AI 뉴스

Sayash Kapoor와 Daniel Kokotajlo의 A.I. 미래에 대한 상반된 시각

Hard Fork Live의 마지막 에피소드에서는 Sayash Kapoor와 Daniel Kokotajlo가 A.I. 변혁에 대한 상반된 시각을 논의했다. Sayash는 A.I.가 '일반' 기술처럼 사회에 확산될 것이라고 주장하는 반면, Daniel은 전례 없는 가속화가 곧 다가올 것이라고 말했다. 또한, George Ekas와 그의 로봇 Toby가 등장하고, 팟캐스터 Dwarkesh Patel이 라이브 청중의 질문을 받았다.

Subquadratic, LLM의 수학적 병목 현상 해결 주장

Miami에 본사를 둔 AI 스타트업 Subquadratic이 대형 언어 모델(LLM)의 병목 현상을 해결했다고 발표했다. 이들은 SubQ라는 새로운 LLM을 개발했으며, 이 모델은 기존 모델보다 빠르고 저렴하며 에너지를 적게 사용한다고 주장한다. SubQ는 대부분의 모델보다 최대 12배 많은 텍스트를 동시에 처리할 수 있으며, Google DeepMind, OpenAI, Anthropic의 모델들과 비슷한 성능을 보인다고 한다. 그러나 초기에는 자가 평가 점수 외에 근거가 부족해 회의적인 반응을 얻었고, 최근에는 독립 평가 기관 Appen의 추가 테스트 결과를 공개했다. Subquadratic은 향후 결과를 완전히 검증한 후 발표할 계획이다.

AI 도구와 오픈소스를 활용한 MVP 개발 시 접착 코드 찾기 어려움

최근 AI 도구의 발전으로 오픈소스를 조합해 MVP를 빠르게 만드는 시도가 증가하고 있다. 그러나 LangChain, Qdrant, n8n 등 개별 라이브러리의 문서는 잘 되어 있지만, 이들을 연결하는 '접착 코드'나 버전에 따른 연동 성공 사례를 찾는 것은 여전히 어려운 문제로 남아 있다.

ASML, 중국 고객에 대한 수출 라이센스 위험 부담 가능성

ASML이 중국 고객에게 자사의 주요 반도체 장비를 수출하는 것에 대해 상업적 논리가 수출 라이센스를 위험에 빠뜨릴 가능성이 낮다는 주장이 제기되었다.

Kubernetes에서 Spark Connect의 안정성 확보 방법

토스증권은 Spark Connect를 Kubernetes에서 서비스로 운영하며, 여러 사용자가 동시에 작업할 수 있도록 안정성을 확보하는 방법을 모색하고 있다. Spark Connect는 Driver를 서버로 분리하여 클라이언트가 가벼워지고, 언어와 플랫폼에 독립적이며, 즉시 세션을 생성할 수 있는 장점을 제공한다. 그러나 단일 장애점, 리소스 경합, 고정된 스케일 등의 문제점이 존재하며, 이를 해결하기 위해 글로벌 Executor 실패 카운터를 비활성화하고, 여러 Replica로 다중화하는 방법을 모색하고 있다.

모두의 창업 합격자 5000명 정보 유출 사건

모두의 창업에서 합격자 5000명의 프로필이 공개된 후, 비인가 경로로 비공식 정보에 접근하려는 시도가 9개의 IP에서 발생했다. 유출된 정보에는 이메일 주소와 아이디어 요약이 포함되어 있으며, 심사평 당일 오후 3시에 이용자 문의를 통해 이 사실을 인지하고 즉각적인 차단 및 보안 조치를 시행했다. 사건 발생일은 6월 16일 오전이다.

정보 유출 사건은 데이터 보안의 중요성을 강조하며, 개발자들이 보안 조치에 더욱 신경 써야 함을 시사한다.

LLM을 활용한 맞춤형 사기 수법의 발전

LLM은 채용 인터뷰, 가족 긴급 연락, 은행 이메일, 로맨스 등 다양한 개인별 구실을 만들어 맞춤형 사기를 실행할 수 있으며, 계정 탈취 후 장기 감시와 후속 공격으로 이어질 수 있다. 기존 사기는 저비용 대량 발송형과 고비용 표적형으로 나뉘었지만, LLM은 그 사이를 메우며 표적화된 공격을 가능하게 한다.

개발자들은 LLM을 이용한 새로운 사기 수법에 대한 보안 대책을 마련해야 한다.

Lobste.rs에서 좋은 댓글과 통찰을 모으려는 요청

Lobste.rs 포럼에서 과거에 묻힌 좋은 댓글과 통찰을 모으려는 요청이 있었다. 이 요청은 가끔 오래된 댓글에서 유용한 통찰을 발견한 경험을 바탕으로 하고 있다.

개발자들은 Lobste.rs에서 유용한 정보와 통찰을 찾을 수 있는 기회를 가질 수 있다.

Barret Zoph, OpenAI의 기업 AI 판매 책임자 퇴사

Barret Zoph가 OpenAI에서 퇴사했다. 그는 1월 중순에 Thinking Machines Lab의 공동 창립자이자 CTO로 활동한 후 OpenAI에 복귀했으며, 기업 AI 판매를 이끌 예정이었다. OpenAI는 최근 기업 및 코딩 같은 주요 수익원에 집중하기로 결정한 상황에서 Zoph의 퇴사가 확인되었다.

Zoph의 퇴사는 OpenAI의 기업 전략에 변화가 있을 수 있음을 시사한다.

Microsoft Aion, 윈도우에 내장되는 온디바이스 SLM 패밀리

Microsoft가 Build 2026에서 Aion 1.0을 발표했다. Aion은 윈도우에 내장되는 온디바이스 소형 언어모델(SLM) 패밀리로, 두 모델로 구성된다. Instruct는 Edge에 쓰이던 Phi-4-mini를 대체하고, Plan은 약 14B 규모로 로컬 에이전틱 작업을 담당한다. Microsoft는 Instruct 가중치를 오픈웨이트로 공개하겠다고 예고했다. OS 차원에서 소형 모델이 기본 탑재되는 방향을 보여주는 발표다.

온디바이스 에이전트가 OS에 기본으로 들어가면, 개발자는 별도 추론 인프라나 외부 API 호출 없이 로컬 모델을 전제로 기능을 설계할 수 있다. 클라우드 의존을 줄이고 지연·비용·프라이버시 측면에서 선택지가 넓어진다. Instruct 오픈웨이트 공개 예고는 로컬 추론과 파인튜닝을 직접 다뤄 온 개발자에게 의미가 크다.

Diffusion Language Models의 실험적 분석

Diffusion Language Models (DLMs)는 다음 토큰 예측 대신 반복적인 디노이징을 통해 텍스트를 생성하는 대안 패러다임으로, 전체 시퀀스의 병렬 정제를 가능하게 한다. 본 연구에서는 8개의 최첨단 DLM을 8개의 벤치마크를 통해 평가하며, 생성 품질과 계산 효율성을 모두 고려한다. 또한, 디노이징 단계, 컨텍스트 길이, 블록 크기 및 병렬 언마스킹 전략과 같은 주요 추론 시간 요소의 영향을 분석하고, 동일한 조건에서 훈련된 소규모 모델의 통제된 비교 실험을 통해 대규모 실험을 보완한다. 이 분석은 DLM의 성능과 계산 효율성 간의 상충 관계를 강조한다.

GPU 아키텍처에 따른 3D 생성 확산 모델의 성능 분석 및 최적화

확산 모델은 고충실도 3D MRI 합성에 필수적이나, 수백 개의 U-Net 평가로 인한 GPU 자원 요구가 크다. 본 논문은 NVIDIA 아키텍처 3세대에서 의료 확산 모델 Med-DDPM의 성능 분석을 수행하고, 커널 수준의 런타임 분해, 메모리 시스템 활용도, 텐서 코어 활용도를 평가하였다. cuDNN 컨볼루션과 암묵적 GEMM 커널이 훈련의 대부분을 차지하며, 메모리 접근 패턴과 텐서 레이아웃 변환에서 비효율성이 발생함을 보여준다. TF32 텐서 코어 활성화 및 3D 채널-마지막 레이아웃 최적화를 통해 SM 사이클을 최대 100배 줄이고, 동적 명령어 수를 100배 감소시키며, A100에서 텐서 코어 활용도를 1.45에서 9.98배로 증가시켰다.

이 연구는 GPU 자원 최적화를 통해 의료 이미지 합성의 효율성을 크게 향상시킬 수 있는 방법을 제시한다.

CS2013과 CS2023에 대한 프로그램의 커리큘럼 커버리지 측정

학부 컴퓨터 과학 프로그램의 커리큘럼 커버리지를 측정하는 방법론이 제시되었다. 이 방법론은 한 인증된 컴퓨터 과학 학사 프로그램을 CS2013과 CS2023에 대해 적용하였으며, 프로그램은 CS2023의 49.7%와 CS2013의 50.9% 지식 단위를 커버하고 있다. 또한, 프로그램은 각 가이드라인에 대해 약 88%의 커버된 유닛에 대한 역량을 명확히 설명하지만, CS2023의 경우 권장 깊이에 도달하는 비율은 76%로 CS2013의 95%에 비해 낮다. 이 차이는 새로운 가이드라인의 기대치 상승을 반영한다.

이 연구는 한국의 컴퓨터 과학 교육 프로그램이 국제 커리큘럼 가이드라인에 얼마나 부합하는지를 평가할 수 있는 구체적인 방법을 제공한다.

AgenticRei: LLM 기반 자율 에이전트 AI 시스템의 거버넌스 문제 해결

자율 에이전트 AI 시스템은 보안, 프라이버시, 준수 문제를 야기하며, 이는 단순한 인증 및 접근 제어를 넘어 기업 거버넌스의 전체 구조에 의해 제약받아야 한다. 기존 정책 엔진인 XACML, Rego, Cedar는 허용/금지 부분만 다루며, 의무 생애 주기 관리, 정책 충돌 해결, 특정 상황에서 의무를 면제하는 규정 등을 제공하지 않는다. 이에 따라 AgenticRei를 제안하며, 이는 OWL로 표현된 의무, 면제, 정책 충돌 해결 및 정책에 대한 추론을 포함한 거버넌스 요구 사항을 실현한다. 이 시스템은 LLM 외부의 고성능 논리 엔진에 의해 런타임에서 평가된다.

계산 가능성에 대한 새로운 접근: 계산 가능성 정의

이 논문에서는 목표 쿼리나 관심 파라미터의 계산 가능성을 정보의 유형과 양에 따라 설명하는 식별 조건을 다룬다. 특히, 인과 식별에서 이 정보는 인과 그래프의 형태로 표현되며, 그래프의 일부 변수에 대해 관측된 데이터를 사용한다. '계산 가능성'이라는 새로운 프레임워크를 제안하며, 이는 경험적 추정량을 위한 유한한 계산 검색 절차를 정의한다. 이 절차가 원하는 오차 허용 범위 내에서 추정량을 찾으면 식별 가능성이 충족된다. 여러 실험을 통해 작은 유한 샘플, 모호한 그래픽 기준, 혼합 관찰-개입 데이터 및 반사실적 데이터에서의 식별 질문을 해결할 수 있음을 보여준다.

SPSD를 통한 클라우드 LLM 추론에서의 사용자 프롬프트 압축

SPSD(Sentiment Preserving Semantic Distillation)는 4비트 양자화된 소형 언어 모델을 사용하여 사용자 프롬프트를 압축하고 클라우드에 배포된 LLM으로 전송하는 엣지 기반 파이프라인이다. 248개의 프롬프트를 평가한 결과, 평균 99.9개의 입력 토큰이 절약되었으며, 모든 146개의 압축 호출에서 긍정적인 절약이 나타났다. 응답 품질은 15점 척도에서 사전 지정된 1점 마진 내에서 원본 경로와 비슷한 수준으로 평가되었고, 안전-critical 도메인은 규칙 기반 게이트를 통해 보수적으로 처리된다. 각 호출당 순 에너지 절약량은 70-270 uWh로 추정된다.

SPSD는 클라우드 LLM의 입력 토큰 비용을 줄이면서 응답 품질을 유지할 수 있는 방법을 제시한다.

Gated Uncertainty-Aware Routing for Distillation을 통한 경량화된 과학적 시계열 예측

Time-Series Foundation Models (TSFMs)의 배포는 특정 과학 분야에 적용할 때 심각한 분포 불일치 문제와 높은 계산 비용으로 인해 제한된다. 본 연구에서는 Gated Uncertainty-Aware Routing for Distillation (Guard)라는 새로운 프레임워크를 제안하며, 이는 다중 교사 증류를 인스턴스별 결정 과정으로 재구성한다. 이 프레임워크는 두 가지 적응 메커니즘을 포함한다: (1) Contextual Router는 지역 입력 통계에 따라 가장 관련성 높은 교사를 동적으로 선택하고, (2) Uncertainty-Gated Temperature 메커니즘은 교사의 신뢰도가 도메인 현실과 다를 때 증류 강도를 자동으로 조절한다. 이 방법은 기후 관련 네 가지 도메인에서 RMSE를 유의미하게 감소시켰으며, 최적의 제로샷 정확도를 보이지 않는 사전 훈련된 모델로부터 지식을 성공적으로 증류할 수 있음을 보여준다.

이 연구는 자원 제약이 있는 엣지 컴퓨팅 환경에서 고정밀 과학 예측을 가능하게 한다.

다중 에이전트 LLM 심의에서 숨겨진 앵커의 역할

다중 에이전트 LLM 심의는 에이전트들이 여러 차례에 걸쳐 답변을 교환하고 수정하는 과정으로, 이는 인간의 의사결정 방식을 반영한다. 이 과정에서 각 에이전트는 숨겨진 내부 신념인 앵커를 가지고 있으며, 이는 이웃의 의견과 관계없이 자신의 의견을 지속적으로 끌어당긴다. 연구에서는 이 앵커가 심의 과정만으로 회복될 수 있으며, 이는 고전적인 합의 규칙이 금지하는 행동인 에이전트의 자신감이 초기 신념의 범위를 넘어서는 것을 설명한다. 또한, 회복된 앵커가 예측 가능성을 가지는지를 확인하는 간단한 테스트를 통해 모델이 진정으로 앵커에 의해 구동되는지를 판단할 수 있다.

이 연구는 다중 에이전트 시스템의 의사결정 과정에서 앵커의 역할을 이해하는 데 기여하며, AI 모델의 성능 향상에 실질적인 통찰을 제공할 수 있다.

토스의 문서화 도구 토독(todoc) 런칭과 기능

토스의 Technical Writer(TW)는 제품 팀의 리더로서 Knowledge System Team에서 제품 방향과 로드맵을 설정하고, 사용자 인터뷰를 통해 인사이트를 제공하며, AI 도구로 제품을 개발하고 있다. 2022년 10월에 런칭된 문서화 도구 '토독(todoc)'은 약 500개 이상의 문서와 40,000개 이상의 유효한 페이지가 쌓였고, 매달 1000명 이상이 사용하고 있다. 토독은 누구나 쉽게 문서를 작성할 수 있도록 하며, AI를 활용해 지식을 관리하고, 단일 진실 공급원(SSoT) 역할을 한다. 또한, 문서의 질을 유지하기 위해 AI 교정 기능과 자동화된 문서 생성을 지원한다.

토독은 AI로 쉽게 활용할 수 있는 지식을 모아 단일 진실 공급원 역할을 하며, 문서의 질을 유지하기 위한 자동화 기능을 제공한다.

토스의 Technical Writer가 지식 시스템 설계자로 변모하는 과정

토스의 Technical Writing Chapter Lead 한주연은 Technical Writer(TW)들이 문서 작성에서 조직의 지식 시스템 설계로 역할을 확장하고 있다고 설명한다. TW의 목표는 문서화가 아닌, 사람들이 문제를 해결하도록 돕는 것이며, 이를 위해 '박씨'라는 챗봇을 개발하여 문서가 아닌 대화형으로 정보를 제공하고 있다. 현재 TW는 사내 지식 관리 플랫폼 '토독'을 운영하고, 각 조직에 맞는 지식 시스템을 설계하며, AI 워크플로와 자동화를 통해 문서 작성 과정을 개선하고 있다.

잘 설계된 지식 시스템은 조직 전체의 생산성을 높이고, 팀원이 쉽게 적응할 수 있도록 돕는 중요한 인프라가 된다.

Dialog Club, 회원을 돈과 명성으로 평가하는 비밀 네트워크

유출된 파일에 따르면, Dialog Club은 초대 전용 네트워크로, 회원들을 돈과 명성에 따라 평가하여 누가 포함되고 제외되는지, 누가 비용을 지불하는지를 결정한다.

이 정보는 네트워크의 회원 선정 기준이 경제적 요소와 사회적 지위에 기반하고 있음을 보여준다.

cuTile Rust를 이용한 안전한 GPU 추론 엔진 Grout 발표

cuTile Rust의 논문 "Fearless Concurrency on the GPU"가 발표되었으며, 이는 메모리 안전성과 데이터 경합 자유를 보장하는 GPU 커널 작성을 가능하게 한다. Grout는 cuTile Rust를 기반으로 한 Qwen3 추론 엔진으로, RTX 5090에서 Qwen3-4B에 대해 171 tok/s, B200에서 Qwen3-32B에 대해 82 tok/s의 성능을 기록하여 vLLM 및 SGLang과 경쟁력을 갖춘다. Grout의 커널은 여전히 안전하지 않은 경로를 사용하고 있지만, 안전한 변형으로 이전할 수 있는 가능성이 있다.

대만, 중국 군사 위협에 대응하기 위한 드론 생산 확대

대만 정부는 중국의 군사적 침략을 저지하기 위해 군사 드론의 국내 생산을 강화하고 있으며, 이를 위해 6년간 66억 달러의 특별 예산을 제안했다. 이 예산은 2026년부터 2031년까지 208,000개의 해안 공격 드론, 1,400개의 해안 정찰 드론, 1,320개의 무인 수상 선박을 구매하는 데 사용될 예정이다. 현재 대만 군은 5,000개의 미국산 공격 드론과 자국 생산 드론을 보유하고 있다. 최근 대만 군은 미국 Anduril Industries의 자회사에서 제작한 Altius-600 드론을 사용하여 군사 훈련 중 해상 목표를 타격했다.

대만의 드론 생산 확대는 군사 기술 및 방산 분야에서의 협력 기회를 제공할 수 있다.

Anthropic, Claude Mythos 및 Fable 5 배포 불가

Anthropic은 트럼프 행정부와의 문제로 인해 Claude Mythos와 Fable 5를 배포할 수 없다. 그러나 회사가 정확히 무엇을 잘못했는지는 알려지지 않았다.

AI 모델 배포에 대한 규제의 불확실성이 개발자들에게 법적 리스크를 초래할 수 있다.