읽을 가치가 있는 기사만, 짧고 또렷하게.

펜타곤이 군사 개입에 반대하는 기자와 편집자들을 해임했습니다. 이는 '스타즈 앤 스트라이프(Stars and Stripes)'의 최고 편집자, 발행인, 기자들이 군사 개입에 반대하는 입장을 취했기 때문입니다.

해임된 인물들은 공공 업무 및 커뮤니케이션 분야에서의 경력을 바탕으로 군인들을 대상으로 하는 디지털 저널리즘 확장에 집중할 것이라고 밝혔습니다. 이들은 군인들이 디지털 네이티브이기 때문에 더 많은 군인들에게 도달하고 영향력을 발휘하기 위해 디지털 측면을 개선해야 한다고 강조했습니다.

이 사건은 군사 및 언론 간의 관계, 특히 디지털 시대에 군사 관련 정보가 어떻게 보도되고 전달되는지에 대한 논의를 촉발합니다. 이는 군사 관련 보도와 디지털 플랫폼에서의 자유로운 정보 교환이 갖는 정치적, 사회적 의미를 시사합니다.

statmodeling 웹사이트에 게시된 이 기사는 우즈베키스탄 데이터에서 발생한 통계 모델링의 문제점을 다루고 있습니다. 연구진이 특정 결과를 재현하지 못하고 그 원인이 우즈베키스탄의 특이한 데이터에 기인했음을 발견했다는 내용입니다.

이는 통계 모델링이나 데이터 분석 과정에서 데이터의 품질이나 특이성이 결과에 미치는 영향을 강조하는 사례입니다. 연구 결과는 데이터의 이상치나 특이한 분포가 모델의 예측에 어떻게 영향을 미치는지 이해하는 데 중요한 맥락을 제공합니다.

개발자나 데이터 분석가들은 실제 데이터를 다룰 때 데이터의 출처와 특이성을 반드시 고려해야 하며, 이상한 데이터가 모델의 결과에 미치는 영향을 분석하는 것이 중요합니다. 이 사례는 데이터의 출처가 결과의 신뢰성에 결정적인 영향을 미칠 수 있음을 보여줍니다.

로지텍이 미국 소비자에게 관세 환급을 제공하지 않은 것에 대해 집단 소송을 당했습니다. 이 소송은 로지텍이 불법으로 간주된 수입 관세에 대한 상쇄 조치로 미국 소비자들로부터 징수한 금액을 회수하려는 것을 목표로 합니다.

로지텍은 2025년 4월에 포트폴리오의 51%에 대해 가격을 인상했으며, 일부 제품의 가격은 최대 25%까지 올랐습니다. 로지텍은 불법 관세가 부과된 상태에서도 고객에게 부과한 가격 인상액 전액을 보유했습니다.

소송의 핵심은 로지텍이 미국 대법원이 불법으로 선언한 관세에 대해 소비자로부터 징수한 금액을 환급하지 않았다는 점입니다. 로지텍은 이제 연방 정부로부터 해당 관세에 대한 상환을 받을 것으로 예상됩니다.

개발자 Virgil Dupras가 저술한 이 시리즈는 일반적인 웹 개발 경험이 있는 개발자가 저수준 프로그래밍의 세계로 진입할 수 있도록 안내하는 것을 목표로 합니다. 이 글은 소프트웨어 복잡성에 대한 관점을 넓히기 위해 단계적인 스토리 아크를 통해 저수준 개발의 목표를 제시합니다.

시리즈의 핵심은 PC 플랫폼의 베어 메탈(bare metal)에서 시작하여 Forth를 처음부터 구축하고, 이를 통해 Dusk OS로 전환한 다음, 예제 코드를 컴파일할 수 있을 만큼의 부분적인 C 컴파일러를 다시 처음부터 만드는 과정을 다룹니다. 이는 시스템의 근본적인 작동 방식을 이해하는 데 중점을 둡니다.

이러한 여정은 단순히 기술적인 지식을 전달하는 것을 넘어, 현대 소프트웨어의 복잡성에서 벗어나 저수준 개발의 세계로 '떨어지는' 비유를 통해 독자에게 동기를 부여합니다. 대상 독자는 프로그래밍에 익숙하지만 저수준 프로그래밍 분야에는 경험이 없는 개발자입니다.

책의 목차에는 베어 메탈에서 모든 것을 지배하는 단어들, 두 스택의 이야기, 컴파일의 불가피성 등 시스템의 깊은 구조와 컴파일 과정에 대한 구체적인 주제들이 포함되어 있습니다.

Anthropic은 Claude Mythos 5의 사이버 보안 기능을 더 많은 방어자들에게 제공하기 위해 업데이트를 발표했습니다. Claude Mythos 5는 현재 Claude Security에 통합되었으며 곧 파트너들의 사이버 방어 도구에도 제공될 예정입니다.

이러한 업데이트는 보안 전문가들이 취약점을 발견하고 수정하는 데 필요한 시간을 확보하는 데 중점을 둡니다. Anthropic은 가장 강력한 모델의 오용 위험을 관리하면서 방어자들에게 접근성을 확대하기 위해 안전 분류기 및 보호 장치를 개발했습니다.

또한, Anthropic은 오픈 소스 소프트웨어 보호를 위해 3500만 달러의 기금을 조성하여 사이버 검증 프로그램을 확장하고 있습니다. 이 프로그램은 오픈 소스 프로젝트의 취약점을 패치하고 스캔하는 과정을 자동화하는 데 사용될 것입니다.

Claude Enterprise 사용자들은 이제 Claude Security에서 Claude Mythos 5를 사용하여 코드베이스의 보안 취약점을 스캔하고 패치를 제안할 수 있습니다. 앞으로 Opus와 Sonnet 모델에도 이 프로그램을 확장하여 더 광범위한 이중 용도 기능을 포함할 계획입니다.

태국은 외세의 식민 지배에 저항하며 주권을 유지한 사례로 주목받고 있습니다. 1833년 드라이 시즌 초기에 몽꿋(Rama IV)이라는 승려가 수코타이로 여행하며 발견한 람카마헹 석주(Ramkhamhaeng Stele)는 1292년으로 거슬러 올라가는 태국 문자의 가장 오래된 기록으로 여겨집니다. 이 석주에는 고대 왕 람카마헹의 왕국이 독립, 주권, 법률 체계, 불교 왕권 등을 갖춘 고도로 발전된 문명이었음을 기록하고 있어, 태국이 오랜 역사를 가진 복잡한 문명임을 입증하는 중요한 증거가 되었습니다.

이러한 발견은 유럽 열강이 다른 지역을 식민지화하는 동안 태국이 외교, 개혁, 그리고 이미지 관리를 통해 식민주의에 맞서 저항해 온 과정을 보여줍니다. 태국은 주변국들이 점차 굴복하는 상황에서 스스로 문명화된 국가라는 증거를 제시함으로써 주권을 지킬 수 있었습니다. 이는 유럽이 신세계나 아프리카에서 행했던 정복과는 다른 방식으로 식민주의에 대응한 것입니다.

실제로 태국 왕실은 외부의 침략에 굴복하기보다 내부적으로 변화를 이끌어냈습니다. 몽꿋과 그의 아들 쭐랄롱꼰은 중앙집권적인 국가를 건설하고 교육을 표준화하며 인프라를 구축하고 노예 제도를 폐지하는 등 스스로 변화를 주도했습니다. 이러한 내부적인 변혁은 식민지배자들이 구축한 약한 제도들이 해체된 이후에도 태국이 고난을 피하고 주권을 보존하는 데 결정적인 역할을 했습니다.

결론적으로 태국은 주변 국가들이 겪은 많은 고통 속에서 스스로의 조건에 따라 국가를 변모시킬 수 있음을 입증했습니다. 승려 왕자가 발견한 석주와 그 이후의 국가적 전략은 다른 지역의 식민지 경험과는 구별되는 생존의 틀을 제시하며, 한 국가가 외부의 압력 속에서도 주권을 지키고 발전시킬 수 있는 방법을 보여줍니다.

테슬라의 태양광 지붕(solar roof) 프로젝트가 중단되었으며, 이 실험이 주택 통합형 태양광이라는 개념에 어떤 영향을 미칠지 논란이 되고 있습니다. 테슬라는 제품에 대한 공개적인 언급을 삭제하고 웹사이트 URL을 일반적인 태양광 랜딩 페이지로 리디렉션하여 제품을 사실상 철수했습니다. 일부 설치업체들은 여전히 이 제품을 제공하고 있다고 밝혔는데, 이는 테슬라가 기존 재고를 정리하고 있음을 시사합니다.

이 프로젝트가 실패한 주요 원인으로는 높은 비용과 물리적 제약이 지적됩니다. 태양광 지붕은 처음부터 고급 제품으로 포지셔닝되어 20만 달러에 달하는 설치 비용이 발생했으며, 판매 목표를 달성하지 못하면서 제조 장비 비용이 상승했습니다. 또한, 태양광 패널이 고온에 노출되면서 지붕의 일부 부품이 변형되거나 용매가 녹는 등의 물리적 문제가 보고되었습니다.

더욱이 생산량 부족의 원인으로 열 문제가 지목되었습니다. 태양광 셀은 온도가 낮을 때 더 효율적으로 작동하며, 태양광 지붕의 경우 열로 인해 효율성이 저하되어 테슬라가 목표했던 발전량을 달성하지 못했습니다. 이러한 실패는 통합형 태양광이라는 아이디어 자체에 대한 의문을 제기하며, 다른 기업들이 시장에서 경쟁하고 있는 상황에서 테슬라의 사례가 해당 개념에 어떤 영향을 미칠지 주목됩니다.

테슬라는 중국에서 약 3백만 대의 차량에 대한 리콜을 당했습니다. 중국 규제 당국은 안전에 대한 접근 방식을 강화하면서, 비상 상황 시 차량 전원이 상실되었을 때 뒷문을 여는 방법을 명확히 알 수 있도록 298만 대의 모델 3 및 모델 Y 전기차 내부에 경고 라벨을 추가하도록 요구했습니다.

이는 중국이 전자 제어식 차량 도어에 대해 최근 발생한 치명적인 사고들을 계기로 안전 기준을 더욱 엄격하게 적용하고 있음을 보여줍니다. 중국 당국은 특히 탑승자가 화재 차량에 갇혔을 때 생존에 필수적인 안전 문제를 해결하는 데 중점을 두고 있습니다.

또한 테슬라는 이와 관련하여 차량 내부에 물리적 접근이 필요한 경고 라벨을 추가해야 하며, 충돌 발생 시 모든 차량의 창문을 자동으로 내리는 소프트웨어 업데이트를 배포해야 합니다.

향후 중국은 내년부터 새로 승인되는 차량에 대해 손잡이의 특정 치수를 규정하는 새로운 규칙을 도입할 예정입니다. 다만, 이미 판매 중인 모델 3와 모델 Y와 같은 기존 차량들은 2028년 말까지는 이러한 규정에서 제외되는 유예 조치를 받습니다.

베스트 바이(Best Buy)가 60주년 기념으로 특별한 기프트 카드 할인 행사를 진행합니다. 이번 행사는 8월 22일 토요일 하루 동안만 진행되며, 100달러짜리 베스트 바이 기프트 카드를 60달러에 구매할 수 있습니다. 이 혜택은 해당 매장의 재고가 소진될 때까지 유효하므로, 기회를 잡기 위해서는 개점 시간에 맞춰 방문하는 것이 좋습니다.

이 기프트 카드를 사용할 때에는 몇 가지 제한 사항이 적용됩니다. 이 카드는 아이튠즈나 구글 플레이 크레딧 같은 다른 기프트 카드 구매에는 사용할 수 없으며, 선불 또는 오픈 루프 직불 카드 구매에도 사용할 수 없습니다. 다만, 베스트 바이 제품에 대한 다른 할인이나 프로모션과 함께 사용할 수 있으며, 반품이나 취소 시 금액이 기프트 카드에 환급됩니다.

이번 60주년 세일 기간 동안 베스트 바이 제품에 적용할 수 있는 다양한 할인 혜택도 찾아볼 수 있습니다. 예를 들어, 아이패드 에어 M4 칩 모델은 649달러로 가격이 인하되었고, 에어팟 맥스 2는 평소 가격보다 120달러 낮은 429달러에 판매되고 있습니다. 또한, HP 옴니북 X 플립 2-in-1 노트북은 일반 가격에서 450달러 할인된 749.99달러에 판매되고 있습니다.

새로운 직접 가속 뉴턴 방법이 개발되어 볼록 함수를 최소화하는 알고리즘의 수렴 속도를 크게 향상시켰습니다. 이 알고리즘은 리프시츠 연속성을 갖는 헤세 행렬을 가진 볼록 함수를 최소화하는 데 사용되며, 반복마다 단 하나의 선형 방정식을만 해결하여 계산 효율성을 극대화합니다.

이 방법은 기능 잔차(functional residual) 측면에서 $O(1/k^3)$의 전역 수렴 속도를 달성합니다. 이는 기존의 다른 방법들과 비교했을 때, 보조 비선형 정규화 문제 해결, 비선형 매개변수 탐색, 또는 이중 외삽 기울기 보정 없이 단 한 번의 선형 시스템 해결만을 사용하여 이 속도를 달성하는 최초의 2차 방법입니다.

또한 이 방법은 헤세 프리(Hessian-free) 방식으로 구현될 수 있으며, 부정확한 선형 시스템 솔버를 사용하여 빠른 전역 속도를 유지할 수 있습니다. 연구진은 이 구조를 브레그만 발산(Bregman divergence)을 통해 임의의 기하학으로 확장하고 복합 최적화 문제로도 적용할 수 있음을 보였습니다.

생명 과학 분야의 전문적인 작업 흐름에서 과학자들은 연구 결정을 내리기 위해 겔 블롯, 현미경 이미지, 플라스미드 맵, 유세포 분석 플롯 등 시각적 인공물(artifacts)을 일상적으로 해석합니다. 이러한 시각적 해석 능력의 한계를 보완하기 위해 연구팀은 VIALS라는 시각적 질문 응답 벤치마크를 소개합니다. VIALS는 생명공학 산업의 실험 흐름 전반에 걸친 161가지 해석 과제를 포함하며, 출판물이나 교과서의 정제된 그림이 아닌 실제 실험 과정에서 관찰되는 인공물들을 다룹니다.

최신 비전-언어 모델들은 자연 이미지를 유창하게 설명할 수 있지만, 과학 이미지를 정확하게 해석하는 데는 한계를 보입니다. 이는 모델이 해당 분야의 지식과 도메인 특화된 시각적 추론 능력이 부족함을 반영합니다. 반면, 관련 도메인 전문 지식을 가진 과학자들은 이러한 시각적 해석 과제를 비교적 쉽게 수행할 수 있습니다.

따라서 이러한 시각적 해석 능력이 부족한 인공지능은 과학자들이 추론하고 소통하며 의사 결정을 내리는 데 중심이 되는 생명 과학 작업 흐름에서 제한적인 유용성을 가질 수 있습니다. VIALS 벤치마크는 도메인 특화된 시각적 추론 능력을 갖춘 AI 개발에 중요한 기준을 제시합니다.

생성형 AI를 활용한 기계 검증은 비용이 아니라 생산성을 위한 필수 요소로 전환된다는 보고가 나왔습니다. 기계 검증은 60년 동안 예외적인 결과물에만 허용되었으나, 이제 AI 속도에서는 경제적일 뿐만 아니라 생산성을 위해 필수적인 역할을 합니다. 이는 한 사람이 대규모로 자율적인 기계 작업을 안전하게 지시할 수 있도록 하는 흔들리지 않는 심판 역할을 합니다.

실제로 한 연구자는 5주 만에 소비자 AI 구독을 통해 AI 에이전트들을 애플리케이션 코드에서 시작하여 검증된 컴파일러와 실행기를 거쳐 커뮤니티 실리콘 셔틀에 제작된 RISC-V 프로세서로 안내했습니다. 이 과정에서 인간의 검토나 RTL 코딩은 전혀 이루어지지 않았습니다.

이러한 작업은 'Salt 방법'이라는 작업 규율을 기반으로 하며, 환각된 증명이 통과할 수 없는 증명 커널을 사용합니다. 수학적 주장은 에이전트들 사이에서 커널 검사를 거친 결과물로 이동하며, 인간의 주의는 진술, 설계, 판정에 집중됩니다. 검증은 Lean 4 커널부터 실리콘 경계에서의 SAT 검증 등 링크별로 명확하게 제시됩니다.

연구팀은 증명 출처, 토큰 미터, 제한된 인간 시간, 그리고 기록에 도달하는 잘못된 증명이 0개임을 나타내는 오류 장부(#256)를 포함한 전체 회계 기록을 공개했습니다. 이는 AI 기반 작업의 안전성과 투명성을 보장하는 데 중요한 맥락을 제공합니다.

암 치료 반응 예측은 데이터 부족과 종양 이질성으로 인해 제한되어 왔습니다. 기존 접근 방식들은 치료 전 분자 프로파일과 약물 표현을 기반으로 반응을 예측하지만, 치료 과정에서 예상되는 분자 변화를 명시적으로 모델링하지는 못합니다. 이에 본 연구는 개입 유도 잠재 전환(latent transitions)을 학습하고 이를 환자-약물 반응 특징으로 활용하는 치료 조건화 표현 학습 프레임워크인 PerturbRx를 제안합니다.

PerturbRx는 약물 및 용량 조건화된 전환 예측기를 대조군 및 치료군 단일 세포 집단에서 학습합니다. 이 예측기를 고정하고 치료 후 측정 없이 치료 전 환자 프로파일로 전이하여 환자-약물 반응을 예측하는 데 사용합니다. 이는 치료 과정에서 발생하는 분자 변화를 간접적으로 반영하는 잠재 전환 정보를 활용하는 방식입니다.

이러한 접근 방식은 환자 및 약물 표현과 전환 정보를 결합하여 반응을 예측하며, TCGA 및 환자 유래 이종이식 모델 벤치마크에서 평가된 다른 방법들보다 가장 강력한 종합 예측 성능을 달성했습니다. 이 결과는 교란 사전 학습된 잠재 전환이 환자 수준의 약물 반응 예측에 유용한 표현임을 뒷받침합니다.

meshoptimizer를 최적화하여 수십억 개의 삼각형을 몇 분 만에 처리하는 기술이 공개되었습니다. 이 작업은 NVIDIA의 레이트레이싱 기술인 RTX Mega Geometry와 Nanite 클러스터링 LOD 파이프라인을 지원하기 위해 계층적 클러스터링(hierarchical clustered LOD) 기능을 개선하는 데 중점을 두었습니다.

이 기술은 삼각형 메시에서 다중 수준의 디테일을 효율적으로 스트리밍하고 렌더링하기 위해 그래프(DAG) 기반의 클러스터 구조를 생성하는 것을 목표로 합니다. 특히, 클러스터 간의 경계 오류를 최소화하고 효율성을 높이는 알고리즘을 결합하는 과정에서 여러 기술적 트레이드오프가 발생하며, 이는 복잡한 지오메트리를 처리하는 데 중요한 과제입니다.

개발자는 이 목표를 달성하기 위해 오픈 소스 지오메트리 처리 라이브러리인 meshoptimizer를 활용하여 여러 알고리즘을 결합하는 엔드투엔드 예제를 구축했습니다. 이 과정에서 NVIDIA의 공개된 glTF 샘플을 사용하여 36GB에 달하는 지오메트리를 처리하는 실질적인 테스트를 진행했으며, 특히 인접 클러스터 간의 공유 정점 문제를 해결하기 위해 meshoptimizer의 내부 알고리즘을 수정하여 안정성을 확보했습니다.

이러한 개선은 Bevy의 가상 지오메트리 시스템 개선을 목표로 했으며, 향후 대규모 모델을 처리할 때 지오메트리 처리의 효율성과 시각적 정확도를 높이는 데 기여할 것입니다.

순차적 예측에 대한 보정(Calibration)을 위해서는 확률적 보고가 조건부로 편향되지 않고 확률로 신뢰성 있게 해석되어야 합니다. 보정 측정은 잘못 보정된 보고에 수치적 오류를 할당합니다.

Haghtalab 등(2024)은 온라인 예측을 위한 근사적으로 진실된 보정 측정 방법을 제안했지만, 정확한 진실성이 완전성과 건전성과 양립 가능한지에 대한 질문은 열어두었습니다. 본 연구는 순차적 이진 예측에 대해 정확한 진실성이 독립적인 결과에 대해서도 완전성과 건전성과 양립 불가능함을 증명했습니다. 이는 정확한 진실성에 국한된 불가능성임을 보여줍니다.

연구진은 기본 보정 측정으로부터 두 가지 일반적인 축소 방법을 제시하여 덧셈적 및 곱셈적 근사적으로 진실된 보정 측정 방법을 도출했습니다. 특히 곱셈적 축소 방법을 적용하면, 모든 $0 < \varepsilon < 1$에 대해 건전하고 완전한 보정 측정 방법을 구성할 수 있으며, 이는 $(1+\exp(-T^{(1-\varepsilon)/2}/2))$-곱셈적으로 진실합니다. 이는 이전 연구의 근사적 진실성 보장 수준을 향상시키는 결과를 가져옵니다.

LLM 생성 개선을 위한 자기 정제(self-refinement) 파이프라인에서 모델 크기의 비대칭적 할당이 중요함을 연구했습니다. 기존 접근 방식은 모델 크기를 연구 대상이 아닌 구현 세부 사항으로 취급하여 자원 낭비를 초래했지만, 본 연구는 생성, 비판, 수정의 각 단계별로 모델 크기가 성능에 미치는 영향을 체계적으로 분석했습니다.

연구진은 Qwen3 및 Gemma 3 모델 크기를 사용하여 5가지 도메인의 벤치마크에서 단계별 모델 크기 연구를 수행했습니다. 그 결과, 생성자와 수정자(refiner)가 더 큰 모델일수록 전체 파이프라인 성능이 향상되는 것으로 나타났습니다. 특히 수정자(refiner)가 크기가 작을 경우 오히려 성능이 저하될 수 있다는 점이 확인되어 모델 크기를 균일하게 할당해서는 안 된다는 실질적인 지침을 제공합니다.

또한 비판자(critic)의 크기는 성능에 크게 영향을 미치지 않지만, 비판 단계를 포함하는 것이 비판을 생략하는 것보다 일관되게 더 나은 성능을 보였습니다. 이러한 발견은 모델 용량을 자기 정제 파이프라인 전체에 균일하게 분배하는 것이 아니라, 각 단계가 고유한 크기 확장 특성을 가지므로 비대칭적으로 할당해야 함을 시사합니다.

결론적으로, 이러한 단계별 크기 스케일링 특성을 이해하는 것은 계산 효율적인 다단계 언어 모델 시스템을 설계하는 데 실질적인 지침을 제공합니다. 이는 LLM 에이전트 시스템을 구축할 때 모델 자원을 보다 효율적으로 관리하는 데 중요한 통찰을 제공합니다.

실시간 지연 제약 조건 하에서 사용자 제공 구절을 정확하게 인식해야 하는 실제 ASR 시스템에서는 문맥화가 필수적입니다. 기존의 문맥 편향 방법들이 인식 정확도를 개선하지만, 현대 생산 ASR 시스템이 요구하는 스트리밍 추론, 효율적인 배치 디코딩, 사용자별 문맥 목록, 낮은 런타임 오버헤드와 같은 실용적인 요구 사항을 충족하지 못하는 경우가 많습니다.

이에 연구진은 Transducer 기반 ASR 시스템에서 효율적인 구절 부스팅을 위한 생산 지향적인 프레임워크인 TurboBias 2.0을 제안합니다. 이 프레임워크는 GPU 가속 TurboBias를 확장하여 대소문자를 구분하지 않는 부스팅 그래프와 스트림별 배치 디코딩을 도입했습니다. 이를 통해 배치 내의 각 발화가 독립적인 문맥 편향 구성을 사용할 수 있게 되어, 여러 동시 사용자에게 문맥 목록을 공유하거나 혼합하지 않고 개인화된 문맥 편향을 제공할 수 있습니다.

TurboBias 2.0은 오프라인 및 스트리밍 추론을 모두 지원하며, 탐욕적(greedy) 디코딩과 빔 서치(beam-search) 디코딩 모두와 함께 사용할 수 있습니다. 실험 결과, TurboBias 2.0은 낮은 지연 시간과 높은 처리량을 유지하면서 문맥적 구절 인식을 개선하는 것을 입증했습니다.

웨이모(Waymo)가 NHTSA의 아동 충돌 조사에 관련 문서를 제출했습니다. 이는 로보택시가 아동을 들이받은 사고에 대한 규제 기관의 조사 과정에서 이루어지고 있습니다.

이 사고는 2026년 1월 23일 캘리포니아 산타모니카에서 발생했으며, 웨이모의 자가용인 재규어 아이오가 I-Pace 로보택시가 학교 근처를 지나가던 중 어린 소녀와 충돌했습니다. 초기 보고서에 따르면 로보택시는 시속 17마일로 주행하다가 속도를 줄여 시속 6마일로 감속한 후 학생과 충돌했으며, 소녀는 경미한 부상을 입었습니다.

NHTSA는 웨이모에게 학교 구역의 제한 속도 결정 방식, 로보택시의 학교 주변 행동에 대한 불만 사항, 소프트웨어 관련 문서 등 광범위한 정보를 요청했습니다. 웨이모는 조사에 필요한 정보를 제공하면서도 NHTSA와 웨이모 모두에게 과도한 부담을 피하기 위해 답변 기한 연장을 요청했습니다.

웨이모가 제출한 답변은 "기밀 사업 정보"를 이유로 완전히 편집되었지만, 이 문서는 웨이모가 NHTSA의 조사를 돕기 위한 정보 제공에 협조하고 있음을 보여줍니다. NHTSA는 이 사고에 대해 조사 중이며, 최종 보고서는 보통 12개월 후에 발표될 예정입니다.

단기 관측 가격 패널은 많은 관측치를 포함하지만 뚜렷한 가격 움직임은 적다는 특징이 있습니다. 본 연구는 희소한 가격 체제에 맞춰 보정된 합성 데이터 생성 과정에서 이러한 차이점이 갖는 추론적 결과를 탐구합니다. 연구진은 실현된 가격 궤적에 조건부적인 불확실성과 동일한 가격 과정에서 생성된 대안적인 궤적들 간의 추정 오차 변화(전체 설계에 걸친 변동)를 분리하여 분석했습니다.

기본 시뮬레이션에서 후자의 추정 오차 변동 성분은 기울기 부스팅 사양에 대한 추정 오차 분산의 97.6%를 차지합니다. 패널 내 재표본 추출 절차는 하나의 실현된 궤적 정보를 사용하므로 전체 설계에 걸친 변동 성분을 식별하지 못합니다. 세 가지 주요 결과가 제시됩니다. 첫째, 전체 설계에 걸친 분산은 $\sigma_{hat} \approx 0.182 V^{-0.271}$이라는 경험적 관계에 의해 잘 설명되며, 여기서 $V$는 이동 횟수와 크기의 제곱입니다.

둘째, 공통 가격 경로를 공유하는 영역을 추가하면 결과 노이즈는 감소하지만 독립적인 가격 궤적을 생성하지 못하며, 반대로 설계별 오차를 가진 단위들 간의 평균화는 표준 제곱근 비율로 분산을 감소시킵니다. 셋째, 독립적으로 가격이 책정된 단위들에서 추정된 Paule-Mandel 분산 성분은 균질 시뮬레이션에서 경험적 커버리지를 0.469에서 0.931로 크게 증가시킵니다.

이러한 결과는 고정된 수동 패널에만 의존하기보다는 독립적인 식별 변동을 생성하는 데이터 생성 과정을 설계하는 방향으로 전환해야 함을 시사합니다.

해부학 기반 딥러닝 모델은 수치적으로는 그럴듯하지만 실제 해부학적으로는 불가능하며 데이터가 부족할 때 일반화 성능이 떨어지는 문제가 있습니다. 이에 저자들은 인체 해부학적 사전 지식을 신경망에 통합하는 인체 정보 기반 신경망(Anatomy-Informed Neural Networks, AINN)을 제안합니다. AINN는 손실 함수에 부드러운 해부학적 사전 지식을 페널티 항으로 도입하거나, 아키텍처와 상태 표현에 경직된 해부학적 사전 지식(예: 혈관의 연속성)을 구축하여 잘못된 예측이 구조적으로 불가능하도록 만듭니다.

이 모델은 제한된 데이터를 사용하여 내혈로 단단한 와이어가 삽입될 때 대동맥-장골 혈관이 어떻게 변형되는지를 다루는 임상 사례를 통해 개발되었습니다. 이는 대동맥 수술과 자율적인 혈관 내 내비게이션에 중요한 의미를 가집니다. 연구는 혈관 중심선과 와이어 경로를 리 군 SE(3)의 곡선으로 변환하고, 코세라트 로드 와이어를 해부학적으로 고정된 혈관에 결합하는 방식으로 예측을 수행합니다.

예측은 C-arm 기하학과 관찰된 혈관 조영술 이미지 간의 Wasserstein-2 최적 운반 손실을 통해 지도 학습되며, 운동학, 손실, 투영은 알려진 실제 값과 검증되었습니다. 이 모델은 네트워크를 훈련하지 않고 인실리코 모델을 개발했으며, 향후 연구에서는 이 모델을 실제 CT 스캔으로 전환하여 예측 정확도를 개선하고 필요한 훈련 데이터 양을 줄일 수 있을 것으로 기대됩니다.