 문서에 따르면 closed-source frontier VLM은 별도 fine-tuning 없이 zero-shot robot agent로 사용할 수 있었고, 작은 open-source VLM도 몇 GPU-hour 수준의 fine-tuning으로 같은 interface에 적응했다. task·environment·robot embodiment generalization도 보고된다.
ARC-AGI-3의 ‘Same Model + Better Harness → Large Capability Gain’과 유사하게 동일한 foundation model도 인터페이스 설계에 따라 관찰 가능한 능력이 크게 달라질 수 있다.
향후 GUI, robot, scientific instrument가 하나의 semantic action layer를 공유하는 Universal Agent Interface가 중요한 연구축이 될 가능성이 있다. 이는 Show-Harness가 모든 도메인에서 직접 입증한 결과는 아니다.
AI Scientist 평가는 ‘논문 재현’에서 ‘증거 판단’으로 이동한다
neutral objective + frozen data
TruthInsightBench는 40개 peer-reviewed study의 raw data를 사용하지만 원 논문의 결론, expected value, analysis path, reference answer를 agent에게 보여주지 않는다. Agent는 neutral scientific objective와 frozen data만 받고 어떤 주장이 실제로 지지되는지 결정해야 한다.
평가는 Evidence Auditability, Robustness, Controls, Cross-Dataset Generalization, Novelty, Falsifiability의 차원과 총 29개 artifact-grounded criterion으로 구성된다. null result, counterexample, scope limitation도 positive discovery와 같은 방식으로 평가한다.
coding은 되지만 반증과 통제는 약하다
동일한 frozen base model로 4개 mainstream coding-agent scaffold를 비교했을 때 전체점수는 58.4–60.3/100의 좁은 범위였고 통계적으로 명확한 우열이 없었다. evidence trace와 novelty는 비교적 강했지만 control testing, robustness testing, falsifiability, cross-dataset generalization은 약했다.
결과를 계산하는 능력과 그 결과가 허용하는 과학적 주장을 판단하는 능력은 다르다. 첨부 문서는 병목을 coding보다 scientific judgment로 해석한다.
Memory · World State · Interface · Harness · Verifier가 하나의 외부 지능구조로 수렴한다
ARC-AGI-3에서는 Harness, Procedural Graph에서는 명시적 절차 기억, Programmable World Model에서는 세계상태, Show-Harness에서는 semantic action interface, TruthInsightBench에서는 검증 가능한 evidence structure가 핵심으로 등장한다.
Model-Centric AGI → System-Centric, State-Explicit, Verifier-Grounded AGI
이것은 모델의 중요성이 사라진다는 뜻이 아니다. 모델 capacity가 장기 능력으로 실현되기 위해 필요한 외부 실행조건이 명시적으로 연구대상이 되고 있다는 뜻이다.
AGI benchmark도 모델, harness, interface, environment를 분리해야 한다
| Question | Why | Useful Control |
|---|---|---|
| 같은 모델에서 harness만 바꾸면? | model과 system engineering 효과 분리 | frozen model + harness variants |
| explicit world state가 장기 실패를 줄이는가? | context length와 state semantics 분리 | implicit vs explicit state ablation |
| semantic action이 embodiment generalization을 높이는가? | reasoning과 robot control 분리 | same task, multiple interpreters |
| verifier가 false scientific claims를 줄이는가? | generation과 epistemic reliability 분리 | verifier on/off |
| 반증 뒤 실제 belief/procedure가 바뀌는가? | 설명과 revision 능력 구분 | pre/post counter-evidence state |
Harness-sensitive benchmark 점수를 모델 고유지능의 절대치로 읽으면 오해가 생길 수 있다. 평가대상은 점점 ‘model alone’에서 ‘model-in-system’으로 이동할 필요가 있다.
9월 11일 기준 추가 공식 성능 업데이트 없음
첨부 문서는 9월 3일 GPT-6 Astra 분석 이후 9월 11일 현재 ARC Prize 측의 추가 공식 ARC-AGI 성능 업데이트를 확인하지 못했다고 기록한다. 다음 ARC-AGI-3 milestone 일정은 2026년 9월 30일로 정리되어 있다.
다음 고가치 연구축은 ‘모델 바깥의 지능구조’를 검증하는 일이다
persistent entity state와 transition rule을 운영하고 consistency를 직접 검증한다.
GUI·robot·scientific instrument를 공통 semantic action layer로 연결한다.
model, interface, harness, environment 효과를 분리한다.
성공·실패 절차를 graph/program으로 저장하고 재사용·수정한다.
control, robustness, counter-evidence, falsification, belief revision을 수행한다.
실패가 world state, procedure, interface, belief 중 어디에서 발생했는지 진단한다.
이번 업데이트의 중심 변화는 “모델 안에 더 많은 지능을 넣기”에서 “지능이 오래, 정확하게, 검증 가능하게 작동할 외부 구조를 설계하기”로 연구초점이 넓어지는 현상이다.
장기 AGI, Physical AGI, Scientific General Intelligence는 특히 state persistence와 verifier-grounded revision을 함께 요구할 가능성이 높다.
Source papers
arXiv, submitted 2026-09-09. Explicit persistent world state와 renderer 분리.
arXiv, submitted 2026-09-09. Semantic action unit과 embodiment interpreter.
프로젝트 페이지.
First public 2026-09-04, revision 2026-09-08. Evidence-grounded open-ended scientific discovery evaluation.
첨부 문서의 ARC-AGI-3 milestone 추적 출처.