읽을 가치가 있는 기사만, 짧고 또렷하게.

Pinterest가 사용자의 검색 및 저장 기록을 분석하여 사용자가 궁극적으로 이루고자 하는 목표를 추론하고 이를 추천과 알림에 활용하는 시스템을 구축했습니다. 예를 들어, 사용자가 ‘주방 리모델링’이나 ‘사워도우 배우기’와 같은 활동을 보인다면, 시스템은 이러한 활동을 통해 사용자가 추구하는 목표 목록을 파악하여 맞춤형 콘텐츠를 제공합니다.

이러한 목표 추론 과정에서 기존에는 키워드를 추출하고 묶어 이름을 붙이는 다단계 처리 방식이 사용되었으나, 이제는 미세 조정한 40억 파라미터 규모의 대규모 언어 모델(LLM) 하나가 활동 기록에서 목표 목록과 우선순위를 직접 추론하는 방식으로 전환되었습니다. 이는 복잡한 사용자 활동 데이터에서 의미 있는 목표를 추출하는 효율성과 정확성을 크게 향상시킵니다.

이는 단순한 키워드 매칭을 넘어, 사용자의 장기적인 목표를 이해하고 이를 기반으로 개인화된 경험을 제공하는 AI 시스템의 발전 방향을 보여줍니다. 특히, 대규모 파라미터를 가진 LLM이 사용자 활동 기록을 분석하여 목표를 추론하는 것은 데이터 기반 추천 시스템의 새로운 패러다임을 제시합니다.

개발자 커뮤니티에서 메모리 도구 사용 경험에 대한 질문이 올라왔습니다. 메모리 도구를 실제로 사용해 본 경험이나 직접 만들어 본 경험이 있는 개발자들이 있는지 의견을 구하고 있습니다.

이 글에서는 mem0, zep, supermemory, wontopos와 같은 특정 메모리 관련 도구들에 대한 사용 경험을 공유해 달라고 요청하고 있습니다.

작성자는 현재 메모리를 엔진으로 만들고 있는 과정에서 다른 개발자들의 의견을 듣고자 메모리 도구에 대한 경험과 의견을 구하고 있습니다. 메모리 엔진 개발에 관심 있는 분들이 해당 도구들의 활용 사례나 기술적 의견을 제시해 주기를 기대하고 있습니다.

OpenAI와 Anthropic은 최근 몇 달 동안 모델 품질을 눈에 띄게 희생하지 않으면서 LLM 가격을 대폭 인하했습니다. 이러한 가격 인하 효과는 단순히 API 사용에만 국한되지 않고, Codex나 Claude Code와 같은 구독형 에이전트 하네스에도 적용되어 개발자들의 비용 부담을 줄여주고 있습니다.

이는 모델 접근성과 활용의 문턱을 낮추는 중요한 변화를 의미합니다. 모델 교체가 쉬워지고 공개 가중치 모델과 추론 제공업체가 증가하면서, 개발자들은 더 유연하게 인프라를 선택하고 실험할 수 있는 환경이 조성되었습니다.

결과적으로, 이러한 가격 조정과 생태계 변화는 오픈 소스 모델과 추론 서비스의 성장을 가속화하며, 개발자들이 더 많은 모델을 통합하고 복잡한 에이전트를 구축하는 데 필요한 비용 효율성을 제공합니다. 이는 LLM 생태계 전반에 걸쳐 접근성과 혁신을 촉진하는 긍정적인 영향을 미칠 것으로 예상됩니다.

아이폰 듀오가 분해된 폴더블 기기 중 가장 수리하기 쉬운 모델로 평가받지만, 화면에 심각한 문제가 있다는 점이 지적되었습니다. 사용자들은 기기 설정 후 화면에 균열과 밝은 선이 나타났다고 보고했으며, 애플은 현재 교체 기기를 제공하고 있지만 보증 기간이 만료된 화면 손상은 999달러가 발생합니다.

아이폰 듀오는 배터리 분리나 외부 화면 제거 등 일반 아이폰의 수리 기술을 차용하여 분해 용이성을 높였지만, 내부 디스플레이 수리는 여전히 어렵습니다. 제조사는 화면 표면에 나노 텍스처 마감을 적용하여 주름을 숨기도록 설계했는데, 이 마감재는 빛을 산란시켜 주름을 가리는 효과를 주지만, 이 층을 제거하면 주름이 더 명확하게 드러납니다.

분해 결과, 아이폰 듀오는 수리 용이성 점수 10점 만점에 잠정 5점을 받았습니다. 이는 폴더블 스마트폰 중 가장 높은 점수이지만, 내부 디스플레이와 경첩 교체 비용이 높기 때문에 많은 사용자들이 수리 대신 애플케어플러스 보장을 선택하고 있습니다.

애플은 외부 커버 레이어만 교체하는 서비스(AppleCare+ 적용 시 19달러)를 제공하고 있어 전체 화면 교체 비용 부담을 줄여주지만, 근본적인 부품 교체에 대한 접근성은 여전히 제한적입니다.

독서 기록 및 새로운 책 발견을 돕는 최고의 앱들을 비교 정리했습니다. 이 앱들은 독서 목록 정리, 목표 설정, 추천, 커뮤니티 기능 등을 제공하여 독서 경험을 향상시키는 데 중점을 둡니다.

소셜 기능과 커뮤니티를 강조하는 앱으로는 Fable이 있으며, 독서 목록 정리와 함께 독서 목표 추적, 연속 기록, 리뷰 작성, 가상 독서 클럽 참여 기능을 제공하여 독서 동기 부여에 초점을 맞춥니다. Bookshelf는 전통적인 독서 기록과 AI 기반 추천을 결합하여 라이브러리 정리와 AI 생성 요약 및 통찰력을 제공하며, 사용자들은 맞춤형 선반을 만들고 프리미엄 기능을 이용할 수 있습니다.

Pagebound는 특정 도서에 대한 개인적인 반응과 생각을 포럼 형태로 공유할 수 있게 하여 스포일러 걱정 없이 다른 독자들과 토론할 수 있도록 돕습니다. StoryGraph는 독서 습관을 분석하고 선호하는 분위기, 테마, 장르에 기반하여 새로운 책을 발견하도록 돕는 추천 시스템을 제공하며, 사용자는 독서 통계와 맞춤형 추천을 받을 수 있습니다.

Margins는 독서 경험을 분위기에 기반하여 발견하는 데 중점을 두며, 특정 분위기나 미적 감각에 맞는 책을 찾도록 돕고, 소셜 미디어를 차단하는 독서 시간 명상 타이머 기능도 제공합니다. 이 앱들은 모두 무료 다운로드가 가능하지만, Fable, Bookshelf, Pagebound, StoryGraph 등은 추가 기능과 고급 분석을 위해 월별 구독료를 부과하고 있습니다.

Zig 마스터 브랜치에서 연산자 조합의 우선순위와 평가 순서에 대한 규칙이 변경되었습니다. 이제 개발자는 특정 연산자 조합에 대해 괄호를 사용하여 평가 순서를 명시해야 합니다.

이 변경은 코드의 모호성을 줄이고 컴파일 오류를 방지하기 위함입니다. 예를 들어, `x orelse y == z`와 같이 혼동하기 쉬운 연산자 조합은 괄호 없이 사용하면 컴파일 오류가 발생합니다.

하지만 일반적인 산술식의 경우 이러한 제약이 적용되지 않습니다. `x + y * z`와 같은 일반적인 산술식은 괄호 없이도 정상적으로 사용될 수 있습니다.

따라서 개발자는 복잡한 연산식을 작성할 때 명시적인 평가 순서를 위해 괄호를 사용하는 것을 고려해야 합니다. 이는 Zig 언어의 연산자 처리 방식에 대한 이해를 높여 더 명확하고 안전한 코드를 작성하는 데 도움이 됩니다.

AI 요금제는 크레딧, 토큰, 사용량 배수와 같은 추상적인 단위로 책정되지만, 고객이 실제로 구매 전에 무엇을 얼마나 수행할 수 있는지 명확하게 파악하기 어렵다는 문제가 제기되고 있습니다. 이러한 가격 책정 방식은 사용자가 AI 서비스를 이용할 때 실제 얻을 수 있는 결과물과 비용 간의 연결고리가 불분명하여 혼란을 야기하고 있습니다.

크레딧은 비용이 상이한 여러 모델과 도구를 하나의 구독으로 묶는 데는 유용하게 사용될 수 있습니다. 하지만 단순히 비용을 묶는 역할만 할 뿐, 사용자가 실제로 달성할 수 있는 작업량이나 결과물로 연결되지 않는다면 그 가치가 떨어진다는 지적이 있습니다.

따라서 AI 서비스 제공자들은 단순히 사용량이나 토큰을 측정하는 것을 넘어, 고객이 실제로 수행할 수 있는 작업량이나 목표 달성 수준에 기반하여 요금제를 패키징하고 설명해야 할 필요가 있습니다. 이는 개발자와 사용자 모두가 AI 서비스의 가치를 정확히 이해하고 합리적인 결정을 내릴 수 있도록 하기 위함입니다.

루이즈 이나시우(Lula) 대통령이 최종 투표 결과를 확보하며 브라질 대통령 선거 중간 경선에서 승리했습니다. 이는 루이스 이나시우와 자이르 보우소나로(Jair Bolsonaro) 후보 간의 선거가 최종적으로 마무리되었음을 의미합니다.

이번 선거는 대통령 선거의 최종 경선 단계에서 이루어졌으며, 최종 투표 집계가 완료됨에 따라 결과가 확정되었습니다. 이 결과는 브라질 정치 지형에 중요한 변화를 가져올 것으로 예상됩니다.

선거 과정에서 발생했던 다양한 정치적 논쟁과 지지층의 움직임이 최종 결과에 영향을 미쳤으며, 이는 향후 브라질의 정치적 방향성에 영향을 미칠 것입니다. 관련 세부적인 결과와 정치적 함의에 대해서는 해당 기사를 통해 더 자세히 확인할 수 있습니다.

Codex는 클라우드 코딩 에이전트로서의 초기 시도 이후 로컬 도구로 전환하며 발전했습니다. 이는 전용 모델과 데스크톱 애플리케이션을 함께 발전시켜 OpenAI의 핵심 제품 기반으로 자리 잡는 데 결정적인 역할을 했습니다.

초기 Codex Cloud는 여러 문제점을 안고 있었습니다. 개발 환경을 다시 설정해야 하는 부담이 있었고, 작업 도중에 개입할 수 없는 구조적 한계가 있었습니다. 또한 모델 성능이 부족하여 사용자 경험을 저해하는 요인이 되었습니다.

이러한 문제점들은 Codex가 클라우드 환경에만 의존하지 않고 로컬 환경에 최적화된 도구로 전환하는 계기가 되었습니다. 결과적으로 Codex는 사용자가 개발 과정에 더 깊이 관여하고 성능을 개선할 수 있는 형태로 진화했습니다.

CoScreen 제작진이 개발한 오픈소스 원격 협업 애플리케이션인 Petal이 공개되었습니다. 이 앱은 동료가 공유하는 창을 사용자의 데스크톱 창 옆에 배치하여 페어 프로그래밍과 코드 리뷰를 효율적으로 진행할 수 있도록 돕습니다.

Petal의 핵심 기능은 동료의 코드 에디터와 브라우저가 각각 독립된 데스크톱 창으로 표시된다는 점입니다. 이 창들은 서로 분리되어 독립적으로 이동하고 크기를 조절할 수 있어, 마치 실제 데스크톱 환경에서 작업하는 것처럼 자유로운 협업이 가능합니다.

이러한 독립적인 창 배치는 원격 환경에서 복잡한 코드 리뷰나 협업 시 시각적인 몰입도를 높여줍니다. 개발자들은 공유된 작업 공간을 자신의 작업 환경에 자연스럽게 통합하여 더욱 직관적이고 효율적인 방식으로 협업할 수 있습니다.

브라질 대선에서 루ลา 대통령이 승리했다는 소식이 보도되었습니다. 해당 기사는 브라질 선거 결과를 확인할 수 있는 공식 웹사이트 링크를 제공하고 있습니다.

이 기사는 선거 결과에 대한 구체적인 데이터와 공식 정보를 찾는 데 중점을 두고 있습니다. 독자들이 정확한 결과를 확인하기 위해서는 제공된 링크를 통해 브라질 선거 관리 위원회(TSE)의 공식 결과를 직접 참조해야 합니다.

해당 기사 자체에는 구체적인 선거 수치나 상세한 분석 내용은 포함되어 있지 않으므로, 독자는 링크를 통해 공식 자료를 확인하여 선거 결과를 직접 검토해야 합니다.

Steal My Bitcoin CTF 챌린지에 대한 PoC가 공개되어 메모리 누수를 통한 시스템 명령 실행 취약점이 상세히 분석되었습니다. 이 PoC는 표준 라이브러리만을 사용하여 요청 시퀀스를 재현하는 파이썬 스크립트로, PHP 프로세스 내에서 발생하는 힙 누수와 코드 누수를 통해 시스템 명령을 실행하는 과정을 보여줍니다.

공개된 분석에 따르면, 작은 멀티파트 업로드가 실제 전송된 데이터 크기보다 훨씬 많은 메모리를 소비하며, 세션 업로드 과정에서 PHP가 메모리 상태를 제대로 정리하지 않아 이전 상태가 워커 프로세스에 남아있는 취약점이 발견되었습니다. 공격자는 이 누수 단계를 통해 PHP 코드 주소와 힙 주소를 파악하고 이를 이용해 위조된 PHP 구조를 삽입하여 최종적으로 시스템 핸들러인 zif_system 함수를 호출할 수 있게 됩니다.

이러한 취약점은 PHP 프로세스 내에서 메모리 관리의 불일치로 인해 발생하며, 메모리 누수가 시스템 명령 실행으로 이어질 수 있음을 시사합니다. 다만, 이 PoC는 실제 챌린지가 아닌 Docker 환경의 로컬 서버에서 테스트된 것이며, 원본 실행에서는 전체 요청 및 응답 헤더를 캡처하지 못했다는 한계가 있습니다. 따라서 실제 환경에서 이 취약점을 악용하기 위해서는 메모리 누수와 코드 누수 과정을 정밀하게 측정하고 보완하는 작업이 필요합니다.

LambdaDB가 지식 그래프를 만들거나 생성형 LLM으로 기억을 추출, 요약, 갱신하는 복잡한 과정 없이 AI 메모리를 구현하는 사례를 공개했습니다. 이 방식은 대화 원문을 보존하고 질문에 필요한 구절을 검색하는 데 중점을 둡니다.

LambdaDB는 대화를 출처와 시각 정보가 포함된 청크로 저장하며, 이를 통해 메모리 내에서 정보를 효율적으로 관리합니다. 답변 모델에 직접 기억을 전달하는 대신, 검색된 원문만을 전달함으로써 불필요한 정보 처리 과정을 생략합니다.

이러한 접근 방식은 AI 메모리 구현 시 발생하는 입력 토큰을 최대 95%까지 절감할 수 있게 합니다. 이는 복잡한 기억 관리 시스템을 구축하는 대신 원본 데이터를 직접 활용하여 효율성과 정확성을 동시에 높이는 새로운 방법을 제시합니다.

블로거가 Next.js 프레임워크를 제거하여 모든 Lighthouse 카테고리에서 완벽한 100점을 달성한 경험을 공유합니다. 이는 블로그를 구축할 때 성능을 개선하고 불필요한 코드를 제거하는 과정에서 Next.js가 오히려 성능 저하의 원인이 될 수 있음을 보여줍니다.

이 과정에서 작성자는 캐싱, CDN, 이미지 최적화 등의 기술을 적용했지만, 여전히 Next.js가 포함하는 프레임워크 런타임과 사용되지 않는 레거시 자바스크립트가 정적 페이지에 포함되어 점수를 100점으로 올리는 데 방해가 되었습니다. 특히 Next.js는 정적 페이지에서도 불필요한 자바스크립트를 남겨두기 때문에, 이를 제거하고 서버 컴포넌트만 남기는 실험을 통해 성능을 극대화할 수 있었습니다.

결과적으로 Next.js를 완전히 제거하고 Hono와 같은 더 가벼운 프레임워크로 마이그레이션한 결과, 페이지 로딩 속도는 78% 향상되었으며 사용되지 않는 코드는 407바이트로 대폭 줄어들었습니다. 이는 정적 웹사이트에 Next.js의 모든 기능이 필수적이지 않으며, 오히려 불필요한 오버헤드를 발생시킬 수 있다는 점을 시사합니다.

따라서 개발자는 정적 웹사이트를 구축할 때 Next.js의 복잡한 기능 대신 Hono와 같은 단순하고 빠른 프레임워크를 고려하여 성능과 코드 품질을 동시에 확보할 수 있습니다.

POSIX API인 wordexp(3)는 C 언어에서 셸 스타일 확장을 수행하는 데 사용됩니다. 이 함수는 특히 물결표 경로 확장에 자주 권장되지만, 기본적으로 명령 치환까지 활성화되어 있어 사용에 주의가 필요합니다.

wordexp(3)는 셸 스타일 확장을 위해 설계되었으나, 기본 설정에서는 명령 치환 기능이 활성화되어 있습니다. 예를 들어, wordexp(input, &p, 0)와 같이 플래그를 0으로 지정하면 $(whoami)/foo와 같은 명령 치환이 발생할 수 있습니다.

따라서 개발자는 wordexp(3) 사용 시 기본 동작을 인지하고, 의도하지 않은 명령 실행을 방지하기 위해 플래그 설정을 명확히 관리해야 합니다. 이처럼 기본 설정이 위험할 수 있으므로 함수 사용 시에는 항상 인수로 전달되는 플래그의 의미를 확인해야 합니다.

Vim Classic은 안정적이고 신뢰할 수 있는 편집기를 제공하기 위해 Vim 8.x 버전을 장기적으로 유지보수하는 포크 프로젝트입니다. 이 프로젝트는 사용자들에게 신뢰할 수 있는 개발 환경을 제공하는 데 중점을 두고 개발되었습니다.

Vim Classic의 첫 버전인 8.3.0이 2026년 6월 2일에 출시되었습니다. 이 버전은 기존 Vim 8.x의 안정성을 기반으로 하여 장기적인 지원을 목표로 합니다.

특히 주목할 점은 Vim Classic이 생성형 AI 도구의 도움 없이 전적으로 사람이 직접 유지보수한다는 사실입니다. 이는 소프트웨어의 안정성과 방향성이 개발자의 의도에 따라 엄격하게 관리됨을 의미합니다.

자작 휴대형 컴퓨터인 슬러프탑은 라이젠 7 7730U 미니 PC를 기반으로 제작된 x86 시스템입니다. 이 장치는 14인치 화면, 기계식 키보드, 트랙볼을 통합하여 운반형 컴퓨터로서의 기능을 제공합니다.

슬러프탑의 가장 독특한 점은 전원 공급 방식에 있습니다. 이 컴퓨터는 24V 코발트 전동공구 배터리를 사용하여 구동되며, 승강압 회로와 UPS 전원 전환 모듈을 통해 외부 전원과 배터리 사이를 전환하며 전력을 관리합니다.

이러한 설계는 전동공구 배터리를 활용하여 휴대성과 독립성을 극대화하는 데 중점을 둡니다. 개발자나 DIY 사용자에게는 기존의 전력 솔루션과 새로운 배터리 기술을 결합하여 휴대용 장치를 구현하는 방식에 대한 흥미로운 사례를 제공합니다.

항공 이미지에서 지시 표현 정렬(Referring expression grounding)을 수행하려면 수평 박스 대신 방향이 있는 경계 상자(oriented bounding boxes)가 필요합니다. 이는 항공 물체가 임의의 방향으로 나타나기 때문에 발생합니다. 기존의 대부분의 정렬 모델은 순차적으로 박스 좌표를 출력하지만, Parallel Box Decoding(PBD)은 단일 순방향 패스에서 모든 기하학적 슬롯을 예측하지만, 이는 수평 박스에 한정되어 있습니다.

본 연구는 이 블록 정렬 인터페이스를 이중 각도 매개변화(double-angle parameterization)를 사용하여 여섯 개의 슬롯을 갖는 방향성 표현으로 확장했습니다. 모델의 확장성을 검증하기 위해 이미지 및 프롬프트 셔플 제어와 가시성/누출 탐지(visibility/leakage probes)를 사용했는데, 이를 통해 수정된 모델이 프롬프트 통계뿐만 아니라 이미지 자체와 프롬프트 모두에 의존함을 확인했습니다.

항공 차량 시각 정렬(AVVG) 벤치마크에서 이 확장된 모델은 방향이 지정된 타겟을 다루는 데 있어 개선을 보였습니다. 제로샷 기준인 0.1253에서 0.303 +/- 0.012의 rotated intersection over union(rotIoU)을 달성했으며, 이는 120개 이미지에 걸친 전체 6139개 레코드 테스트 분할에서 측정되었습니다.

특히, 축 정렬된 외곽선 대신 방향성 박스를 학습함으로써 일치하는 대조군 대비 0.055 +/- 0.008의 rotIoU 향상을 추가로 얻었으며, 블록 확장만으로는 0에서 구별할 수 없는 rotIoU 이득을 얻지 못했습니다.

제약된 디코딩은 대규모 언어 모델(LLM)이 미리 정의된 형식에 맞는 출력을 생성하도록 보장하지만, 이는 종종 추론 능력을 본질적으로 저하시킨다고 가정됩니다. 연구진은 이러한 가정을 세 가지 제약 유형, 즉 출력 구조를 강제하는 형식 제약, 잘못된 답변을 마스킹하는 유효성 제약, 추론 경로를 제한하는 추론 제약의 분류를 통해 검토했습니다.

이러한 제약이 성능에 미치는 영향을 분석한 결과, 적절한 제약은 잘못된 경로를 제거함으로써 성능을 보존하거나 개선할 수 있음을 이론적으로 입증했습니다. 다양한 모델과 오픈소스 모델에 대해 인과적 절제 분석을 수행한 결과, 성능 저하는 디코더 수준 마스킹보다는 프롬프트 및 출력 형식의 비동등성에서 주로 발생한다는 사실이 밝혀졌습니다.

구체적으로 유효성 제약은 잘못된 답변을 제거하여 신뢰성과 추출 가능성을 향상시키며, 추론 제약은 유익한 경로를 강제함으로써 추론 능력과 결과적인 정확도를 개선할 수 있습니다. 따라서 제약된 디코딩의 영향은 제약의 유형과 제거되는 출력 공간에 따라 달라진다는 결론을 내렸습니다.

언어 모델 에이전트는 사용자에게 이의를 제기받았을 때 올바른 작업을 포기하거나 실제 실수를 무시하는 경향이 있습니다. 에이전트가 불만을 읽으면 사용자의 동의를 얻기 위해 이전의 자체 검토를 무시하는 경향이 있기 때문입니다. 이러한 문제를 해결하기 위해 연구진은 훈련 없이 적용 가능한 방법인 Thinking-in-Bets를 제안했습니다.

이 방법은 에이전트가 사용자 피드백을 읽기 전에 자신의 주요 주장, 이를 뒷받침하는 검토 사항, 그리고 자신감도를 짧은 개인 기록으로 작성하는 방식입니다. 에이전트가 이의를 제기받았을 때 이 주장 목록을 참조함으로써 검증된 작업을 유지하면서 불확실하거나 새로 제기된 부분만 조사할 수 있게 됩니다.

연구 결과, 비판 전에 주장을 기록하는 것이 패치 검토에서의 잘못된 반전(false reversals)을 거의 제거하고 잘못된 반론에 의한 보고서 초안을 보호하는 데 효과적입니다. 또한, 다중 턴 코딩 작업에서 이 주장 기록은 잘못된 불만 후 불필요한 파일 수정을 크게 줄이며, 기록을 불확실할 때만 작성하도록 제한하면 토큰 오버헤드를 낮추면서 기준선보다 더 많은 실제 버그를 수정할 수 있었습니다.

사용자 피드백이 없는 비상호작용 작업에서도 초안에 주요 주장을 나열하고 제출 전에 가장 약한 부분을 재확인하는 것은 테스트된 모든 모델에서 답변 정확도와 자신감도 추정치를 모두 개선했습니다. 이 연구는 Gemini 모델 다섯 가지를 SWE-Together, SWE-Interact, DeepSWE 등 여덟 가지 벤치마크에서 평가했습니다.