AI 뉴스
수술사들이 원격 조종한 휴머노이드 로봇, 생체 실험에서 담낭 제거 수술 성공
휴머노이드 로봇이 생체 동물에서 담낭을 제거하는 수술을 수행한 최초의 사례가 발표되었다. 이 수술은 자율적으로 진행된 것이 아니라 숙련된 인간 외과의사가 원격으로 로봇의 움직임을 조종하는 방식으로 이루어졌다. 이 연구는 Nature 저널에 발표되었으며, 향후 이 방식이 인간 환자에게도 적용 가능해지면, 자원이 부족한 작은 병원과 클리닉에서도 로봇 보조 수술을 원격으로 수행할 수 있을 것으로 기대된다. UC 샌디에이고 의과대학의 Shanglei Liu 교수는 이 접근 방식이 비용과 공간 면에서 효율적이라고 언급했다.
휴머노이드 로봇을 활용한 원격 수술은 자원이 부족한 의료 환경에서도 로봇 보조 수술을 가능하게 할 수 있다.
OpenAI의 GPT-5.6 모델 출시: Luna, Terra, Sol
OpenAI의 최신 모델 GPT-5.6이 출시되었으며, Luna, Terra, Sol의 세 가지 크기로 제공된다. 가격은 Luna가 1달러, Terra가 2.50달러, Sol이 5달러로 설정되어 있다. 모든 모델은 2026년 2월 16일 기준 지식을 가지고 있으며, 최대 128,000개의 출력 토큰을 지원한다. GPT-5.6 Sol은 'Agents’ Last Exam'에서 53.6점을 기록하며 Claude Fable 5를 13.1점 초과하여 성능이 우수함을 입증했다. 새로운 API 기능으로는 프로그램적 도구 호출, 다중 에이전트 지원, 프롬프트 캐시 브레이크포인트 설정 등이 있다.
GPT-5.6 Sol은 'Agents’ Last Exam'에서 53.6점을 기록하여 Claude Fable 5를 초과하는 성능을 보였다.
NVIDIA NeMo를 활용한 금융 AI 연구를 위한 합성 데이터 생성
금융 자연어 처리(NLP)를 위한 LLM(대형 언어 모델) 미세 조정은 제한적이고 불균형한 데이터로 인해 제약을 받는다. 실제 금융 뉴스는 주로 수익 및 주식 변동을 과대대표하고, 신용 등급 변경, 제품 승인, 노동 문제와 같은 드문 사건은 대규모로 포착하기 어렵다. 합성 데이터 생성은 거래 연구, 리스크 모델링 및 감시를 위한 이러한 데이터의 공백을 채우는 데 도움이 될 수 있다.
AI:AM 하이라이트: Anthropic의 J-space와 AI 슈퍼포캐스터
Nathan Labenz와 Prakash Narayanan이 진행하는 AI:AM 하이라이트 에피소드에서는 Anthropic의 '글로벌 워크스페이스' 논문과 J-space, J-lens 개념에 대해 논의한다. 이 에피소드는 AI 해석 도구, 예측 기준, 기업 배포 패턴, AI 하드웨어가 시스템의 해석 가능성과 관리 가능성을 어떻게 향상시킬 수 있는지에 대한 논의로 이어진다. 또한, Pangram AI 글쓰기 탐지 실험과 AI 슈퍼포캐스팅에 대한 Dan Schwarz의 의견도 포함된다.
AI 해석 도구와 예측 기준이 시스템의 신뢰성을 높이는 데 중요한 역할을 할 수 있다.
트럼프, 소셜 미디어에서 이란 전쟁을 전시하며 군사력 강조
트럼프 대통령의 Truth Social 프로필은 이란 전쟁을 공유 가능한 클립과 밈으로 시각적으로 기록하고 있으며, 그는 전투 중단을 요구하고 있다. 전문가들은 그의 소셜 미디어 활동이 미국인들이 군사 작전을 바라보는 방식을 형성하고 있다고 경고한다. 트럼프는 이란과의 협상에서 진전을 주장했으나, 이란이 호르무즈 해협에서 선박을 공격한 후 일시적 휴전을 선언했다. 그의 포스트는 그를 '전시 대통령'으로 프레임하고 있으며, 군사력을 강조하는 전략은 미국 대중의 비판을 억제하는 방법으로 작용하고 있다.
Autopilot-Jobhunt: 웹에서 일자리 검색 및 이력서 작성 지원 AI 도구
소프트웨어 개발자 Tarun Gupta가 만든 Autopilot-Jobhunt는 사용자의 프로필에 맞춰 웹에서 일자리를 검색하고, 맞춤형 이력서와 자기소개서를 작성하는 AI 도구이다. 사용자가 설정한 조건에 따라 A-J는 웹을 스캔하고, 일치하는 직무를 Telegram 메시지로 알려준다. 이 도구는 무료로 사용 가능하며, TinyFish의 AI 웹 에이전트를 통해 일자리를 크롤링하고, OpenRouter를 통해 다양한 무료 AI 모델을 활용한다. 기본적으로 소프트웨어 개발자를 위해 설정되어 있으며, 사용자는 필요에 따라 다른 직무에 맞게 재구성할 수 있다.
소프트웨어 개발자 직무의 공고가 2025년 2월 이후 15% 증가한 반면, 다른 직무는 7% 감소했으므로, Autopilot-Jobhunt는 소프트웨어 개발자에게 유용할 수 있다.
Aurora 1.5: 기상 및 지구 시스템 응용을 위한 오픈 파운데이션 모델 확장
Aurora 1.5는 Microsoft의 Aurora Earth System 파운데이션 모델의 주요 확장으로, 에너지, 농업, 운송 및 기후 위험과 관련된 22개의 새로운 기상 변수를 추가하고 시간 해상도를 시간 단위로 설정하며 확률적 앙상블 예측 기능을 포함한다. 이 모델은 GitHub에서 오픈 소스로 공개되었으며, Hugging Face에 모델 체크포인트가 제공된다. Aurora 1.5는 Microsoft Weather 서비스와 연결되어 데이터, 인프라, 관리된 접근 및 운영 사용을 지원한다.
Aurora 1.5는 22개의 새로운 기상 변수를 추가하여 기상 예측의 정확성을 높이고, 시간 단위 해상도로 운영 지침의 세밀한 정보를 제공한다.
Bun의 Zig에서 Rust로의 재작성과 Fable의 활용
Bun의 Rust로의 재작성에 165K 달러가 소요되었으나, 이로 인해 1-2년 걸릴 작업이 11일로 단축되었다. 이 과정에서 사용된 도구는 Fable로, 현재는 전 세계적으로 사용 가능하다. Anthropic의 Fable, OpenAI의 GPT-5.6 Sol, Cursor의 Grok 4.5, Meta의 Muse와 같은 코딩 LLM 모델들이 경쟁 중이다.
Fable을 사용하여 Bun의 마이그레이션을 단축시킨 사례는 개발자들이 효율성을 높이는 방법을 보여준다.
GitHub, 모든 저장소에 내구성 있는 소유자 부여
GitHub는 2025년 초 기준으로 11,000개 이상의 비아카이브 저장소가 있었으나, 대부분의 저장소에 명확한 소유자가 없었다. 이를 해결하기 위해 GitHub는 모든 활성 저장소의 소유권을 검증하고, 사용하지 않는 8,000개 저장소를 아카이브했으며, 저장소 생성 시 소유권을 필수로 설정하도록 변경했다. 새로운 소유권 모델은 GitHub의 커스텀 속성을 사용하여 관리되며, 소유권 유형과 이름을 정의하는 두 가지 속성을 도입했다.
GitHub는 소유권을 첫 번째 클래스 속성으로 설정하여, 서비스, 팀, 개인 프로젝트에 대한 명확한 소유권 관리를 가능하게 했다.
Muse Spark 1.1 출시
Meta가 Muse Spark 1.1을 출시했다. 이는 첫 번째 Spark 모델로 API를 제공하며, 에이전트 도구 호출 및 컴퓨터 사용에서 상당한 개선이 이루어졌다고 한다. 사용자는 CLI 및 Python 라이브러리를 통해 모델에 접근할 수 있는 llm-meta-ai 플러그인을 설치할 수 있다.
Muse Spark 1.1은 API를 제공하여 개발자들이 모델을 쉽게 활용할 수 있도록 한다.
CoFrGeNets가 트랜스포머 기반 모델의 '뼈대'를 대체하다
CoFrGeNets는 경량화된 생성 AI 모델로, 경쟁력 있는 성능을 발휘하며 많은 경우 더 나은 결과를 보여준다. 이는 실용적이고 개념적인 전환을 나타낸다.
OpenAI의 Sol과 음성 모드 업그레이드 발표
이번 주 OpenAI는 Sol, 즉 GPT-5.6에 대한 내용을 다룰 예정이며, 음성 모드의 업그레이드도 발표했다. Claude와 같은 AI 작문이 점점 더 눈에 띄고 있으며, Grok 4.5도 출시되었다. Fable은 절차적 판타지 왕국 생성기를 구축할 수 있는 기능을 제공하며, 사용자에게 예상치 못한 기능을 제공하는 경향이 있다.
OpenAI의 음성 모드 업그레이드는 사용자 경험을 개선할 수 있는 중요한 변화로, AI의 활용도를 높일 수 있다.
Grok 4.5 모델 출시 및 OpenAI GPT-5.6 모델 공개
Anthropic은 Claude 구독을 통해 Fable 5에 대한 접근을 7월 12일까지 연장했다. OpenAI는 오늘 모든 사용자에게 GPT-5.6 모델(Sol, Terra, Luna)을 공개한다고 발표했다. Grok 4.5 모델은 Opus 4.7과 4.8 사이의 성능을 보이며, Opus 모델보다 6배, GPT-5.5보다 3배 저렴한 비용으로 제공된다. ChatGPT Voice는 새로운 모델 GPT-Live-1과 Live-1-mini를 도입하여 대화의 자연스러움을 개선했다.
Grok 4.5 모델은 Opus 모델보다 6배 저렴한 비용으로 제공되어 비용 효율적인 AI 솔루션을 필요로 하는 개발자들에게 유용할 수 있다.
GeForce NOW, 토론토에 GeForce RTX 5080 서버 추가
GeForce NOW가 토론토에 GeForce RTX 5080 기반의 새로운 서버를 추가하여 클라우드 게임 성능을 향상시킨다. 이 서버는 캐나다 내 사용자들에게 더 나은 게임 경험을 제공하며, Ultimate 회원은 PC, Mac, 모바일 기기 등 다양한 장치에서 최대 4K 해상도와 120fps로 게임을 스트리밍할 수 있다. 또한, NTE: Neverness to Everness 게임이 업데이트되어 새로운 캐릭터와 게임 모드를 도입하며, GeForce NOW는 곧 모바일 기기를 위한 터치 컨트롤을 지원할 예정이다.
GeForce RTX 5080 서버의 도입으로 캐나다 사용자들은 향상된 클라우드 게임 성능을 경험할 수 있다.
Fundamental의 NEXUS, 구조화된 데이터 분석을 위한 대형 표 모델 개발
Fundamental은 2026년 2월 5일에 NEXUS라는 대형 표 모델(LTM)을 발표했다. 이 모델은 구조화된 데이터 분석에 특화되어 있으며, 기존의 기계 학습 알고리즘과 달리 다양한 예측 작업에 최소한의 맞춤형 특성 엔지니어링으로 적용될 수 있다. NEXUS는 수십억 개의 테이블로 사전 훈련되어 있으며, 데이터의 맥락을 이해하여 보다 정확한 예측을 가능하게 한다. 현재 Amazon Web Services와 같은 기업들이 이 모델을 채택하고 있다.
NEXUS는 구조화된 데이터 분석의 한계를 극복하고, 다양한 예측 작업에 활용될 수 있는 가능성을 제공한다.
Studio, AI 프롬프트 및 기술을 위한 기록 시스템 제공
Studio는 버전 관리, 소유 및 추적이 가능한 AI 프롬프트와 기술을 위한 기록 시스템을 제공합니다. 이를 통해 빠른 반복이 가능하며, 제어된 상태로 배포할 수 있고, 일관된 AI 행동을 보장합니다.
Studio는 AI 프롬프트와 기술의 버전 관리 및 추적 기능을 제공하여 개발자들이 AI 시스템의 일관성을 유지할 수 있도록 지원합니다.
The Sequence의 후원 없이 운영되는 AI 관련 출판물
The Sequence는 2년 이상 후원 없이 운영되고 있으며, 매주 후원 요청을 받고 있다. 이 출판물은 AI 세계를 탐색하는 데 도움을 주기 위해 기술적 깊이와 객관성을 유지하고자 한다. 최근 Dwarkesh Patel의 에피소드에서 'grindability'가 'verifiability'만큼 중요하다는 주장이 제기되었고, 이는 AI 도메인의 품질을 평가하는 새로운 시각을 제공한다.
Mark Zuckerberg와 Priscilla Chan의 AI를 통한 질병 치료 논의
Mark Zuckerberg와 Dr. Priscilla Chan은 Chan Zuckerberg Initiative(CZI)의 목표인 질병 치료, 예방 및 관리에 대해 논의했다. CZI는 개별 혁신에 자금을 지원하기보다는 과학적 발견을 가속화할 수 있는 도구와 인프라를 구축하는 데 집중하고 있다. 이 대화에서는 Biohub, Cell Atlas, 가상 세포 모델, 공개 생물학 데이터셋과 AI의 역할이 강조되었으며, AI가 과학자들이 가설을 테스트하는 데 어떻게 도움을 줄 수 있는지에 대해 논의되었다.
AI는 과학자들이 비싼 실험을 수행하기 전에 가설을 테스트하는 데 도움을 줄 수 있다.
SpaceXAI, Grok 4.5 출시 - Opus 클래스 모델
SpaceXAI가 Grok 4.5를 출시했다. Grok 4.5는 1.5T 파라미터를 가진 모델로, Opus 4.7과 유사한 성능을 보이며, 코드 및 에이전트 작업에 최적화되어 있다. 공식 가격은 입력 1M 토큰당 2달러, 출력 1M 토큰당 6달러로 설정되었으며, Grok 4.5는 Grok 4.3보다 3배 큰 모델이다. Grok 4.5는 Grok Build/API/Cursor에서 사용 가능하며, Hermes Agent에서도 지원된다.
Grok 4.5는 코드 및 에이전트 작업에 특화된 첫 모델로, 기존 모델 대비 더 나은 경제성과 속도를 제공한다.
Retrieval-Augmented Generation을 통한 공공 건강 질문 응답 개선
대형 언어 모델(LLMs)은 의료 질문 응답 벤치마크에서 유망한 결과를 보이지만, 공공 건강 분야에서의 사용은 허위 정보와 공식 지침의 빠른 변화로 제한된다. Retrieval-Augmented Generation(RAG)은 명시적으로 유지되는 코퍼스를 기반으로 응답을 강화하여 이러한 위험을 완화한다. 연구에서는 7,929개의 질문으로 구성된 PubHealthBench를 RAG 환경으로 확장하고, 다양한 임베딩 모델과 코퍼스 변형을 통해 밀집형, 희소형, 하이브리드 검색을 비교하였다. 하이브리드 검색은 일관되게 회수 및 순위 품질을 개선하며, 검색된 맥락을 제공하면 다양한 LLM에서 다중 선택 정확도가 크게 증가한다. 또한, LLM을 평가하기 위한 기준을 도입하여 신뢰성, 완전성, 명확성 및 사실 일관성을 검증하였다.
하이브리드 검색은 공공 건강 QA의 신뢰성을 높이는 주요 요소로 작용한다.
D2PO: 동적 선호 최적화를 통한 확산 샘플러 최적화
D2PO(Dynamic Direct Preference Optimization)는 시간 단계 일정과 분류기 없는 가이드(CFG) 가중치에 따라 확산 샘플링 정책을 최적화하기 위한 프레임워크이다. 기존의 학생-교사 회귀 프레임워크의 한계를 해결하기 위해, D2PO는 샘플러 최적화를 선호 기반 정렬 문제로 재구성하고, 에너지 기반 모델(EBM)을 사용하여 선호 비교를 처리한다. 또한, 동적 선호를 도입하여 샘플링 정책이 학습됨에 따라 선호 샘플이 점진적으로 개선되도록 한다. 실험 결과, D2PO는 감각 품질과 더 잘 정렬되어 기존 회귀 기반 스케줄러보다 일관되게 우수한 성능을 보인다.
D2PO는 확산 샘플러의 감각 품질을 더 충실히 정렬하여 고품질 교사의 잠재력을 극대화한다.
DeepSeek V3.2를 활용한 ARC-AGI-1의 비용 효율적 추론 모델
ARC-AGI-1에 대한 연구에서 DeepSeek V3.2라는 오픈-웨이트 모델을 사용하여, ARC-specific fine-tuning 없이도 패턴 발견과 프로그램 합성을 분리한 Explorer-Definer Pipeline을 도입하였다. 이 파이프라인은 400-task 평가 세트에서 57.50%의 pass@2를 기록하며, Reflective Orchestrator를 통해 67.25%의 pass@2를 달성하였다. 이 구조는 15.50%의 원샷 기준을 약 52포인트 향상시켰으며, 생성 기반의 성능 향상을 위한 재탐색을 통해 pass@1을 +9.81 pp 증가시켰다.
Reflective Orchestrator는 이전 가설이 실패할 경우 새로운 변환을 자율적으로 탐색하여 성능을 향상시킨다.
QANTIS: IBM Heron 하드웨어에서의 순차적 POMDP 신념 업데이트
QANTIS는 양자 프로세서를 신념 업데이트 서비스로 활용하여 이전 신념과 관찰 모델을 바탕으로 희귀 사건 증거 항을 추정하고 고전 계획자에게 일반적인 사후 확률을 반환한다. 이 연구는 IBM Heron 하드웨어에서 순차적 Tiger POMDP 수평을 통해 이 서비스를 재사용할 수 있는지를 조사하며, 하드웨어 사례 연구를 통해 결과를 도출하였다. 연구에서는 증폭 없이, 보호된 Grover 증폭, 모든 단계 고정점 증폭을 비교하고, 반환된 사후 확률이 하류 행동에 영향을 미치는지를 확인하였다. 모든 단계 FPAA는 8단계 및 12단계 주행에서 Tiger 사후 확률을 보존하며, 20단계 및 32단계 제어는 동일한 운영 범위 내에 유지된다.
모든 단계 FPAA가 Tiger 사후 확률을 보존하는 결과는 IBM Heron 하드웨어에서 신념 업데이트의 신뢰성을 높일 수 있음을 시사한다.
불균형 데이터셋에서의 마진 컨포멀 예측의 한계와 클래스 조건 수정
컨포멀 예측은 약물 발견에서 모델 신뢰성을 평가하는 데 사용되며, 선택한 오류율 alpha에 따라 실제 레이블을 포함하는 예측 세트를 반환한다. 그러나 불균형 데이터셋에서는 마진 컨포멀 예측이 소수 클래스의 커버리지를 심각하게 저하시킨다. 네 개의 데이터셋에서 소수 클래스의 커버리지가 혈뇌 장벽 침투에서는 64.8%, 임상 시험 독성에서는 4.2%로 떨어졌다. 클래스 조건 컨포멀 예측(Mondrian)은 모든 데이터셋에서 소수 클래스 커버리지를 목표로 회복시키며, 예측 세트 크기의 적당한 증가로 이를 달성한다.
클래스 조건 컨포멀 예측은 불균형 데이터셋에서 소수 클래스의 커버리지를 회복하여 예측의 신뢰성을 높인다.