읽을 가치가 있는 기사만, 짧고 또렷하게.

비전-언어-행동(VLA) 모델은 세계 지식과 이해를 활용하여 장기 꼬리(long-tail) 시나리오에서 뛰어난 성능을 보이며 자율 주행에 큰 잠재력을 가지고 있습니다. 하지만 현재 VLA 모델은 두 가지 주요 한계를 가지고 있는데, 하나는 저지연을 위해 직접 행동을 생성하는 회귀/흐름 기반 방법이 VLM 이해를 충분히 활용하지 못해 안전하지 않고 설명 불가능한 행동을 유발한다는 점입니다. 다른 한계는 추론 시 VLM 이해를 완전히 활용하는 자기회귀(autoregressive) 방법이 체인-오브-사고(CoT)와 행동 토큰을 순차적으로 생성하여 지연 시간이 길어 배포를 어렵게 한다는 점입니다.

이러한 문제를 해결하기 위해 연구진은 생성과 이해를 통합한 자율 주행 VLA 모델인 AUGUstus를 제안했습니다. AUGUstus는 확산 기반 행동 생성과 자기회귀적 CoT 이해를 하나의 모델로 통합하며, 이해는 오직 생성을 돕는 역할만 수행하도록 설계되었습니다. 특히, CoT 감독을 통해 공유 표현 내에서 VLM 공간 이해를 보존함으로써 더 안전하고 정확한 궤적을 확보합니다.

AUGUstus는 행동 생성을 CoT보다 먼저 수행하도록 모델을 구성하여 훈련 중에는 CoT가 신뢰할 수 있는 행동을 감독하도록 하면서 추론 시에는 행동 출력만 필요하게 함으로써 낮은 지연 시간 배포를 가능하게 합니다. 실험 결과, AUGUstus는 NAVSIMv1에서 94.6 PDMS, NAVSIMv2에서 90.7 EPDMS를 달성하며 스코어러 모듈이 없는 최적의 계획 성능을 보였습니다. 또한 nuScenes 데이터셋에서는 평균 L2 오차 0.27m와 평균 충돌률 0.05%를 기록하여 비교 대상 방법들 중 가장 우수한 성능을 보였습니다.

실제 적용 가능성을 검증하기 위해 연구진은 512개의 NVIDIA H800 GPU를 사용하여 자체 데이터로 2일 동안 훈련하고, 내부 1,000km 데이터셋으로 평가했으며, 실제 차량에 예비 배포하여 12Hz의 작동을 달성했습니다.

다국어 텍스트를 처리하려면 광범위한 언어를 식별하는 것뿐만 아니라 여러 언어가 혼재된 입력에서 각 토큰의 언어를 구별하는 것이 필요합니다. 이에 따라 연구진은 111개의 언어-문자 조합을 지원하는 토큰 수준의 언어 식별 모델인 MixLID를 소개합니다.

MixLID는 두 단계의 훈련 과정을 통해 개발되었습니다. 첫 번째 단계에서는 단일 언어 예시의 언어 레이블을 사용하여 개별 언어를 구별하는 방법을 학습하고, 이후 혼합 언어 데이터에 대해 훈련을 계속합니다. 두 번째 단계에서는 기존 코드 스위칭 데이터와 영어 원어와 차용어 간의 대응 관계를 기반으로 생성된 증강 예시를 사용하여 훈련을 진행합니다.

단일 언어 식별의 경우 MixLID는 네 가지 벤치마크에서 모든 기준 모델보다 정확도와 매크로 F1 점수 모두에서 우수한 성능을 보였습니다. 또한 혼합 언어 식별에서는 평가된 모든 언어 쌍에서 개별 토큰의 언어를 식별하는 데 있어 기준 모델들을 능가하는 성능을 달성했습니다.

이 모델은 광범위한 언어 환경에서 단일 및 혼합 언어 설정 모두에서 높은 성능을 제공하며, 현재 Hugging Face에서 공개적으로 이용 가능합니다.

최근 멀티모달 대규모 언어 모델(MLLM)은 비디오 질문 응답에서 강력한 결과를 보이지만, 비디오의 일관성을 만드는 시간적 구조를 복구하는 데는 종종 실패합니다. 모델들은 이웃한 이벤트를 병합하거나 단일 이벤트의 진행을 놓치거나 이벤트 간의 불가능한 관계를 추론하는 경향이 있습니다. 연구진은 시각적 증거를 통해 이벤트 경계, 단일 이벤트 진행, 다중 이벤트 관계를 포함하는 이벤트 구조를 복구하는 능력을 구조화된 시간적 이해로 정의합니다.

이러한 격차는 현재의 학습 목표와 시간 추론 간의 불일치에서 발생하는데, 캡션 스타일의 지도 학습이 시각적 시간적 기반(temporal grounding) 대신 언어 단축 경로에 의존하게 만들기 때문입니다. 이를 해결하기 위해 연구진은 이벤트 구조 복구를 통해 비디오 이해를 학습하는 시각 중심의 강화 학습 프레임워크인 EventLens를 제안합니다. EventLens는 시간적 세분성 변경, 진행 역전, 이벤트 순서 섞기 같은 통제된 교란을 통해 모델이 시간적 구조를 복구하도록 훈련합니다.

이 프레임워크는 이벤트 분할, 진행 구별, 다중 이벤트 관계 추론이라는 세 가지 검증 가능한 작업 가족을 도출하며, 이는 인간 선호 레이블 없이도 결정적인 보상을 통해 작업 특화 GRPO 훈련을 가능하게 합니다. Qwen3-VL 백본에 대한 실험 결과는 EventLens가 일반적인 비디오 QA 성능을 유지하면서 시간적 기반 및 이벤트 민감 추론 벤치마크에서 일관된 개선을 보임을 보여줍니다. 또한, EventLens는 직접적인 혼합 RL 최적화에 비해 훨씬 적은 훈련 비용으로 유사한 다운스트림 전이를 달성함을 입증했습니다.

강화 학습(RL)은 LLM 추론의 핵심 동력으로 부상했으며, 이는 긴 대화 이해나 구조화된 데이터 분석과 같은 장문맥 시나리오에서 특히 중요합니다. 기존 연구들이 데이터 합성이나 아키텍처 변경에 초점을 맞춘 반면, 최근 연구들은 희소하고 결과에만 의존하는 보상만을 사용하는 것이 복잡한 장문맥 추론을 효과적으로 안내하기에는 불충분하다는 점을 지적합니다.

이러한 한계를 극복하기 위해 연구진은 LongR이라는 통합 프레임워크를 제안했습니다. LongR은 문서에 증거 주석 없이 문맥적 정보 획득에 기반한 상대적 정보 이득을 통해 관련 문서의 유용성을 정량화하는 문맥 밀도 보상과 추론을 문서 탐색을 교차하는 동적인 ‘생각하고 읽기(Think-and-Read)’ 메커니즘을 통합합니다.

실험 결과, LongR은 LongBench v2에서 9% 이상의 성능 향상을 달성했으며 RULER 및 InfiniteBench에서도 지속적인 개선을 보이며 광범위한 문맥을 탐색하는 데 있어 강력한 효율성을 입증했습니다. 또한 LongR은 DAPO, GSPO와 같은 다양한 RL 알고리즘 전반에서 성능을 향상시켰습니다. 연구진은 나아가 추론 체인의 길이와 모델의 방해 요소에 대한 견고성에 미치는 영향을 심층적으로 분석했습니다.

온폴리 자기 증류(OPSD)는 학생 모델이 교사 모델로부터 지도 학습을 통해 훈련되는 방법으로, 교사는 검증된 해답과 같은 특권 정보(PI)로 조건화됩니다. 학생 모델은 이 특권 정보를 관찰하지 않고 교사의 다음 토큰 분포를 통해 학습합니다. 하지만 이 과정에서 PI는 검토나 재고의 기회가 제한된 지름길 추론으로 지도 학습을 편향시키며, 이는 출력 분포의 엔트로피를 급격히 감소시키는 결과를 초래합니다.

이러한 문제를 해결하기 위해 본 연구는 언어적 정규화(verbal regularization)를 사용한 자기 증류(VRSD)를 제안합니다. VRSD는 시스템 프롬프트를 사용하여 교사가 PI를 사용하는 방식을 조절함으로써 성급한 확신을 방지하고 재고와 탐색을 장려합니다. 이론적으로 프롬프팅이 교사의 분포에 대한 PI의 영향을 약화시킨다는 것을 모델링하고 엔트로피 보존 조건을 도출했습니다.

실제 실험 결과, VRSD는 세 가지 모델과 네 가지 작업에서 OPSD보다 Pass@1 성능을 개선했습니다. 구체적으로 12가지 모델-작업 설정 중 11가지에서 평균 3.9 퍼센트 포인트 향상을 보였으며, 동시에 토큰 엔트로피를 더 높게 유지했습니다. 이는 자기 증류 과정에서 성능 향상과 정보의 무작위성 보존이라는 상충되는 목표를 동시에 달성할 수 있음을 보여줍니다.

HexaBee-4B는 Gemma 3 4B IT 모델을 기반으로 다국어 답변 및 양방향 감독을 통해 훈련된 번역 모델입니다. 이 모델은 의미를 보존하면서 요청된 언어로 텍스트를 생성하는 다국어 번역의 필요성을 해결하고자 개발되었습니다.

HexaBee-4B는 세 단계의 훈련 과정을 거쳤는데, 첫째는 위키피디아 지속 사전 학습이며, 중간 단계에서는 질문에 답하고 그 답을 번역하는 작업을 공유된 다국어 답변을 통해 연결했습니다. 이 과정에서 1946만 건의 답변 기록, 576만 건의 교차 언어 질문-답변 쌍, 그리고 1070만 건의 답변-텍스트 번역을 포함하는 방대한 데이터를 활용했습니다.

마지막 단계에서는 658,274개의 순방향 및 역방향 합성 번역 예시를 사용하여 번역 특화 능력을 강화했습니다. 아랍어, 중국어, 영어, 히브리어, 페르시아어, 스페인어 등 30개 방향에 걸친 36,572개의 합성 테스트 예시에서 HexaBee-4B는 방향-매크로 chrF++ 점수 73.75를 달성했습니다.

이는 Gemma 3 4B IT(57.11) 및 Gemma 3 12B IT(66.83) 모델 대비 향상된 성능을 보여주며, 평가된 모든 방향에서 기준 모델보다 향상된 번역 결과를 입증합니다.

비디오 검색에서 정확한 결과를 얻기 위해서는 다른 사건이 발생한 유사한 장면들을 구별하는 능력이 필요합니다. 기존의 조인 매칭 방식은 검색 성능을 개선하지만, 각 쿼리에 대해 풍부한 비디오 표현을 처리하는 것은 비용이 많이 듭니다.

이에 VEDJE는 샘플링된 프레임 내의 특징을 압축하여 재사용 가능한 캐시에 저장하면서도 각 표현을 분리하여 보관하는 방법을 제안합니다. 또한 특징 변화 예측을 보조 학습 신호로 사용하여 쿼리 시 추가적인 작업 없이 압축된 캐시로부터 검색 성능을 향상시킵니다.

이 기술은 MSR-VTT, MSVD, DiDeMo, ActivityNet 등 여러 데이터셋에서 검색 성능을 개선했으며, MSR-VTT에서는 VideoCLIP-XL을 사용한 1단계 검색과 결합하여 59.8의 텍스트-투-비디오 R@1을 달성했습니다. 특히 VideoPrism 구성에서 비디오당 캐시를 네 배로 줄여 12 KiB로 압축했을 때도 텍스트-투-비디오 재현율은 0.2 포인트 이내로 유지되었습니다.

이러한 결과는 정확한 비디오 검색이 한 번 인코딩된 간결한 증거를 사용하여 새로운 쿼리가 들어올 때 재사용할 수 있음을 보여줍니다. 즉, 효율적인 비디오 검색을 위해 압축된 증거를 활용하는 것이 가능함을 입증합니다.

다중 플레이어 상호작용 세계 모델은 여러 플레이어의 관점에서 공유 환경을 시뮬레이션하는 것을 목표로 하지만, 플레이어 수가 늘어날수록 견고한 생성을 달성하는 데 어려움이 있습니다. 기존 접근 방식들은 완전 연결 통신(예: Solaris)을 사용하여 플레이어 수가 증가함에 따라 이차적인 어텐션 비용이 발생하며, 중앙 집중식 접근 방식(예: $\gamma$-World)은 공유 글로벌 표현 내에서 관련 없는 이벤트 간의 간섭을 겪습니다.

이러한 문제를 해결하기 위해 본 논문은 플레이어, 그룹, 글로벌 수준에 걸쳐 정보 교환을 구조화하는 계층적 통신을 갖춘 다중 플레이어 비디오 생성 프레임워크인 Multics를 제안합니다. Multics는 그룹 토큰을 셀프 어텐션에 도입하여 국소적으로 관련된 플레이어 정보를 집계하는 중간 그룹 수준 표현으로 활용합니다. 이 토큰들은 교차 그룹 통신을 위해 글로벌 토큰과 연결되면서도 계층적 위상 구조를 통해 관련 없는 국소 이벤트 간의 직접적인 혼합을 제한합니다.

또한, 그룹 토큰 파라미터를 그룹 슬롯 전체에 공유함으로써 새로운 그룹별 파라미터를 도입하지 않고도 다양한 수의 플레이어를 수용할 수 있습니다. 최근 카메라 궤적을 기반으로 관련 플레이어를 적응적으로 그룹화하는 예산 제약형 동적 그룹화 방식을 제안하여 불필요한 통신을 최소화합니다.

실험 결과 Multics는 4인 및 6인 설정에서 최고 성능을 달성했으며, 플레이어 간 일관성, 플레이어별 행동 및 카메라 제어 가능성, 간섭 견고성이 향상되었습니다. 나아가 Multics는 재학습 없이 4인 학습에서 6인, 8인, 10인 추론으로 일반화될 수 있으며, 완전 연결 통신에 비해 셀프 어텐션 계산량을 줄이는 효과도 보였습니다.

영상 재생을 편집 가능한 동적 3D 장면으로 재구성하는 것은 영화 제작을 위한 제어 가능한 비디오 생성의 중요한 경로입니다. 이러한 장면은 장면 배치, 피사체 행동, 카메라 움직임에 대한 명시적인 제어를 가능하게 하는 수정 가능하고 렌더링 가능한 시각적 프록시를 제공합니다.

에이전트가 동적 참조 비디오로부터 편집 가능한 동적 3D 장면을 재구성하는 능력을 평가하기 위해 CineRecon이라는 벤치마크를 소개합니다. 이 벤치마크는 영화, 실제 영상, 게임에서 나온 50개의 참조 비디오와 360개의 주석이 달린 평가 클립으로 구성되어 있습니다. 에이전트는 주어진 비디오를 바탕으로 도구를 사용하여 재구성을 구성하고 애니메이션하고 렌더링하며 개선합니다.

평가 과정에서는 표현 설정으로 프록시(Proxy), 단순화(Simplified), 상세(Detailed) 세 가지 설정을 사용했습니다. 이 설정들은 기하학적 및 외관 요구 사항을 증가시키지만 공간 관계, 카메라 행동, 피사체 역학에 대한 요구 사항은 동일하게 유지합니다. 비전-언어 심판은 카메라, 정적, 동적 일관성 차원의 11개 범주에 걸쳐 시간적으로 정렬된 참조 프레임과 렌더링된 프레임을 비교했습니다.

12개의 모델을 평가한 결과 세 가지 차원 모두에서 실패가 발견되었습니다. 특히 프록시 설정에서도 피사체의 움직임과 상호작용을 재현하는 것은 여전히 어렵다는 점이 확인되었습니다.

시간당 영상이나 스트리밍 피드와 같은 긴 콘텐츠는 비전-언어 모델(VLM)의 한계를 시험하고 있습니다. 현재의 방식은 각 프레임을 시각 토큰으로 인코딩하여 시퀀스가 영상 길이에 선형적으로 증가하게 만들고, 이는 막대한 메모리 소비와 추론 지연을 초래합니다. 기존의 토큰 축소나 키프레임 선택 방법들은 토큰 시퀀스를 줄이지만 근본적인 O(n) 스케일링 병목 현상을 해결하지 못합니다.

이에 연구진은 훈련이 필요 없는 프레임 패킹 프레임워크인 FramePack-U를 제안합니다. 이 방법은 임의로 긴 비디오를 상수 메모리 비용으로 고정된 크기의 시각 표현으로 압축하며, 추론 시점에 별도의 미세 조정이나 아키텍처 변경 없이 기존 VLM에 직접 통합될 수 있습니다. FramePack-U는 텍스트 프롬프트에 대한 의미적 유사성과 다양성을 기반으로 프레임을 점수화하고 선택한 프레임을 고정 길이 컨텍스트 창에 다양한 해상도로 패킹하여 메모리 예산을 지시 관련 및 시각적으로 다양한 프레임에 집중시킵니다.

LongVideoBench, MLVU, Video-MME 등 광범위한 실험 결과는 FramePack-U가 전체 해상도 기준선 및 기존 토큰 축소 방법들보다 일관되게 우수한 성능을 보임을 입증합니다. 특히 Qwen3.5-35B-A3B 모델에서 128프레임 예산을 적용했을 때, FramePack-U는 세 가지 벤치마크에서 공식 모델 대비 각각 12.9%, 10.6%, 9.7%의 성능 향상을 달성했습니다.

흉부 X-레이(CXR) 해석은 단순한 시각적 인식보다는 과제별 증거를 통합하는 것이 필수적입니다. 도구 증강 의료 에이전트는 외부 모듈을 통해 이러한 증거를 제공할 수 있지만, 보조 증거가 필요할 때를 학습하는 명시적인 메커니즘이나 부적절한 정량적 증거가 진단 추론에 들어오는 것을 방지하는 메커니즘이 부족합니다.

이러한 문제를 해결하기 위해 연구진은 증거 기반 CXR 추론을 위한 도구 증강 강화 학습의 후처리 프레임워크인 X-Ragent를 제안했습니다. X-Ragent는 학습된 보조 증거 탐색과 유효성 검증된 정량적 측정 획득을 분리하여 증거 기반 추론을 가능하게 합니다.

연구는 7.7K 샘플로 구성된 Rad-CoT 코퍼스를 구축하여 인과적으로 순서가 정렬된 도구 증강 궤적과 보고 스타일의 진단 추론을 결합했습니다. 이 코퍼스를 사용하여 Qwen3-VL-8B를 에이전트 기반 지도 미세 조정(SFT)으로 초기화한 후, 그룹 상대 정책 최적화(GRPO)를 통해 정책을 최적화했습니다. 이때 정확도 기반 보상을 사용하여 측정 일관성과 보조 도구 비용만을 수정 궤적에 적용함으로써, 그럴듯한 과정 행동이 잘못된 진단을 보상하는 것을 방지했습니다.

세 가지 CXR 벤치마크에서 X-Ragent는 가장 강력한 결과를 달성했으며, 특히 완전히 보유된 ChestAgentBench에서 8.6점의 개선을 보였습니다. 이는 X-Ragent가 증거를 선택적으로 찾고 유효한 측정만을 허용함으로써 보다 충실하고 증거 기반의 CXR 추론을 지원함을 의미합니다.

확산 트랜스포머(DiTs)를 사용하여 학습 해상도를 넘어선 이미지를 생성하는 것은 토큰 수가 해상도에 따라 급증하고 전체 어텐션이 비용이 많이 들기 때문에 여전히 어려운 과제입니다. 이러한 문제의 근본 원인은 모든 토큰에 균일하게 어텐션을 적용하는 것이 비용을 제곱으로 증가시키고 모델을 학습 범위를 벗어나는 토큰과 상대 거리에 노출시켜 분포 밖으로 밀어내는 데 있습니다.

연구진은 노이즈 제거 과정에서 어텐션의 유효 수용장(receptive field)이 전체 단계에서 구조를 형성하는 초기 단계에서는 전역적이고 세부 사항을 다듬는 후기 단계에서는 국소적으로 좁아진다는 것을 관찰했습니다. 이에 따라 연구진은 노이즈 제거 진행에 따라 수용장(receptive field)이 거칠고(coarse) 세밀한(fine) 방식으로 진화하는 학습 없는 어텐션 메커니즘인 AReA를 제안했습니다.

AReA는 초기 단계에서 다운샘플링된 키와 값에 대해 교차 스케일 거친 어텐션을 적용하여 전역적 맥락을 포착하고, 후기 단계에서는 점차 줄어드는 창 내에서 국소 어텐션을 적용하여 세부 사항을 정제합니다. 추가적인 매개변수나 학습 없이 실험 결과 AReA는 목표 해상도와 다양한 모델에서 기존의 학습 없는 기준선보다 일관되게 우수한 성능을 보였으며, 동시에 더 빠르고 효율적임을 입증했습니다.

강화된 보상(verifiable rewards)을 이용한 강화 학습(RLVR)은 대규모 언어 모델(LLM)이 추론 능력을 습득하는 방식을 변화시키고 있지만, 사용되는 옵티마이저는 여전히 교사 주입(teacher-forcing) 훈련에서 물려받은 경우가 많습니다. 이는 RLVR이 다른 최적화 기하학을 유도하여 다른 옵티마이저를 필요로 하는지에 대한 근본적인 질문을 제기합니다. 연구진은 LLM 기울기의 스펙트럼 구조를 조사하여, 기울기 에너지가 점진적으로 수축하는 유효 부분 공간으로 집중된다는 것을 발견했습니다. 이는 지도 미세 조정(SFT)에서는 존재하지 않으며, 검증 가능한 보상이 무작위 보상으로 대체될 때 크게 제거되는 RLVR의 특징입니다.

또한, 기울기 에너지의 고정된 분수를 포착하는 데 필요한 랭크는 훈련이 진행됨에 따라 꾸준히 감소하며, 이는 유용한 업데이트의 유효 차원 자체가 훈련에 따라 진화함을 보여줍니다. 이러한 발견은 옵티마이저가 업데이트 랭크를 외부에서 규정하기보다 기울기의 스펙트럼 구조에 맞춰 랭크를 적응시켜야 한다는 새로운 최적화 원리를 제시합니다.

연구진은 이 원리를 구현하기 위해 Ares(Adaptive Rank-Effective Spectral Optimization)를 도입했는데, 이는 기울기의 스펙트럼 에너지 분포로부터 유효 업데이트 랭크를 추정하고 그 진화를 추적하며, 각 업데이트를 결과적인 저차원 부분 공간으로 제한합니다. Ares는 다양한 규모의 LLM에서 기존 옵티마이저보다 정확도를 향상시키고 RLVR 알고리즘과 작업 전반에 걸쳐 일반화되는 결과를 보였습니다. 이 연구는 효과적인 최적화가 훈련 과정의 기하학과 역학을 중심으로 설계되어야 함을 시사합니다.

언어 모델 추론에 대한 강화 학습에서 널리 사용되는 PPO는 보상에 대한 검증 가능한 신호를 사용함에도 불구하고, 희소한 최종 보상 하에서 가치 진화(value evolution)를 제대로 추적하지 못하는 한계가 있습니다. 이러한 가치 진화를 모델링하기 위해 본 연구는 연속된 접두사 값들 간의 관계를 분석하여 로그 오즈 공간에서 가산 업데이트를 갖는 베이즈 분해를 입증했습니다.

연구진은 이 가산 구조를 활용하여 추적 가치 PPO(\method)를 구축했는데, 이는 위치별 스칼라 출력을 가치 로짓으로 합산하는 누적 가치 매개변수화 방식입니다. 이 출력들은 재구성된 값에 대한 최종 결과 감독을 통해 학습됩니다.

이 방법은 PPO 대비 Qwen3-4B-Base에서 7.0점, Qwen3-8B-Base에서 8.4점의 누적 수학적 추론 점수를 향상시키며 분포 외 일반화 능력을 개선합니다. 이러한 성능 향상은 Qwen3-4B, Qwen2.5-Math-1.5B, Qwen3.5-9B 모델뿐만 아니라 카운트다운 및 과학 코딩 작업에서도 확장됩니다.

추가 분석 결과, TPPO는 가치 진화를 더욱 정확하게 추적하고 더 신뢰할 수 있는 이점 추정치를 제공함을 보여줍니다. 해당 연구의 코드는 GitHub에서 공개되어 있습니다.

인공지능은 도구이며, 이를 잘 사용하는 것은 기술을 필요로 한다는 것이 핵심 주장입니다. LLM이 단순히 자동화가 아니라 도구로 기능하려면 사용자가 도구를 다루는 것과 마찬가지로 숙련도가 필요합니다. 예를 들어, 톱을 잡는다고 해서 반드시 곧은 절단 결과를 보장하지 않듯이, LLM의 유용성은 사용자가 결과를 해석하고 피드백을 주고 실수를 인식하며 수정하는 능력에 달려 있습니다.

도구의 유용성은 사용자의 능력에 따라 증폭되거나 저해될 수 있습니다. LLM의 예측 불가능성은 한계이지만, 프로그래머가 LLM에게 코드를 설명하게 하고, 설명을 검토하며, 변경 사항을 테스트하고 요청을 수정하는 피드백 루프를 구축할 수 있습니다. 이러한 과정은 인간이 목적을 추구하며 방향을 제시하는 방식으로 작동하며, 숙련된 사용자는 도구를 더욱 효과적으로 활용할 수 있습니다.

AI 시스템의 실패나 오작동을 "탈출"이나 "음모"와 같은 인간적인 용어로 표현하는 것은 실제 공학적 문제와 인간의 동기를 혼동하게 만들 위험이 있습니다. AI가 완벽하게 작동하지 않거나 예상치 못한 결과를 낼 수 있다는 사실은 실제 엔지니어링 문제입니다. 따라서 중요한 구분점은 도구를 숙련되게 다루는 것과 충분한 이해나 감독 없이 작업을 위임하는 것 사이의 차이입니다.

결론적으로, AI를 도구로 인식하고 사용자의 통제와 판단이 필수적임을 이해하는 것이 중요합니다. 이는 AI의 잠재력을 활용하면서도 책임감 있게 시스템을 관리하는 데 실질적인 기준을 제공합니다.

케빈 켈리가 2016년에 예측했던 AI 관련 전망이 10년 후인 2026년 현재 어떤 모습인지 정리했습니다. 구글의 주요 제품은 검색이 아니라 AI가 될 것이며, AI는 아마존 웹 서비스(AWS)와 같이 저렴하고 신뢰할 수 있는 산업용 디지털 지능 형태로 자리 잡을 것으로 예측됩니다.

AI의 미래는 소수의 대규모 범용 클라우드 기반 상업적 지능체들이 지배하는 과점 체제로 형성될 가능성이 높습니다. 이는 클라우드 컴퓨팅이 네트워크 효과를 통해 가치를 기하급수적으로 증가시키기 때문에, AI 역시 사용자가 많아질수록 더욱 똑똑해지는 선순환 구조를 따를 것이라는 분석입니다.

대부분의 AI는 대화형으로 작동하는 특수 목적 소프트웨어 두뇌가 될 것이며, 이는 언어 번역이나 운전과 같은 특정 분야에 특화된 전문가 형태로 발전할 것입니다. 앞으로 우리는 클라우드를 통해 어떤 질문이든 대화하듯 던질 수 있게 되며, 기계는 알려진 사실뿐만 아니라 복잡하고 심오한 지식까지 설명해 줄 수 있게 될 것입니다.

궁극적으로 검색과 같은 답변의 제조 비용은 나노센트 수준으로 떨어져 필수적인 보편적 상품이 될 것이며, AI는 우리가 일상에서 접하는 모든 영역에 걸쳐 보편적인 지능으로 통합될 것입니다.

메타 AI 리서치에서 개인 및 전문 에이전트 작업을 위한 최첨단 성능을 제공하는 Muse Wonder 시리즈를 공개했습니다. Muse Wonder와 Muse Wonder Full은 활성 메모리(Active Memory)와 활성 집중(Active Focus) 기능을 통합하여 사용자의 필요를 추적하고 목표 달성을 위해 노력하는 선구적인 모델입니다. 이 모델들은 개인 슈퍼 인텔리전스로 나아가는 다음 단계로, Meta Model API와 Muse Code를 통해 현재 이용 가능하며 Muse 환경에서 곧 출시될 예정입니다.

Muse Wonder 시리즈는 개인 및 전문 에이전트 작업에서 최고 수준의 결과를 달성하며, 특히 도메인 전문성, 활성 메모리, 활성 집중, 그리고 최전선 코딩 분야에서 뛰어난 능력을 보여줍니다. 도메인 전문성 측면에서는 법률, 금융, 건강 정보 이해와 같은 복잡한 작업을 수행할 수 있으며, 활성 메모리는 대화 전반에 걸쳐 중요한 맥락을 기억하고 관련 세부 정보를 능동적으로 검색하는 역할을 합니다.

이 모델들은 소프트웨어 프로젝트를 위한 최전선 코딩 성능을 제공하며, 다양한 장기 실행 작업을 통해 훈련되어 지속적인 진행을 지원합니다. 또한, 개인 슈퍼 인텔리전스를 안전하게 구현하기 위해 모델의 정렬(alignment)과 안전성이 핵심이며, Muse Wonder는 적대적 지침에 대한 견고성과 사생활 보호를 위한 강력한 안전장치를 갖추고 있습니다.

구글 개발자 사이트에서 9만 달러 규모의 원격 코드 실행(RCE) 취약점이 발견되었습니다. 이 취약점은 개발자 사이트에서 사용되는 Flask 세션 쿠키가 암호화되지 않고 서명만 되어 있는 구조적 결함을 악용하여 발생했습니다. 공격자는 이 쿠키에서 민감한 정보와 함께 pickle로 직렬화된 페이로드를 추출하여 세션 무결성을 우회하고 서버에서 코드를 실행할 수 있었습니다.

공격자는 Flask 세션 쿠키의 구조를 분석하여 서명 키를 복구하고, 이를 통해 세션의 무결성을 무력화했습니다. 특히 쿠키 내부에 포함된 pickle 데이터는 서버 측에서 역직렬화될 때 임의의 객체를 실행할 수 있는 위험을 내포하고 있었습니다. 이 취약점은 단순히 쿠키를 위조하는 것을 넘어, 서버가 신뢰하는 데이터 형식인 pickle을 통해 원격 코드 실행으로 이어지는 심각한 보안 문제였습니다.

이 취약점은 구글의 DevSite 플랫폼과 관련된 여러 도메인에 걸쳐 영향을 미쳤으며, 개발자들은 즉시 조치를 취해야 합니다. 해결책으로는 OAuth 클라이언트 비밀을 모두 교체하고, 서버 측에서 고엔트로피 Flask SECRET_KEY를 사용하며, 클라이언트 경계를 넘는 데이터 전송에 pickle 사용을 금지해야 합니다. 이러한 조치를 통해 위조된 쿠키가 무력화되고 데이터 무결성이 보장될 수 있습니다.

루비 생태계는 현재 기술 변화 속에서 새로운 르네상스를 맞고 있습니다. 많은 유명 개발자들이 루비와 레일스에 대한 관심을 잃으면서 기존의 문화가 소멸했지만, 이는 오히려 더 흥미로운 작업이 탄생할 수 있는 공간을 열어주었습니다. 저자는 인공지능이 코드를 작성하는 시대에, 단순히 코드를 생성하는 것을 넘어 루비 생태계 자체의 성능과 근본적인 개선에 집중해야 한다고 주장합니다.

최근 루비 생태계의 변화는 구체적인 데이터로도 확인됩니다. 지난 12개월 동안 공개된 새로운 소프트웨어의 수가 이전 기간보다 1.9배 증가했으며, 이는 단순히 버그 수정이나 버전 업데이트가 아닌, 실제 개발 활동의 증가를 반영합니다. 이러한 변화는 루비 커뮤니티가 외부의 허락을 기다리기보다 스스로 더 나은 방향을 모색하게 만드는 동력이 되고 있습니다.

저자는 성능 개선이 핵심이라고 강조하며, 루비와 레일스 스택을 더 빠르게 만드는 것이 중요하다고 말합니다. 예를 들어, Sam Ruby의 작업이나 Phoenix 프레임워크가 어떻게 복잡한 문제를 해결했는지 살펴보는 것은 LLM에 의존하기보다 근본적인 개선을 추구하는 데 도움이 됩니다. 결국 개발자들은 외부의 권한을 기다리기보다 호기심을 가지고 현재의 생태계를 개선하는 데 집중해야 합니다.

Rust로 구현된 이 프로젝트는 X3DH, PQXDH(양자 내성), 더블 래칫, Sealed Sender 등의 프로토콜을 포함하는 종단 간 암호화(E2EE) 메시징 코어의 기술적 프로토타입입니다. 이는 10,000개의 연결을 124MB RAM에서 처리할 수 있도록 설계되었으며, 실제 통신에 사용될 수 있는 보안 인프라 구축을 목표로 합니다.

이 프로젝트는 단순히 이론에 머무르지 않고, 백도어에 저항하는 시스템을 설계하기 위해 코드를 직접 구현하고 테스트하는 방식으로 접근했습니다. 이는 유럽연합의 '채팅 통제(Chat Control)'와 같은 법적 요구사항에 대응하며, 키 기반의 신원 및 서버가 해독할 수 없는 종단 간 암호화가 필수적인 시대에 실질적인 보안 솔루션을 제시합니다.

개발자는 이 프로젝트의 세부 사항을 확인하기 위해 프로토콜 사양, 위협 모델, 그리고 테스트 코드를 확인할 수 있습니다. 코드는 Rust로 작성되었으며 AGPL-3.0 라이선스로 공개되어 있어 누구나 보안 메커니즘을 검증할 수 있습니다.

이 코어는 아직 실제 대화에 바로 적용할 수 있는 완성된 제품은 아니지만, 보안 프로토콜의 구현과 검증에 대한 구체적인 기술적 기반을 제공한다는 점에서 개발자 커뮤니티에 중요한 참고 자료가 될 것입니다.