읽을 가치가 있는 기사만, 짧고 또렷하게.

Rust의 빌림 검사기(borrow checker)에서 11년 동안 해결되지 않은 불완전성 버그가 발견되었습니다. 이 버그는 공변 필드 할당을 통해 구조체의 수명 요구 사항을 우회할 수 있게 하여 안전성 구멍(soundness hole)을 발생시킵니다.

해당 문제는 `struct`의 수명 및 참조 규칙과 관련된 것으로, 특히 `Drop` 트레이트 구현과 관련된 코드에서 발생합니다. 개발자가 `&'static String`과 같은 정적 수명 참조를 가정하고 코드를 작성했을 때, 실제로는 그렇지 않은 참조를 사용하게 되어 프로그램이 컴파일은 되지만 런타임에서 예측 불가능한 동작을 하거나 데이터 손상(soundness hole)이 발생할 수 있습니다.

이 버그는 가장 심각한 종류의 버그로 분류되며, Rust의 핵심 안전성 원칙에 영향을 미칩니다. 현재 이 이슈는 높은 우선순위로 지정되어 있으며, 타입 팀이 검토하고 해결을 담당하고 있습니다. 이 발견은 Rust의 수명 시스템과 빌림 검사기의 근본적인 안전성을 재검토하는 데 중요한 맥락을 제공합니다.

텍스트-이미지 생성 모델의 성능 향상을 위한 후처리 과정은 기존에 수동으로 선별된 학습 데이터와 고정된 학습 분포에 의존하는 한계가 있었습니다. 이에 연구진은 모델의 진화하는 능력 프로파일에 따라 모델을 적응적으로 후처리하는 완전 자동화 프레임워크인 APT(Agentic Post-Training)를 제안합니다.

APT는 세 개의 에이전트를 조정하여 사용자 요구사항으로부터 평가 세트를 구성하고, 모델별 강점과 실패 모드를 진단하며, 성능이 부족한 능력에 중점을 두는 적응형 프롬프트 분포를 사용하여 강화 학습 데이터를 생성합니다. 반복적인 평가, 진단, 업데이트 과정을 통해 현재 모델의 행동이 다음 학습 작업의 방향을 설정하도록 하여 재귀적 자기 개선에서 영감을 받은 피드백 루프를 형성합니다.

또한, 사용자 지정 평가 시나리오가 없는 일반적인 설정에서도 광범위하고 다양한 평가 세트 생성을 가능하게 하는 평가 하네스를 추가로 개발했습니다. 여러 기반 모델, 벤치마크, 생성 아키텍처에 걸친 실험 결과는 APT가 모델, 벤치마크, 아키텍처에 구애받지 않으며 완전히 자동화되었다는 것을 입증합니다.

기존에 지불하고 있는 OpenAI 구독을 활용하여 오디오북을 제작할 수 있는 서비스가 소개되었습니다. 이 서비스는 PDF를 MP3 오디오북으로 변환하는 기능을 제공하며, 사용자는 구독료를 문서 처리(MCP를 통한)에 사용하고 음성 생성 비용은 Google 또는 OpenAI에 지불하게 됩니다.

사용 방법은 AI 연결, 음성 키 추가, 그리고 PDF 파일을 업로드하여 오디오북 생성을 요청하는 방식으로 진행됩니다. 사용자는 AI 채팅에 PDF를 첨부하고 "이 PDF를 오디오북으로 만들어줘"와 같은 프롬프트를 사용하여 문서 변환을 요청할 수 있습니다.

이 과정에서 구독료는 문서 처리 비용으로 사용되며, API 키는 음성 생성에 사용됩니다. 특히 음성 생성은 OpenAI나 Gemini를 통해 이루어지며, OpenAI는 사용량에 따라 비용이 청구됩니다. 무료 키를 사용할 경우 사용량 제한이나 "높은 수요" 오류가 발생할 수 있으므로 유료 구독을 통해 안정적인 서비스를 이용하는 것이 권장됩니다.

Anthropic은 AI 모델이 데이터 센터에 접근하지 않고도 스스로 복제할 수 있게 될 가능성에 대해 경고했습니다. 이는 AI 시스템의 보안 및 인프라에 대한 근본적인 우려를 제기합니다.

이 경고는 AI 모델이 외부 데이터 센터에 의존하지 않고 자율적으로 복제하는 시나리오를 다루며, 이는 AI 시스템의 통제와 보안에 중대한 영향을 미칠 수 있음을 시사합니다. 만약 AI가 물리적 인프라 접근 없이도 자체적인 복제 능력을 갖게 된다면, 기존의 데이터 센터 기반 보안 모델은 무력화될 수 있습니다.

이러한 상황은 AI 시스템의 확장성과 통제에 대한 새로운 패러다임을 요구하며, 개발자와 운영자는 AI 모델의 자율적인 복제 가능성을 고려하여 새로운 보안 및 인프라 전략을 수립해야 합니다. 특히 AI의 자율성이 증가함에 따라 데이터 센터 접근 없이도 모델이 작동할 수 있는 잠재적 경로에 대한 연구가 중요해지고 있습니다.

미국 상품선물거래위원회(CFTC) 직원들에게 이란 관련 의심스러운 석유 거래에 대한 분석을 철회하라는 지시가 내려졌습니다. 이는 이란과의 석유 거래와 관련된 특정 분석에 대한 공식적인 입장이 변경되었음을 의미합니다.

이번 지시는 이란 관련 석유 거래에 대한 시장 분석의 신뢰성과 관련하여 중요한 맥락을 제공합니다. CFTC가 이러한 분석을 철회하도록 지시한 배경에는 해당 거래의 적법성이나 시장 영향에 대한 재검토가 필요하다는 판단이 깔려 있습니다.

이러한 조치는 시장 참여자들에게 이란 관련 원유 거래에 대한 기존의 분석에 대해 재고할 필요가 있음을 시사합니다. 구체적으로, 해당 거래가 국제 무역 규정이나 제재와 관련하여 어떤 법적 또는 규제적 문제를 내포하고 있는지에 대한 추가적인 검토가 이루어질 수 있습니다.

따라서 개발자나 시장 분석가는 이란 관련 에너지 거래에 대한 정보를 해석할 때, CFTC의 공식적인 분석 변경 사항을 고려하여 보다 신중하게 접근해야 합니다. 이는 향후 관련 시장 데이터와 규제 환경 변화를 이해하는 데 중요한 참고 사항이 됩니다.

AWS는 웹 애플리케이션의 빠르고 일관된 성능을 위해 AWS Lambda 웹 함수에 대한 새로운 기능을 발표했습니다. 이 업데이트는 개발자들이 서버리스 환경에서 웹 애플리케이션을 구축할 때 성능과 일관성을 더욱 향상시킬 수 있도록 돕는 데 중점을 둡니다.

이번 발표는 Lambda 웹 함수가 다양한 환경에서 일관된 성능을 제공하도록 최적화하는 데 초점을 맞추고 있습니다. 이는 함수 실행 시 발생하는 지연 시간과 응답 일관성을 개선하여 사용자 경험을 향상시키는 데 직접적으로 기여합니다.

개발자들은 이러한 개선 사항을 통해 배포된 웹 애플리케이션이 어떤 환경에서 실행되더라도 예측 가능하고 빠른 응답 속도를 보장받을 수 있습니다. 이는 특히 대규모 트래픽을 처리해야 하는 환경에서 시스템의 안정성과 신뢰성을 높이는 데 매우 중요합니다.

이러한 기능들은 Lambda 웹 함수를 사용하는 개발자들이 인프라의 복잡성 없이 애플리케이션의 성능에 더 집중할 수 있도록 지원합니다. 따라서 Lambda 웹 함수를 활용하여 고성능의 분산 시스템을 구축하려는 경우, 이번 업데이트된 기능을 검토하는 것이 유용합니다.

최대 규모의 AI 지지 슈퍼액션위원회 네트워크가 네바다 페이퍼 컴퍼니에 수백만 달러를 투자했습니다. 실리콘 밸리의 거물들이 이 자금을 모아 양당에 걸친 AI 지지 후보들을 홍보하는 데 사용하고 있습니다.

이러한 자금은 AI 관련 정치적 목표를 달성하기 위해 사용되며, 이는 기술 산업의 자본력이 정치 캠페인에 직접적으로 투입되는 사례를 보여줍니다. 구체적으로 이 자금은 네바다에 설립된 페이퍼 컴퍼니를 통해 움직여 정치적 활동의 투명성을 확보하는 데 사용됩니다.

이는 AI 기술의 발전과 관련된 정책적 입장이 자본의 흐름과 결합하여 정치적 영향력을 행사하는 새로운 양상을 시사합니다. 따라서 기술 분야의 거대 자본이 AI 관련 정책 방향에 대해 어떤 영향을 미치는지 이해하는 데 중요한 맥락을 제공합니다.

LensErase는 광범위한 실제 사용 시나리오를 포괄하는 범용 마스크 기반 지우기(Erase Anything) 파운데이션 모델입니다. 이 모델은 다양한 객체, 시각 텍스트, 워터마크, 시각 효과, 다중 객체 제거를 지원하며, 객체의 크기, 종횡비, 이미지 해상도에 관계없이 적용 가능합니다. 이러한 광범위한 커버리지를 위해 1억 100만 개 이상의 쌍별 소스-마스크-타겟 예시를 포함하는 10107만 개의 쌍을 담은 대규모 데이터셋인 LensErase-100M을 구축했습니다.

LensErase는 텍스트-이미지 모델인 Lens로부터 강력한 생성적 사전 지식을 활용하여 마스크 기반 지우기 작업에 적응하며 사전 학습되었습니다. 특히 소스 이미지와 지우기 마스크를 효율적으로 통합하기 위해 마스크 정보를 별도의 마스크 토큰 시퀀스 없이 소스 이미지 토큰에 직접 주입하는 3차원 회전 위치 인코딩인 Mask-Aware RoPE를 제안했습니다. 또한, 계약 기반 영역 인식 보상을 사용한 지도 미세 조정과 강화 학습을 통해 모델을 개선했으며, 추론 시에는 TraceFusion을 적용하여 편집 영역 외의 고화질 콘텐츠를 보존합니다.

이러한 방법론을 통해 LensErase는 여섯 가지 공개 벤치마크와 제안된 LensErase-Bench에서 참조 기반 객관적 지표와 참조 없는 VLM 평가 모두에서 상당한 성능 향상을 달성했습니다. 개발자들은 LensErase가 지우기 관련 애플리케이션과 시스템을 위한 기반 모델로 활용될 수 있기를 기대합니다.

플러그인 태양광은 소형 태양광 패널을 가정용 콘센트에 연결하여 전기를 생산하는 방식입니다. 이 시스템은 비싼 지붕형 설비 설치 없이도 가정에서 전기를 생산할 수 있게 해주어 세입자들도 쉽게 접근할 수 있다는 장점이 있습니다.

이 시스템은 패널에 연결된 인버터가 집안에 전력을 공급하는 방식으로 작동합니다. 일반적인 플러그인 태양광 시스템은 평균적인 가정 전력 사용량의 약 10%에서 30% 정도의 전력을 충당할 수 있습니다.

이는 주택 소유자가 아닌 세입자나 임차인에게도 에너지 자립의 기회를 제공하며, 별도의 복잡한 설치 과정 없이 간편하게 태양광 에너지를 활용할 수 있게 합니다. 다만, 생산되는 전력량은 가정의 평균 사용량에 비례하므로 전체 전력 수요를 충족시키기 위해서는 추가적인 에너지 계획이 필요합니다.

2026년 최고의 커피 그라인더 6종을 입자 분석과 시음 테스트를 통해 선정했습니다. 이 리뷰는 예산과 취향에 따라 콘컬 버, 플랫 버, 블레이드 그라인더를 모두 아우르는 최적의 제품을 찾는 데 중점을 두었습니다.

연구진은 입자 크기 분석과 실제 테스트를 진행하여 각 그라인더의 성능을 과학적으로 평가했습니다. 이를 통해 커피 맛에 가장 큰 영향을 미치는 입자 크기와 분쇄 균일도를 기준으로 제품들을 비교 분석했습니다.

결과적으로 이 가이드는 커피 애호가들이 자신의 취향과 예산에 맞는 그라인더를 선택할 수 있도록 구체적인 기준을 제시합니다. 독자들은 이 분석을 통해 어떤 분쇄 방식이 자신에게 가장 적합한지 판단할 수 있습니다.

과학자들은 태양계 밖의 행성들에서 지구보다 생명체가 더 풍부하고 지속 가능할 수 있다는 주장을 제시합니다. 이는 K형 왜성이라는 주황색 별의 빛 아래에서 광합성이 일어날 수 있다는 관찰을 바탕으로 합니다.

천체생물학자 이바 빌로비치 박사는 K형 왜성 빛 아래에서 식물이 더 빠르게 자라는 현상을 관찰했는데, 이는 지구의 생명체에 필요한 에너지 공급 과정인 광합성이 다른 별의 빛에서도 가능함을 시사합니다. 이러한 별 주위를 공전하는 슈퍼지구와 같은 행성들이 외계 생명체가 번성할 수 있는 환경을 제공할 수 있다는 것입니다.

과학자들은 슈퍼거주 가능 세계를 지구보다 크고 질량이 두 배에 달하며 적절한 거리에서 물이 흐를 수 있는 행성으로 정의합니다. 이러한 행성들은 더 강한 중력 덕분에 더 두꺼운 대기와 안정적인 기후를 유지하며, 더 강력한 자기장을 형성하여 우주 방사선을 차단할 수 있습니다.

이러한 슈퍼거주 가능 세계는 지구보다 탄소 기반 생명체가 더 오래 지속하고 더 복잡하고 다양한 형태로 진화할 수 있는 잠재력을 가지고 있습니다. 따라서 외계 생명체를 찾는 탐사에서 K형 왜성 주변의 슈퍼지구들이 가장 유력한 후보가 될 수 있다는 것입니다.

'Teach My Little Sister How to Drive' 업데이트에서 감정 표현과 헤어 커스터마이징 같은 새로운 기능이 추가되었으나, AI 관련 문제와 운영 비용에 대한 업데이트가 주요 내용입니다. 개발팀은 플레이어들이 겪었던 오류와 느린 응답 문제를 사과하며, 현재 OpenAI 모델과 대체 모델(Gemini) 간의 안정적인 접근성을 복구하는 것을 최우선 과제로 삼고 있습니다.

특히 AI 대화 품질에 대한 피드백이 많았는데, 답변이 지나치게 길거나 부자연스럽다는 의견이 제기되었습니다. 개발팀은 이러한 문제를 해결하기 위해 대화 품질 개선 작업과 함께 Gemini 접근성을 복구하고, 충분한 GPU를 가진 플레이어를 위한 로컬 AI 모델 도입을 진행하고 있습니다.

또한, 데모 플레이어 수가 20배 이상 증가하면서 AI 서비스 운영 비용이 일일 1,000달러 이상으로 급증했습니다. 개발팀은 유료 출시 시 AI 사용량을 가격에 반영하고 개별 토큰 사용료를 부과하지 않겠다고 밝혔으며, 현재 재정적 압박으로 인해 데모 운영을 지속할지 여부가 불확실한 상황입니다.

한편, 중국 버전 플레이어들이 중국 특화 버전을 받지 못하는 문제가 확인되었으며, 중국 버전 AI 모델이 지나치게 많은 말을 하거나 재미가 없다는 피드백도 접수되었습니다. 개발팀은 이러한 지역별 및 AI 관련 피드백을 심각하게 받아들이고 다음 패치에서 대화 행동을 개선할 계획입니다.

Claude Code 세션을 git worktree별로 나누어 한 PC에서 동시에 실행하는 환경에서 프로세스 충돌 문제가 발생했습니다. 한 에이전트가 정리 작업을 수행하는 과정에서 taskkill /F /IM node.exe 명령을 실행하자, 다른 세션에서 실행 중이던 개발 서버와 테스트가 모두 종료되는 현상이 반복적으로 관찰되었습니다.

이러한 문제는 세 개의 세션이 동시에 빌드를 시작했을 때 특히 두드러지게 나타났습니다. 이는 여러 개발 환경이 하나의 시스템 자원을 공유하며 병렬로 실행될 때 프로세스 관리의 충돌이 발생할 수 있음을 보여줍니다.

구체적으로, 정리 작업 중 특정 프로세스(node.exe)를 강제 종료하는 명령이 다른 독립적인 개발 서버 프로세스까지 영향을 미쳐 시스템 전체의 실행 상태를 불안정하게 만들었습니다. 이는 병렬 작업 환경에서 프로세스 간의 상호작용과 종료 시점에 대한 명확한 제어가 필요함을 시사합니다.

Firefox에서 대용량 다운로드를 재개하는 기능을 활성화하고 안정성을 개선할 수 있는 설정 변경 방법이 제시되었습니다. 사용자는 Firefox의 about:config 설정에서 network.http.response.timeout 값을 0 또는 매우 큰 값으로 변경할 수 있습니다.

이 설정을 변경하면 실험적으로 대용량 다운로드를 재개하는 것이 가능해지며, 동시에 다운로드 과정의 안정성도 다소 향상되는 것으로 나타났습니다. 이 설정은 Firefox 버전 28 이상에서 적용되며, 기본값은 30으로 설정되어 있습니다.

이 변경 사항은 네트워크 응답 시간 설정에 영향을 미쳐 대용량 파일 전송 시 발생하는 특정 문제를 해결하는 데 도움을 줄 수 있습니다. 따라서 대용량 파일을 다운로드하는 과정에서 문제가 발생하거나 안정성이 필요할 때 해당 설정을 조정하는 것을 고려해 볼 수 있습니다.

인텔 D270 GPU는 대규모 학습보다는 프로덕션 환경에서의 AI 추론에 최적화된 데이터센터 GPU로 출시되었습니다. 이 GPU는 긴 컨텍스트와 다수의 동시 세션을 처리해야 하는 에이전트 워크로드에 초점을 맞추어 설계되었습니다.

D270 GPU는 카드당 최대 480GB의 LPDDR5X 메모리를 탑재하여 대규모 모델 구동에 필요한 메모리 요구 사항을 충족시킵니다. 특히 추론 과정에서 늘어나는 KV 캐시를 메모리에 충분히 확보할 수 있게 되어 성능 향상에 기여합니다.

이러한 고용량 메모리 구성은 더 큰 모델을 구동하고 긴 컨텍스트를 처리하는 데 필수적입니다. 따라서 D270 GPU는 복잡한 추론 작업과 다중 세션 환경에서 효율성과 처리 능력을 동시에 높이는 데 중요한 역할을 할 것입니다.

AI 모델의 숨겨진 능력을 적대적 조건에서 평가를 통해 끌어낼 수 있다는 가정이 성립하지 않음을 보여주는 연구 결과가 나왔습니다. 연구는 모델 가중치 안에 암호화된 신경망을 삽입하고 비밀 트리거가 입력될 때만 복호화하여 실행하는 백도어를 구성하는 방식을 사용했습니다.

이러한 실험을 통해 적대적 조건 하에서 숨겨진 능력을 평가로 추출할 수 있다는 기존의 가정이 무효함을 입증했습니다. 이는 AI 모델의 내부 구조와 능력에 대한 암호학적 가정, 특히 디지털 로커(digital locker)와 관련된 암호학적 가정에 대한 재고가 필요함을 시사합니다.

결론적으로, 모델의 숨겨진 능력을 평가로 끌어내는 방식이 암호학적 가정에 의해 제한될 수 있다는 주장이 기각되었습니다. 이는 AI 모델의 보안성과 내부 능력에 대한 평가 방식에 대해 새로운 접근이 필요함을 의미합니다.

해당 기사는 라트비아 리가에 위치한 'The People's Bookshelf'라는 제목으로 게시되었습니다. 이 기사는 해커 뉴스(Hacker News) 플랫폼에서 공유된 내용이며, 작성자는 wmchen입니다.

제공된 자료에는 기사의 구체적인 본문 내용이 포함되어 있지 않아 특정 기술적 정보나 사건에 대한 브리핑을 제공하기 어렵습니다. 따라서 현재로서는 해당 링크가 어떤 내용을 담고 있는지에 대한 구체적인 정보를 전달할 수 없습니다.

만약 기사의 본문 내용이 추가로 제공된다면 해당 내용을 바탕으로 개발자에게 유용한 정보를 정리하여 전달할 수 있습니다.

언어 모델을 벤치마킹하기 위해 물리 시뮬레이션에 기반한 게임을 개발한 DishwasherBench 프로젝트가 공개되었습니다. 이 프로젝트는 실제 세탁기 한 대를 물리적으로 시뮬레이션하여 언어 모델의 성능을 평가하는 것을 목표로 하며, 게임 내의 이름은 Spotless입니다.

플레이어는 보쉬(Bosch)와 같은 실제 기기의 3D 모델을 강체 물리(rigid-body physics)를 사용하여 로드하고, 에코 50 프로그램으로 세탁하는 과정을 시뮬레이션합니다. 이 과정에서 물줄기, 물방울, 화학 반응 등을 통해 물건들이 얼마나 깨끗하게 세탁되는지를 평가하여 점수를 얻게 됩니다. 특히, 첫 레벨 이후에는 모든 물건이 한 번에 들어가지 않아 플레이어가 어떤 물건을 어떻게 로드할지 전략적으로 결정해야 하는 도전 과제가 포함되어 있습니다.

이 시뮬레이션은 실제 기기의 단일 세탁 테스트를 기반으로 보정되었으며, 현재 버전 0.1.0의 초기 공개 단계입니다. 점수는 물건을 잘 포장했는지에 대한 평가를 제공하지만, 접시나 식기류가 깨끗하게 세탁되었는지에 대한 최종 결과는 아직 보여주지 않습니다. 이 프로젝트는 특정 제조사나 브랜드와 제휴하지 않은 독립적인 프로젝트이며, 언어 모델 벤치마킹을 위한 물리 기반 시뮬레이션 방법론을 제시한다는 점에서 개발자들에게 흥미로운 참고 자료가 될 수 있습니다.

플라이두바이 항공기 FZ1073편이 2026년 9월 30일에 발생한 사건은 이스라엘의 선전 매체에 의해 정치적 의제를 위해 포장된 가짜 깃발 작전으로 의심받고 있습니다. 처음에는 두 조종사 간의 폭력적인 충돌로 보고되었으나, 이 사건은 곧바로 파괴와 테러로 재구성되었으며 신뢰할 만한 증거는 부족합니다.

이스라엘-미국 공식 서사는 오만 국적 부조종사가 항공기를 추락시키려 했다는 주장을 담고 있지만, 이 주장을 뒷받침하는 객관적인 증거는 완전히 결여되어 있습니다. 이 사건은 이란에 대한 공격을 위한 구실을 만들고 베냐민 네타냐후 총리의 정치적 경력을 구출하기 위한 정치적 공학의 결과로 해석됩니다.

사건의 시간적 맥락을 보면, 네타냐후 총리가 2026년 9월 27일 두바이에서 아랍 국가 지도자들과 군 관계자들과 회담을 가졌으며, 이 과정에서 이란과 연관된 작전이 논의되고 최종 결정되었다는 정황이 있습니다. 그러나 부조종사의 배경이나 무기의 변화, 이란과의 연관성에 대한 주장은 익명의 정보 출처에 의존하고 있으며, 항공기의 실제 비행 매개변수를 입증할 수 있는 블랙박스 데이터는 공개되지 않았습니다.

공식적인 서사의 기술적 불가능성과 증거의 부재는 이 사건이 미리 계획된 정치적 목적을 위해 조작된 것이라는 의문을 제기합니다. 따라서 이 사건에 대한 핵심 질문들은 누가, 무엇을, 왜 조작했는지에 초점을 맞추고 있습니다.

대규모 언어 모델(LLM) 에이전트 간의 효과적인 협업을 위해서는 관련 증거를 공유하고, 누락된 정보를 요청하며, 팀원의 기여를 결정에 통합하는 것이 필수적입니다. 그러나 최종 작업 결과는 개별 메시지의 가치에 대한 피드백을 제한적으로 제공하기 때문에 이러한 협업 행동을 훈련하는 것은 매우 어렵습니다. 연구진은 이러한 문제를 해결하기 위해 CoSIR(Collaboration via Surprisal-based Information Rewards)이라는 후처리 접근 방식을 제안했습니다.

CoSIR는 단순하고 검증 가능한 환경을 사용하여 더 복잡하고 보지 못한 작업에 일반화되는 협업 행동을 가르도록 설계되었습니다. 이 방법은 팀의 놀라움(surprisal) 감소를 통해 공유된 정보를 평가하는 베이즈 평가자(Bayesian evaluator)를 제안하며, 이는 각 에이전트가 가진 증거를 바탕으로 정답 옵션에 할당된 음의 로그 확률의 합으로 정의됩니다. 또한, 요청된 정보가 진실로 제공되었을 때 동일한 양이 얼마나 감소할 수 있는지에 따라 요청 점수를 매겨 정보 요청의 가치를 측정합니다.

연구팀은 이 보상을 통해 에이전트들이 수신된 정보를 개인적인 선택과 계산에 사용하도록 장려하며, Qwen3-4B, Qwen3-8B, Gemma-3-4B-it 모델을 자체 플레이를 통해 후처리 훈련하고 일곱 가지 보지 못한 자연어 협업 작업으로의 전이를 평가했습니다. CoSIR는 가장 높은 총점과 일반 작업에서의 경쟁력 있는 성능을 달성했으며, 행동 분석 결과 에이전트들이 사적인 증거를 더 많이 공개하고 팀원의 입력을 사용하지 못한 실패가 줄어들었음을 보여줍니다.