읽을 가치가 있는 기사만, 짧고 또렷하게.

알츠하이머 유사 병리를 가진 생쥐를 대상으로 한 연구에서 뇌 면역세포를 일시적으로 제거했을 때 수면 장애가 개선되는 현상이 관찰되었습니다. 이 실험 결과는 아밀로이드 플라크가 감소하지 않았음에도 불구하고 하루 수면 시간이 2시간 이상 증가하는 결과를 보였습니다.

이러한 현상은 플라크에 반응하는 미세아교세포(microglia)의 과도한 염증 반응이 수면 장애에 직접적으로 기여한다는 점을 시사합니다. 즉, 뇌의 염증 상태가 수면 패턴에 영향을 미치며, 플라크 제거와 별개로 면역세포의 조절이 수면 회복에 중요한 역할을 한다는 것입니다.

연구는 플라크 제거 없이도 뇌 면역세포의 조절을 통해 수면 장애를 완화할 수 있는 새로운 접근 방식을 제시합니다. 이는 알츠하이머 연구에서 플라크 제거 외에 뇌 면역 환경을 개선하는 것이 수면 질 향상에 필수적임을 보여주는 중요한 단서가 됩니다.

AI를 활용하여 소프트웨어를 개발하는 비용이 낮아지면서, 과거에는 규모가 너무 크거나 투입한 시간에 비해 가치가 적다고 여겨졌던 프로젝트들도 실행 가능한 선택지가 되고 있습니다. 이는 개발자들이 더 많은 아이디어를 현실화하고 소프트웨어 제작의 문턱을 낮출 수 있게 만드는 변화입니다.

이러한 흐름 속에서 저품질의 AI 생성 프로젝트가 증가하고 있다는 점을 고려할 때, 결과물의 품질에 대한 우려가 생길 수 있습니다. 하지만 단순히 AI를 사용하여 프로젝트를 시작하는 것을 넘어, 충분한 테스트와 벤치마크를 수행하는 것이 중요합니다.

충분한 검증 과정을 거친다면, AI를 통해 생성된 결과물도 실제로 사용하고 가치를 지닐 수 있는 소프트웨어로 발전할 수 있습니다. 개발자들은 AI를 활용하여 더 큰 야심을 가진 소프트웨어를 만들고, 이를 실질적으로 유용한 결과물로 만들기 위해 검증 작업에 집중해야 합니다.

세레브라스는 트릴리언 파라미터 규모의 최첨단 AI 모델을 웨이퍼 규모 칩에 배포하는 방법을 제시했습니다. 이는 단일 칩의 온칩 메모리 용량 한계를 극복하기 위해 모델을 여러 웨이퍼에 분할하고 파이프라인 방식으로 실행하는 기술을 사용합니다.

예시로 오픈 소스 모델인 Kimi K3(약 3조 파라미터)를 사용하여 설명할 때, 모델 레이어를 웨이퍼에 분산시키고 활성화(activations)만 웨이퍼 간에 전달하여 지연 시간을 최소화합니다. 이 과정에서 각 레이어는 16GB의 메모리를 사용하며, 특히 밀집 레이어(dense layers)는 키와 값(KV cache)을 저장하기 위한 추가 공간이 필요합니다.

시스템은 여러 요청을 동시에 처리하기 위해 파이프라인을 채우는 방식으로 작동하며, 각 단계는 단일 요청이 아닌 마이크로 배치(micro-batch)를 처리할 수 있습니다. 따라서 동시 요청의 수는 온칩 메모리에 할당된 KV 캐시 공간에 의해 결정되며, 전체 시스템의 효율성을 평가할 때는 배치 크기보다 단위 전력당 토큰 처리량과 같은 지표가 더 중요합니다.

Destined AI가 남부 미국 및 아프리카 영어 억양을 포함한 다양한 영어 억양을 지원하는 오픈 소스 음성 합성(TTS) 모델인 Hurston-1을 공개했습니다. 이 모델은 전화 통화에 최적화된 좁은 대역(Narrowband TTS) 기술을 사용하여 8 kHz G.711 오디오를 생성함으로써 고객 서비스 환경에 특화되어 있습니다.

Hurston-1은 2021년부터 2만 명 이상의 참여자로부터 수집한 음성 데이터를 기반으로 구축되었으며, 이는 대부분의 AI 시스템이 평준화하는 일반적인 미국 영어 대신 실제 지역적 억양을 AI가 이해하고 표현하도록 돕는 것을 목표로 합니다. 이 모델은 Maya1을 기반으로 미세 조정되었으며, 남부 미국 영어, 나이지리아 영어, 서아프리카 영어 등 다양한 억양과 성별, 연령, 말하는 속도 등의 상세한 설명에 따라 음성을 생성합니다.

이 모델은 Amazon이나 Salesforce와 같은 고객을 지원하는 데 사용되었으며, 이를 통해 이미 수십만 달러의 수익을 창출했습니다. 개발자들은 이 모델을 Hugging Face에서 다운로드하여 활용할 수 있으며, Destined AI는 향후 통화 스타일과 대화 흐름을 학습하는 통신 네이티브 TTS로 발전시키는 것을 목표로 하고 있습니다.

Hurston-1은 Apache-2.0 라이선스로 공개되었으며, 책임 있는 사용을 위해 실제 인물 사칭이나 사기 행위에 사용하지 않도록 권고하고 있습니다.

Tailworm 연구진은 Tailscale v1.104.2 및 headscale v0.29.5에 대한 보안 평가 보고서를 발표하며 여러 심각한 취약점을 지적했습니다. 이 보고서는 SSH 포워딩, TOCTOU 경쟁 조건, 권한 경계 설정 등 다양한 영역에서 심각도 높은 결함을 발견했으며, 이는 사용자 환경에 직접적인 위험을 초래할 수 있습니다.

주요 발견 사항 중에는 `ssh` 포워딩 기능에서 루트 권한으로 동작하거나 소켓을 대체하는 과정에서 발생하는 권한 상승 취약점과 TOCTOU(Time-of-check to time-of-use) 결함이 포함됩니다. 또한, 앱 커넥터 기능인 `conn25`에서 사용자가 연결 경로를 무제한으로 선택할 수 있는 권한 경계 오류가 발견되어 심각한 보안 문제를 야기합니다.

추가로, `headscale`에서는 메모리 고갈(C2/C4) 및 업스트림 클라이언트 폭탄 공격과 같은 취약점이 확인되었으며, 서버 기능인 `serve` 및 `funnel` 기능에서도 공유 컨텍스트 경쟁 조건으로 인한 권한 우회 가능성이 발견되었습니다.

이러한 결과는 Tailscale 및 headscale의 설계 선택이 보안 내재화보다는 마케팅에 중점을 두었기 때문에 발생한 것으로 분석됩니다. 연구진은 이러한 취약점들이 오픈 소스 소프트웨어의 특성상 사용자에게 보증 없이 제공되었음을 강조하며, 개발자들이 이러한 위험을 인지하고 조치해야 함을 시사합니다.

AI 협업 과정에서 발생하는 사고 과정을 기록하고 축적하는 ADRs4AI라는 방법론을 소개합니다. 이 시스템은 인간과 AI 간의 협업에서 가장 중요한 요소인 '생각'이 사라지는 문제를 해결하며, 모든 설계 결정에 대한 추론 과정과 근거를 버전 관리하여 코드를 위한 청사진을 제공합니다.

ADRs4AI는 옵션, 추천, 근거, 신뢰도, 반증자(ORRCF) 형식의 질문 방식을 통해 AI가 자신의 의문을 완전히 설명하고 승인 또는 수정이 가능한 형태로 제시하도록 합니다. 이를 통해 특정 디자인 선택이 왜 이루어졌는지에 대한 이유를 기록하며, 이는 코드의 근간이 되는 상수 선택이나 라이브러리 선택에 이르기까지 모든 결정에 대한 맥락을 보존합니다.

실제 사용 흐름은 사용자가 질문을 제시하고 AI가 옵션과 추천을 제공하면, 사용자가 이를 수락하거나 수정하는 과정을 통해 기록이 축적됩니다. 이 과정은 단순히 코드를 생성하는 것을 넘어, 여러 협업자가 참여하는 과정에서 발생하는 숙고를 기록하고 증폭시켜, 경험이 적은 개발자도 체계적인 방식으로 복잡한 문제를 해결할 수 있게 돕습니다.

이 방법론은 단순히 메모나 벡터 데이터베이스를 대체하는 것이 아니며, AI가 영구적인 정체성을 갖거나 기억을 보존하는 것이 아니라, 작업이 재개될 수 있도록 사고 과정을 보존하고 증폭하는 데 중점을 둡니다. ADRs4AI는 방법론, 템플릿, 에디터 및 클라이언트 등 전체 생태계를 제공하며, 관련 논문과 개념을 공개하여 신뢰할 수 있는 에이전트 위임에 대한 새로운 어휘를 제시하고 있습니다.

다양한 분야의 AI 생성 텍스트를 분석한 결과, AI가 생성한 언어는 인간의 언어 처리 부담과 관련된 표현이 왕복 번역으로 바꿔 쓴 문장보다 더 자주 나타나는 것으로 분석되었습니다. 이는 AI가 단순히 문법적으로 정확한 텍스트를 생성하는 것을 넘어, 인간이 언어를 처리할 때 겪는 인지적 부담과 관련된 표현을 더 자주 사용한다는 것을 시사합니다.

연구는 인간의 글과 AI 생성 텍스트를 비교했을 때, 조사 대상인 9개 최상위권 및 준최상위권 모델 모두 무생물 주어와 유생물의 행동을 나타내는 동사의 조합을 사용하는 경향을 보였습니다. 이러한 결과는 AI 모델들이 인간의 언어 구조를 모방하거나 학습하는 과정에서 주어와 동사의 관계 설정에 있어 인간이 겪는 복잡한 언어 처리 부담을 반영하고 있음을 보여줍니다.

결론적으로, AI가 생성하는 언어의 특징은 단순히 번역의 결과물이 아니라, 인간의 언어 처리 과정과 관련된 표현 방식을 반영하고 있습니다. 이는 AI 모델 개발 시 언어의 표면적 구조뿐만 아니라, 인간이 언어를 이해하고 처리하는 인지적 맥락을 고려해야 함을 의미합니다.

Dream Labs가 로봇별 시연 데이터나 미세조정 없이 새로운 양팔 로봇을 제어할 수 있는 Dream-1 모델을 공개 API로 출시했습니다. 이 모델은 사용자가 로봇에 대한 별도의 데이터 학습이나 미세조정 과정 없이도 로봇을 제어할 수 있는 제로샷(zero-shot) 기능을 제공합니다.

현재 Dream-1의 대상은 평행 그리퍼를 갖춘 양팔 로봇이며, 로봇의 종류에 따라 성능 차이가 발생할 수 있다는 점을 명시하고 있습니다. 이는 개발자들이 특정 하드웨어 환경에 구애받지 않고 다양한 양팔 로봇 시스템에 대한 제어 솔루션을 적용할 수 있는 기반을 제공한다는 점에서 의미가 있습니다.

Dream-1의 핵심에는 World Action Model(WAM)이 있으며, 이 모델은 영상과 행동을 함께 예측하여 그리퍼의 움직임을 포함한 복잡한 동작을 예측하는 데 사용됩니다. 따라서 개발자는 WAM을 통해 로봇의 행동과 환경을 통합적으로 예측하고 제어하는 새로운 방법을 탐색할 수 있습니다.

AI가 작성한 코드를 푸시하기 전에 개발자의 이해도를 확인하는 도구인 스핑크스(Sphinx)에 대한 정보가 공개되었습니다. 이 도구는 개발자가 AI가 생성한 코드를 단순히 수용하는 것을 넘어 실제로 그 코드를 이해했는지 검증하는 것을 목표로 합니다.

스핑크스는 Git 훅(hook) 형태로 작동하며, 사용자가 특정 브랜치에 대해 git push 명령을 실행할 때 잠시 멈추고 미리 설정된 질문에 통과해야만 푸시를 진행할 수 있도록 요구합니다. 이는 "생각은 외주를 줄 수 있어도 이해는 외주를 줄 수 없다"는 원칙에 기반하여, AI가 생성한 코드에 대한 개발자의 깊은 이해를 강제하는 방식입니다.

이 시스템은 AI가 생성한 코드를 신뢰하고 통합하는 과정에서 발생할 수 있는 잠재적인 오류나 오해를 줄이는 데 중점을 둡니다. 개발자는 코드를 푸시하기 전에 AI가 제시한 질문에 답함으로써 코드의 논리와 구조를 스스로 점검하게 되며, 이는 코드 품질 관리와 협업의 정확성을 높이는 데 기여합니다.

삼성에서 사용자를 추적하기 위해 960x540 이미지에 텐서플로우 라이트 모델을 실행하는 실험이 진행되고 있습니다. 이 실험은 AlexNet 기반의 alex.tflite 모델을 INT8 양자화하여 몇 초 간격으로 실행하며, 사용자가 어떤 게임을 플레이하는지 파악하려는 시도입니다.

해당 모델은 데이터베이스에 대한 이상한 최근접 이웃 특징 비교를 수행하지만 99%의 경우 제대로 작동하지 않습니다. 이 과정에서 사용자의 CPU 자원이 매 순간 낭비되는 문제가 발생하며, 결과는 동의 절차가 나중에 진행되므로 결과가 무시되는 상황입니다.

이러한 실험은 Tizen 운영체제가 라이브 장치에서 구동될 때 발생할 수 있는 주요 보안 및 프라이버시 우려를 제기합니다. 댓글에서는 이와 같은 상황이 HDCP(High-bandwidth Digital Content Protection)에 영향을 미쳐 TV 콘텐츠가 제조사처럼 추출될 수 있다는 점을 지적하고 있습니다.

Xbox와 넷플릭스 간의 5억 달러 규모의 계약 협상이 결렬되었습니다. 넷플릭스는 Xbox 캐릭터를 기반으로 한 콘텐츠 제작을 위해 마이크로소프트에 7년 계약을 제안했으나, 마이크로소프트는 8억 달러를 제시하며 거절했고, 이로 인해 대규모 독점 계약은 성사되지 않았습니다.

이러한 상황에서 Xbox는 자신들의 IP에 대한 기록적인 관심을 받았다고 밝혔으며, 마인크래프트나 디아블로 애니메이션 시리즈 등 다양한 각색에 대한 기대감을 표현했습니다. 마이크로소프트는 이제 광범위한 독점 계약 대신 더 많은 파트너와의 '더 작은 거래'를 개별적으로 진행하는 방식으로 전략을 변경했습니다.

이는 마이크로소프트가 현재 하이랄로 시리즈, 콜 오브 듀티 영화, 폴아웃 시리즈, 기어스 오브 워, 엘더스크롤 등 다양한 게임 IP를 파라마운트나 아마존 등 다른 파트너들과 연계하여 각기 다른 방식으로 콘텐츠화하고 있음을 보여줍니다. 따라서 개발사들은 대규모 독점 계약보다는 여러 파트너와의 개별적인 협업 기회를 모색하는 것이 향후 IP 활용에 더 현실적인 접근 방식이 될 수 있습니다.

인도 정부 사이트들이 eMudhra 인증서 폐기 조치에도 불구하고 해당 인증서를 계속 제공하고 있는 사태가 발생했습니다. 본문 집계에 따르면 정부 도메인 이름 894개가 이러한 인증서를 제공하고 있었으며, 이는 인증서 폐기 조치가 실제 시스템에 즉시 반영되지 않은 상황을 보여줍니다.

이번 사태는 eMudhra 인증서 폐기와 별개로 여러 보안 취약점이 복합적으로 작용한 결과입니다. 구체적으로 G1 인증서 9,356개의 폐기가 이루어졌으며, 동시에 G3 중간 인증 기관의 개인키 복구 취약점도 함께 발생했습니다.

이러한 상황은 인증서 폐기 및 보안 업데이트가 시스템 전반에 걸쳐 일관성 있게 적용되지 않을 경우 발생할 수 있는 잠재적인 보안 위험을 시사합니다. 개발자 및 시스템 관리자는 인증서 폐기 정책과 실제 서비스 제공 간의 동기화 상태를 면밀히 확인해야 합니다.

PHP2Shell 취약점은 신속하게 패치해야 할 치명적인 보안 취약점으로 분류됩니다. 하지만 현재 검토된 공격 시나리오는 "15분 안에 대규모 악용"이라는 경고와는 거리가 있는 것으로 나타났습니다.

해당 취약점을 악용하기 위한 실제 공격 조건은 동일한 PHP 워커 프로세스에 연속으로 네 번 요청을 보내는 것을 요구합니다. 공격자는 이 작업을 수행하기 위해 정확한 PHP 버전, 운영체제 버전, 아키텍처를 알고 있거나 이를 파악할 수 있어야 합니다.

따라서 이 취약점의 심각성은 인정되지만, 실제 공격 성공률을 높이기 위해서는 시스템 환경에 대한 사전 정보가 필수적이라는 점을 개발자와 보안 담당자가 인지해야 합니다. 따라서 시스템 환경 설정 및 버전 관리에 대한 보안 조치가 중요합니다.

오픈 웨이트 언어 모델이 텍스트를 생성하는 것과 실제 코딩 작업을 완료하는 것은 별개의 문제라는 실증적 시스템 경험 보고서가 발표되었습니다. 이 보고서는 2026년 7월부터 10월까지 코딩 클라이언트, 모델별 서빙 레시피, vLLM, SGLang, llama.cpp, MLX 등 다양한 기술을 아우르는 엔지니어링 작업을 통해 얻은 경험을 바탕으로 합니다.

보고서에 따르면, 명목상 호환되는 엔드포인트를 가진 모델들조차도 도구 호출 형식, 턴 제어, 컨텍스트 행동, 캐시 재사용, 신뢰성 등에서 차이를 보였습니다. 실제로 서빙된 모델, 일관된 텍스트, 도구 호출 실행, 그리고 독립적인 행동 검사를 통과하는 코드는 서로 다른 수준의 진전을 의미했습니다.

연구 결과는 4,165건의 코딩 에이전트 게이트웨이 턴, 623건의 디버그 작업, 그리고 숨겨진 행동 검사와 고정된 Claude Opus 5.5 부모 모델을 사용한 세 번의 위임 연구를 증거로 제시합니다. 직접 코딩 연구에서 15/15가 통과했으며, 양자화된 Qwen3-Coder 30B-A3B 작업에 위임했을 때도 12/15와 14/15의 성공률을 기록했습니다.

또한, 직접 코딩 방식은 검증된 성공 건당 API 리스트 가격 등가 프론티어 비용이 더 낮았으며, 사후 진단 결과 일부 아티팩트가 이름만 변경되어 거부되었음에도 숨겨진 검사를 통과하여 성공으로 계산되지 않았다는 점이 밝혀졌습니다. 이 연구는 실제 환경에서의 서빙, 에이전트 프로토콜, 세션 연속성, 아티팩트 검증 및 검증에 대한 실증적 기록을 제공합니다.

멀티모달 대규모 언어 모델(MLLM)은 추론 능력은 뛰어나지만, 공간적 이해 능력은 주로 정적이고 수동적인 관찰을 통해 평가되어 왔습니다. 복잡한 인간 중심 장면에서 가림 현상(occlusion)은 중요한 기하학적 증거를 숨기기 때문에, 기존의 수동 벤치마크는 모델이 시각적 불확실성을 인식하기보다 추측하도록 강요하는 한계를 보였습니다.

이러한 격차를 해소하기 위해 연구진은 시각적 자기 인식과 능동적인 외심 탐색을 평가하는 새로운 상호작용 벤치마크인 SATE-Bench를 소개했습니다. SATE-Bench는 316개의 실제 장면과 2,525개의 다중 턴 질의응답 쌍으로 구성되어 있으며, 모델이 심하게 가려진 시점에서 시작하여 질문에 충분한 증거를 모을 때까지 인접한 시점을 반복적으로 질의하도록 요구하는 능동적 탐색 설정을 결합합니다.

최신 MLLM들을 평가한 결과, 이 모델들은 탐색을 조기에 종료하면서도 높은 신뢰도를 보고하는 경향이 있으며 세밀한 3차원 기하학 작업에서 어려움을 겪는 것으로 나타났습니다. 또한, 그룹 상대 정책 최적화(GRPO)를 통한 미세 조정 결과, 시야 탐색을 보상하는 것이 능동적 탐색을 증가시키지만 전반적인 정확도를 낮추는 것으로 나타났습니다. 이는 모델이 탐색을 과도하게 수행하고 턴을 넘어서 확장되는 다중 시점 맥락을 통합하지 못함을 의미합니다.

이러한 발견은 단순히 수동적인 다중 시점 인식을 확장하는 것만으로는 능동적인 공간 추론을 내재적으로 얻을 수 없음을 시사합니다. 따라서 모델이 어디를 봐야 할지, 본 것을 어떻게 통합할지, 그리고 언제 멈춰야 할지를 아는 모델의 필요성을 강조합니다. SATE-Bench의 코드와 데이터는 https://gtc-gh.github.io/SATE-Bench/에서 이용할 수 있습니다.

비전-언어-행동(VLA) 모델을 확장하는 데는 행동 레이블이 부족하고 로봇 구현체 간의 제어 공간이 맞지 않는다는 제약이 있었습니다. 이에 연구진은 이질적인 상호작용 비디오를 로봇 정책 사전 학습을 위한 확장 가능한 감독 신호로 전환하는 RynnVLA-Latent 프레임워크를 제시했습니다.

RynnLAM의 핵심은 로봇의 내장 제어 없이 시각적 전환으로부터 연속적이고 3차원적으로 기반을 둔 잠재 행동을 학습하는 것입니다. 잔여 미래 특징 예측, 카메라 보정 3D 흐름 감독, 카메라-모션 분리 기술을 결합하여 외관 변화가 아닌 제어에 관련된 움직임을 포착하는 표현을 장려합니다. 이 방법은 30.1K시간의 인간, 로봇, 시뮬레이션 비디오를 사용하여 745.52M개의 잠재 행동 기술자를 생성했습니다.

RynnVLA-Latent는 흐름 매칭을 통해 시각적 관찰과 언어로부터 잠재 행동 청크를 예측하고, 이를 통해 사전 학습된 백본과 행동 전문가를 구현체별 로봇 행동에 맞게 조정합니다. 그 결과, 4B 정책은 LIBERO에서 98.8%, LIBERO-Plus에서 84.7%의 성공률을 달성했으며, RoboTwin 2.0 양손 제어 벤치마크에서는 88.6%의 평균 성공률을 기록했습니다.

이는 잠재 행동 감독이 기존의 행동 레이블 데이터 너머로 로봇 정책 학습을 확장할 수 있는 잠재력을 보여줍니다. 또한, 이 연구는 섬세한 손 및 모바일 그리퍼 플랫폼에 걸친 여섯 가지 실제 조작 작업에서 비교 대상 방법들 중 가장 높은 성공률을 달성했습니다.

AMBIT은 실행 가능한 계획과 자체 증류(self-distillation)를 통해 공간 오디오를 생성하고 편집하는 통합 프레임워크를 제시합니다. 이 연구는 원본 소스 결정과 사운드필드 합성을 연결하며, 편집 시에는 계획이 변경 및 유지할 대상을 지정하고 참조 오디오가 추가적인 음향 세부 사항을 제공하는 방식으로 작동합니다.

AMBIT은 세 가지 주요 기여를 통해 네이티브 제1차 앰비소닉스(FOA) 생성 및 편집을 통합합니다. 첫째, 실행 가능한 ScenePlans을 통해 자기회귀적 계획과 정류 흐름 렌더링을 결합하는 공유 Transfusion 백본을 사용합니다. 편집 과정에서는 계획이 유지할 소스를 설명하고 대조 특징이 요청된 변경 사항을 구체화하며 전체 참조 잠재량을 통해 잔여 음향 세부 사항을 보존합니다.

둘째, FOA 인식 연속 VAE는 공유 디코더 전방, 비대칭 그룹 KL, 공간 공분산 매칭을 결합하여 콘텐츠와 채널 간 구조를 보존합니다. 셋째, 공동 Transfusion 온폴리 자기 증류(OPSD)는 학생이 생성한 접두사와 학생 계획 하에서 도달한 샘플링 상태에서의 렌더링을 정제하며, 목표 조건부 교사가 공유 학생의 두 모드를 감독합니다.

이러한 방법론을 통해 음성, 음악, 사운드 전반에 걸친 평가에서 비교 기준 대비 향상된 생성 콘텐츠와 공간 품질, 지시 기반 편집 중 음향 충실도, 그리고 편집되지 않은 소스 보존 능력을 입증했습니다.

강화 학습(RL)은 대규모 언어 모델(LLM) 에이전트를 최적화하는 주요 패러다임이지만, GRPO와 같은 효율적인 비평가 없는 알고리즘은 근본적인 보상 할당 딜레마를 겪습니다. 이는 궤적 수준의 이점을 모든 행동에 동일하게 방송하여, 선호하는 궤적에서는 구조적으로 불합리한 행동을 강화하고 선호하지 않는 궤적에서는 각 행동의 하위 편차를 무시하는 결과를 초래합니다.

이 문제를 해결하기 위해 연구진은 비평가 오버헤드를 도입하지 않으면서 미세한 보상 할당을 달성하는 플러그 앤 플레이 프레임워크인 Progress-Aware Advantage Shaping(ProAS)을 제안했습니다. ProAS는 동적으로 진화하는 에이전트 참조 그래프(ARG)를 활용하여 Masking Unreasonable Incentives(MUI)와 Asymmetric Penalty Redistribution(APR)를 통해 보상 할당을 수행합니다.

Qwen2.5-1.5B-Instruct 및 Qwen2.5-7B-Instruct 모델에 대한 광범위한 실험 결과, ProAS는 주요 그룹 기반 기준선 성능을 새로운 최고 수준으로 끌어올렸습니다. ALFWorld에서는 91.9%와 94.3%의 최대 성공률을 달성했으며, WebShop에서는 각각 66.7%와 70.8%의 성공률을 기록했습니다. 또한 ProAS는 훈련 수렴 속도를 최대 2.44배 가속하면서도 불완전하거나 정제된 ARG에 대한 강력한 견고성을 유지합니다.

웹 에이전트의 재사용 가능한 검증을 위해서는 변화하는 요구사항을 따르고 후속 실행을 지원하는 규칙이 필요합니다. 이에 연구진은 AgentProofBench를 소개하며, 이는 고정된 수용 규칙의 쌍별 테스트와 동일한 저장된 시작점으로부터의 실행을 연결하는 방법을 제시합니다. 이 연구는 97개의 작업, 79개의 패밀리, 그리고 네 개의 웹 서비스를 대상으로 실험을 진행했습니다.

DeepSeek Flash 및 Pro 모델을 사용한 실험 결과, 48개의 패밀리에서 완전 패널 및 결정 재실행 테스트는 Flash 모델에서 96개 중 82개, Pro 모델에서 96개 중 79개의 소스 프로그램을 유지했습니다. 또한, 쌍별 재사용-재구축(reuse-rebuild) BA 간격은 각각 -5.47/1.57% 포인트와 -10.16/0.00% 포인트로 나타났습니다.

22개의 실행 패밀리에서 배포 상태 패널의 정확성은 두 저장된 시작점이 모두 올바르게 전달된 프로그램 할당 중 32/33개가 오류 없는 패널을 보인 반면, 1/11개만이 패널 오류를 보였습니다. 모든 참조 정의 프로그램 게이트 회귀 및 보류된 전달은 후자의 그룹에서 발생했습니다. 중립적 연속(Neutral continuation)은 테스트된 일반적인 피드백 하에서 가장 정확한 전달을 달성하여 게이트가 추가하는 가치를 측정하기 위한 구체적인 기준을 제공합니다.

AgentProofBench는 방출된 명령어, 상태, 프로그램, 참조 규칙, 궤적을 연결하여 각 테스트 실패를 실행 결과와 연결합니다. 이를 통해 AgentProofBench는 재사용 가능한 검증이 요구사항 및 정책 수준 모두에서 평가될 수 있도록 만듭니다.

최근 논문에서는 대규모 도구 생태계의 구조적 진화를 모델링하는 실행 가능한 에이전트 벤치마크인 Δτ-Bench를 소개합니다. 이 벤치마크는 독립적으로 진화하는 서비스들이 기능 중복과 불명확한 문서 속에서 어떻게 변화하는지를 반영하며, 에이전트가 이러한 변화하는 역량 경계에 맞서 효율적인 도구 사용 경로를 선제적으로 발견하고 절차적 지식을 신속하게 수정할 수 있는지 평가합니다.

Δτ-Bench는 능력 보존 변환을 통해 생성된 6가지 연속적인 생태계 상태와 42개 도메인에 걸친 1,588개의 검증된 다중 턴 작업을 포함하고 있습니다. 실험 결과, 가장 강력한 모델이나 하네스조차도 작업 성공률이 42.3%에 불과하며, 기존의 스킬 학습 방법으로 얻은 초기 이득이 생태계가 진화함에 따라 더 나은 적응으로 일관되게 이어지지 않는다는 한계가 드러났습니다.

이러한 발견은 도구와 절차적 지식을 점진적인 기술 유지 및 동적 프로비저닝을 통해 공동으로 관리하는 생태계 관리자인 Steward의 필요성을 촉발합니다. Steward는 생태계 변화 속에서 더 낮은 기술 유지 오버헤드로 더 높은 작업 성공률을 유지하며, 작업 흐름의 중단에서 회복하고 더 효율적인 대안을 채택하는 능력을 개선하는 것으로 실험되었습니다.