읽을 가치가 있는 기사만, 짧고 또렷하게.

최고법원은 버라이즌이 연방통신위원회(FCC)로부터 4700만 달러의 환급금을 받으려는 시도를 기각했습니다. 이 결정으로 버라이즌은 해당 벌금에 대해 하급 법원에 재검토를 요청하거나 FCC에 환급을 명령할 가능성이 사라졌습니다.

이러한 결정에도 불구하고 AT&T와 T-Mobile은 유사한 벌금에 대해 소송을 계속 진행하고 있습니다. 이들은 기기 위치 데이터를 판매한 행위가 미국 통신법을 위반하지 않았다는 근거로 벌금 부과에 이의를 제기하고 있습니다.

실제로 AT&T, T-Mobile, 버라이즌 세 통신사는 2024년에 고객 동의 없이 모바일 사용자의 실시간 위치 데이터를 판매한 혐의로 총 1억 9600만 달러의 벌금을 부과받았습니다. 이들은 기기 위치 정보를 데이터 집계업체에 판매하고, 이들 집계업체가 다른 회사에 재판매하는 방식으로 데이터를 유통했습니다.

컴퓨터와 가족에게 더 많은 시간을 보냈는지에 대한 성찰이 이 글의 핵심입니다. 필자는 자신이 가족보다 컴퓨터 화면을 더 많이 바라보았다는 사실을 깨닫고 깊은 불안감을 느낀다고 고백합니다. 이러한 불균형은 단순히 업무 시간 40시간뿐만 아니라 수면 후 남은 79시간까지 포함하여 계산될 때 더욱 심화됩니다.

대부분의 사람들은 인간이 경험할 수 있는 것보다 더 자극적인 화면을 통해 이 시간을 보내며 단기적인 쾌락에 쉽게 의존하는 경향이 있습니다. 이러한 현상은 10년 전과는 달리 점진적으로 세상에 영향을 미치는 강력한 힘이 되어왔기 때문에, 사람들이 이를 인지하지 못하고 익숙해지면서 과거의 정상적인 상태를 잊어버리는 것이 가장 두려운 부분이라고 지적합니다.

이 글은 실용적인 조언을 제공하기보다는, 많은 사람들이 무의식적으로 이러한 불균형을 경험하고 있을 수 있다는 점을 경고하는 데 중점을 둡니다. 이는 우리가 일상에서 컴퓨터 사용 시간을 어떻게 인식하고 관리해야 하는지에 대한 근본적인 질문을 던집니다.

AI;DR(AI; Didn’t Read)은 AI가 생성한 불필요한 콘텐츠, 즉 'AI 슬롭'을 무시하기 위한 해결책으로 제안됩니다. 저자는 AI가 작성한 결과물을 검토하고 편집하지 않을 만큼 불쾌함을 느끼는 현상을 지적하며, AI가 생성한 미가공 결과물을 접했을 때 심리적으로 불편함을 느낀다고 설명합니다. 이는 AI를 활용하는 과정에서 결과물의 품질과 출처에 대해 인간적인 검토가 필요하다는 점을 강조합니다.

AI가 제공하는 능력과 실제 이해 사이의 격차가 점점 커지고 있다는 현상이 중요한 문제로 지적됩니다. AI는 전문가처럼 보이는 전략이나 분석을 몇 분 만에 생성할 수 있게 하지만, 사용자가 그 결과물의 전제나 실행의 어려움에 대해 실제로 이해하고 있지 않을 수 있습니다. 이는 AI가 지식의 언어와 결과물을 제공할 뿐, 그 이면에 있는 정신적 모델을 제공하지 못하기 때문에 발생합니다.

결과적으로 AI는 불확실성을 확실성으로 바꾸어 사용자를 더 유능하게 만들지만, 출력물의 정교함과 작성자의 실제 이해도 사이의 차이를 명확히 구분해야 합니다. 따라서 사용자는 AI의 결과물을 맹목적으로 수용하기보다 인간적인 검토와 수정 과정을 우선시하여 AI의 도움을 받는 것이 중요합니다.

구글이 파산 절차를 거친 스피릿 항공(Spirit Airlines)의 이메일, 채팅, 문서 등의 데이터를 경매를 통해 인수했습니다. 구글은 이 데이터를 자사의 제품과 인공지능 모델을 개선하는 데 사용할 계획입니다.

이번 거래에서 구글은 해당 데이터에 대해 1,000만 달러를 지불했으며, 법원 기록에 따르면 약 1억 개의 이메일과 5억 개의 마이크로소프트 팀즈 채팅 기록이 포함되어 있습니다. 중요한 점은 법원 기록에 따르면 이 데이터에는 개인을 식별할 수 있는 정보가 포함되어 있지 않으며, 구매자는 사용자 재식별을 시도하지 않기로 합의했습니다.

구글은 이 데이터가 대규모 언어 모델 학습에 도움이 될 것이라고 밝혔으며, 데이터 수령 전에 제3자에 의해 개인 식별 정보가 엄격하게 삭제될 것이라고 강조했습니다. 이 데이터는 이메일뿐만 아니라 마케팅 자료, 인사 정보, 프로젝트 관리 문서, 재무 데이터 등 광범위한 기업 데이터로 구성되어 있습니다.

다만 이 거래는 아직 연방 판사의 승인을 받아야 하며, 만약 승인이 이루어지지 않을 경우 AI 기반 채용 플랫폼인 머코르(Mercor)가 750만 달러를 제시하며 차순위 입찰자로 참여했습니다.

테크크런치 디스럽트 2026 패스 구매 기회가 제공됩니다. 현재 8월 21일까지 패스를 확보하면 최대 300달러를 절약할 수 있습니다.

이 기회는 10월 13일부터 15일까지 샌프란시스코 모스콘 웨스트에서 열리는 테크크런치 디스럽트 행사에 참여하고자 했던 사람들에게 적합합니다.

개발자 및 스타트업 커뮤니티가 모이는 이 행사에서 다른 참가자들과 함께 준비할 수 있는 최적의 시기이므로, 관심이 있었다면 이 기간 내에 패스를 확보하여 커뮤니티 모임에 참여할 준비를 시작하는 것이 좋습니다.

고급 커스텀 기계식 키보드에 관심이 있지만 높은 비용 때문에 시작을 망설이는 사람들을 위해 특별한 기회가 제공됩니다. 현재 65퍼센트 배열의 Glorious GMMK 3 기계식 키보드를 Woot에서 보통 139.99달러에서 34.99달러에 구매할 수 있으며, 결제 시 쿠폰 코드 WOOTGAMING을 입력하면 첫 구매 고객은 추가 5달러 할인을 받을 수 있습니다.

이 키보드는 기본적으로 잘 갖춰진 상태이며, 특히 이 가격대에서는 더욱 그렇습니다. 이 제품은 스와핑 가능한 스위치 지원을 통해 다양한 제조사의 키캡과 스위치 옵션을 탐색할 수 있는 훌륭한 플랫폼을 제공합니다. 또한 이 키보드는 유선으로만 제공되며, Windows와 macOS 모두를 지원하는 이중 쇼트 PBT 키캡 세트가 포함되어 있고 선형 Glorious Fox 스위치가 사전 설치되어 있습니다.

65퍼센트 배열은 컴팩트한 공간을 유지하기 위해 필수적인 요소들만 배치하도록 설계되었습니다. 이 배열은 전용 기능 키 행을 생략하고 추가 버튼을 표준 수정자 키와 페이지 업/다운 버튼, 그리고 볼륨 또는 미디어 제어를 위한 커스텀 노브로 제한합니다. 내부적으로 알루미늄 플레이트와 개스킷 시스템은 사용자 정의 및 업그레이드가 가능하여 타이핑 경험과 사운드를 세밀하게 조정할 수 있습니다.

인도에서 UPI 거래에 대해 상인에게 수수료를 부과할 수 있는 길을 열었습니다. 이는 지난 10년간 무료 디지털 결제 실험을 종식시킬 수 있는 중대한 변화입니다.

정부는 아직 수수료율이나 적용 범위를 결정하지 않았지만, 논의 중인 제안에는 대규모 사업자의 경우 0.3~0.5%의 상인 할인율(MDR)을 부과하는 방안이 포함되어 있습니다. 다만, 소비자 간의 UPI 결제와 일반적인 소액 결제는 계속 무료로 유지될 예정입니다.

이러한 수수료가 도입될 경우, 이는 특정 거래 기준을 초과하는 대규모 상인에게만 적용되어 소상공인이나 소액 결제에 미치는 영향은 최소화할 계획입니다. 연구에 따르면 상인의 수용 범위가 UPI 성장의 주요 동인이었으므로, 수수료 부과가 광범위한 채택을 저해하지 않도록 적용 범위 설정이 중요합니다.

결론적으로, UPI 시스템의 성공을 이끈 상인 네트워크의 확장을 늦추지 않으면서 은행과 결제 회사에 새로운 수익원을 제공하는 균형점을 찾는 것이 핵심 과제입니다.

스포티파이가 사용자 및 편집자가 자신이 선호하는 음악에 대한 이야기와 그 이유를 설명할 수 있는 새로운 기능을 출시했습니다. 이 기능은 사용자들이 자신의 음악 선택 뒤에 숨겨진 스토리와 추론을 공유할 수 있도록 하여 플레이리스트에 깊이를 더합니다.

이 새로운 기능은 단순히 음악을 추천하는 것을 넘어, 청취 경험에 맥락을 추가하는 데 중점을 둡니다. 사용자는 자신이 특정 곡을 선정한 이유나 그 곡이 가지는 의미를 공유함으로써 다른 사용자들과 더 깊은 음악적 대화를 나눌 수 있게 됩니다.

또한 스포티파이 편집자들 역시 이 기능을 활용하게 됩니다. 편집자들은 RapCaviar와 같은 인기 있는 상위 플레이리스트에 대해 이러한 스토리텔링 요소를 적용하여 플레이리스트의 콘텐츠를 더욱 풍부하게 만들 수 있습니다.

이는 음악 소비가 단순한 재생 목록을 넘어 개인적인 서사와 맥락을 포함하는 방식으로 진화하고 있음을 보여줍니다. 사용자 참여와 편집자의 전문성이 결합되어 플레이리스트가 단순한 음악 목록이 아닌 의미 있는 문화적 콘텐츠로 발전할 수 있는 기반이 마련되었습니다.

AI 이미지 및 비디오 생성 플랫폼인 Higgsfield가 4억 달러 규모의 시리즈 B 투자를 유치하며 기업 가치를 8개월 만에 4배 증가시켜 54억 달러를 기록했습니다. 이 회사는 전 Snap 임원인 알렉스 마슈라보프가 설립했으며, Cinema Studio와 같은 도구를 통해 영화 제작자와 마케팅 팀이 AI 기반 콘텐츠를 제작할 수 있도록 지원합니다.

Higgsfield는 현재 연간 7억 달러의 매출과 200개국에서 3천만 명의 사용자에게 서비스를 제공하고 있으며, 특히 기업 시장에서 주목받고 있습니다. 현재 포춘 500대 기업 390곳과 협력하고 있으며, 마슈라보프는 비디오 AI의 기업 채택이 일상적인 마케팅 및 창작 워크플로우에 깊숙이 자리 잡을 것으로 기대한다고 밝혔습니다.

이번 신규 자금은 인력 채용과 제품 개발뿐만 아니라 AI 비디오 생성에 필수적인 컴퓨팅 자원 확보에도 사용될 예정입니다. 마슈라보프는 비디오가 AI 분야에서 가장 컴퓨팅 집약적인 영역 중 하나이며, 경쟁사들과 경쟁하기 위해서는 안정적인 컴퓨팅 용량을 확보하는 것이 필수적인 비용이 되었다고 설명했습니다. 이는 Synthesia나 Runway와 같은 경쟁사들과의 경쟁 구도에서 컴퓨팅 인프라 확보가 핵심적인 요소가 됨을 시사합니다.

게임 디자이너인 샘 로젠탈(Sam Rosenthal)은 일상적으로 워들(Wordle)과 같은 게임을 즐기며 게임 디자인에 대해 깊이 생각하고 있습니다. 그는 블레이스볼(Blaseball) 개발사인 더 게임 밴드(The Game Band)의 크리에이티브 디렉터로 활동하고 있습니다.

로젠탈은 이러한 게임 플레이 습관을 통해 게임 분야에서 무엇이 더 가능할지에 대해 고민하게 되었다고 설명합니다. 그는 어린 시절 가족들과 함께 했던 알파벳 게임이나 20가지 질문 같은 비교적 자유로운 게임들이 현대의 디지털 게임과는 달랐다고 언급했습니다.

그는 과거의 게임들이 디지털화되기 이전의 자유로운 형태를 가졌다고 회상하며, 이러한 경험이 새로운 게임 공간에서 어떤 아이디어를 창출할 수 있을지 탐구하는 계기가 되었다고 말합니다. 이는 단순한 게임 플레이를 넘어 게임 디자인의 근본적인 접근 방식에 대한 성찰을 담고 있습니다.

Petlibro 스마트 펫 피더 서비스에서 발생한 중단 사태와 관련하여 사용자들이 혼란을 겪고 있습니다. 이 중단으로 인해 일부 사용자는 전용 앱을 통해 스마트 펫 피더를 제어할 수 없었고, 일부 보고에 따르면 반려동물이 굶는 상황이 발생하기도 했습니다.

Petlibro는 이 중단에 대해 사과하며 불편함과 우려를 인정했습니다. CEO인 York Wu는 이 문제의 원인이 Petlibro의 클라우드 서버에 문제가 있었기 때문이라고 설명했습니다. 그러나 일부 온라인 사용자들은 이와 관련하여 서로 다른 정보를 보고했으며, 일부는 8월 13일까지도 문제가 지속되었다고 주장했습니다.

이러한 상황은 서비스 운영 및 사용자 커뮤니케이션의 신뢰성에 대한 의문을 제기합니다. 또한, Petlibro가 피더가 스케줄에 따라 오프라인으로 급여를 수행한다고 주장하는 반면, 사용자들은 실제로는 그렇지 않다고 보고하여 시스템 작동 방식에 대한 불일치가 발생했습니다.

레딧이 틱톡과 유사한 새로운 오디오 및 비디오 경험을 테스트하기 시작했습니다. 사용자들이 게시물을 단순히 읽는 것을 넘어 소셜 미디어 스토리들을 듣거나 시청할 수 있도록 하는 이 기능은 현재 일부 커뮤니티에서 비디오 및 오디오 게시물에 대해 초기 실험을 진행하고 있습니다.

레딧은 이러한 형식들이 사용자들에게 얼마나 매력적인지, 그리고 어떻게 확장될 수 있는지 파악하기 위해 제한적인 실험을 진행하고 있습니다. 이는 다른 소셜 미디어 플랫폼들이 텍스트 음성 변환이나 크리에이터를 통한 내레이션을 통해 인기 있는 레딧 스토리를 제공하는 방식과 맥락을 같이 합니다.

사용자들은 게시물을 읽거나 재생하는 것을 선택할 수 있으며, 이 새로운 형식은 원본 텍스트 게시물이나 댓글을 대체하지 않습니다. 이 기능은 사용자가 운동이나 이동 중에 오디오를 듣거나 비디오와 오디오가 결합된 대화를 시청하는 등 다양한 방식으로 콘텐츠를 소비할 수 있도록 돕는 데 중점을 둡니다.

Yale이 주도한 연구 결과에 따르면 미국에 단일지불자 방식의 보편적 의료보장을 도입할 경우 연간 1조 400억 달러의 의료비 절감과 11만 4천여 명의 생명을 구할 수 있다는 분석이 나왔습니다. 이 연구는 전 국민을 보장하는 의료 시스템이 경제적 효율성과 공중 보건에 미치는 영향을 분석한 것입니다.

연구팀은 2024년 지출, 보험, 사망 데이터를 토대로 Medicare for All과 유사한 제도를 분석하며 이러한 결과를 도출했습니다. 이는 보편적 의료보장 시스템이 어떻게 의료 비용을 절감하고 국민의 생명을 구하는 데 기여할 수 있는지 구체적인 모형을 제시합니다.

이러한 분석은 의료 시스템의 구조적 변화가 재정 및 공중 보건에 미치는 영향을 이해하는 데 중요한 통찰을 제공합니다. 보편적 의료보장 도입이 가져올 수 있는 경제적 이점과 사회적 효과를 수치적으로 제시함으로써 정책 결정자들에게 중요한 근거를 제공합니다.

사운드 기반 화재 예방 스타트업인 Sonic Fire Tech가 1500만 달러의 자금을 확보하여 화재를 막는 기술을 상업용 주방부터 아파트 건물까지 적용하는 데 사용합니다. 이 회사는 화재 발생 시 물이나 화학 물질 없이 소리만으로 불을 몇 초 내에 진압하며 재산 피해를 최소화하는 시스템을 개발했습니다.

이 시스템은 소리 발생기를 사용하여 PVC 파이프를 통해 무음 소리(약 20Hz의 음파)를 순환시켜 화재를 억제하는 방식으로 작동합니다. 이 기술은 화재 진압 후 발생하는 복잡한 물청소 및 화학물질 오염 문제를 해결하여 상업 시설의 복구 비용을 크게 줄일 수 있는 잠재력을 가집니다.

Sonic Fire Tech는 이 시스템이 화재 진압 속도를 높이고 정리 작업을 없애기 때문에 화재 안전 기준을 통과하는 데 걸리는 시간을 단축할 수 있다고 주장합니다. 또한 리튬 이온 배터리 화재와 같이 진압이 어려운 화재에 대해서도 불을 끄는 대신 확산을 막고 외부 케이싱이 불이 붙는 것을 방지하는 방식으로 화재를 제어하는 데 유망합니다.

회사는 현재 화재 진압 속도 외에도 보험 업계와의 협력을 통해 시스템이 보험료 할인 자격을 얻을 수 있는지 논의하고 있으며, 이는 제품의 채택 속도를 높일 것으로 기대됩니다. Sonic Fire Tech는 향후 상업 건물과 주택의 내부 보호 시스템 개발에 집중하고 있습니다.

AI 학습을 위해 희귀 서적을 파괴한다는 의혹이 제기되어 관련 증거가 드러났습니다. 지난 1년간 서적 판매업자들은 AI 기업들이 대량으로 희귀 서적을 구매한 후 AI 학습을 위해 스캔 과정에서 서적을 파괴한다는 의혹을 품어왔습니다.

404 Media는 희귀 서적에 숨겨진 에어태그를 추적하여 이 의혹에 대한 구체적인 증거를 제시했습니다. 이 에어태그는 라스베이거스의 아마존 AI 훈련 시설로 연결되었으며, 해당 시설은 책의 등에서 종이를 떼어내고 페이지를 스캔하는 작업에 집중하고 있는 것으로 확인되었습니다.

더 나아가 해당 시설의 창고에 있던 로고에는 책을 집어삼키려는 티라노사우루스 렉스(T. rex)가 새겨져 있어 논란을 더욱 부각시켰습니다. 이에 대해 아마존은 AI 훈련에 대한 구체적인 언급 없이 404 Media에 동일한 입장만을 제공하며 논란을 회피했습니다.

유튜브는 이제 동영상이 재생되거나 누군가 라이브 방송에 참여하는 즉시 시청 횟수를 계산하는 방식으로 변경했습니다. 이전에는 시청자가 동영상을 최소 30초 이상 시청해야 시청으로 인정되었으나, 이번 업데이트를 통해 크리에이터들이 노출도를 더 정확하게 파악하고 측정 기준의 혼란을 없애고자 합니다.

이러한 변화는 틱톡과 인스타그램 등 경쟁 플랫폼이 이미 채택한 방식과 일치하며, 이는 짧은 시간 내에 시청자의 관심을 끄는 영상의 시청 횟수가 크게 증가할 수 있음을 의미합니다. 따라서 공개된 시청 횟수가 영상의 실제 인기를 판단하는 데 덜 유용해질 수 있습니다.

유튜브는 기존의 시청 지표인 ‘참여된 시청(Engaged views)’을 분석 도구를 통해 크리에이터에게 계속 제공할 예정입니다. 다만, 이 변경은 크리에이터의 수익이나 유튜브 파트너 프로그램 참여 자격에는 영향을 미치지 않습니다. 새로운 수익 창출 기준이 적용되는 시점과 맞물려, 신규 크리에이터들은 연간 8,000시간의 시청 시간 또는 최근 90일 동안 2,000만 건의 Shorts 시청 횟수와 같은 더 높은 기준을 충족해야 합니다.

장거리 로봇 조작은 여러 접촉 기반 기술을 하나의 다단계 작업으로 연결하지만, 오류가 누적되어 정책이 수정할 수 있는 범위를 넘어선다. 각 하위 작업이 다음 작업에 제약을 가하며, 오류가 발생했을 때 어떤 단계에서 문제가 생겼는지 파악하기 어렵다는 근본적인 문제가 있다. 이 문제를 해결하기 위해 연구진은 VLA 모델을 고정하고 LLM 에이전트를 중심으로 하는 새로운 접근 방식인 BATON을 제안했다.

BATON은 이러한 문제점을 해결하기 위해 탐색의 단위와 전환 정보를 메모리에 통합한다. 첫째, BATON은 각 하위 작업을 탐색의 단위로 설정하여 전체 작업이 아닌 개별 단계의 해답을 메모리에 저장함으로써 비용이 곱셈이 아닌 덧셈($T*K$)으로 계산되도록 한다. 이로 인해 실패가 발생했을 때 단일 단계에 책임을 물을 수 있게 된다. 둘째, BATON은 전환 인식 메모리를 통해 탐색에 전환 정보를 부여한다. 이는 하위 작업 호출 시 검증 에이전트를 사용하여 준비 상태를 확인하고, 이전 단계의 잔여물로 인해 방해받은 진입 상태를 복원하며, 다음 단계가 상속할 수 있는 전략을 선택하는 방식으로 작동한다.

이러한 개선을 적용한 결과, BATON은 장거리 벤치마크인 RoboMemArena에서 기존의 최적 솔루션(SoTA) 대비 작업 성공률을 11.6%, 누적 성공률을 14.9% 향상시켰다. 이는 복잡한 다단계 로봇 조작에서 오류 누적과 전환 정보 부족 문제를 해결하여 효율적이고 견고한 장거리 계획을 가능하게 함을 의미한다.

안전하고 유익한 인공지능 개발을 위해서는 시스템이 인간의 선호도에 따라 학습하고 행동할 수 있어야 합니다. 하지만 이러한 선호도를 수동으로 명시하는 것은 종종 불가능합니다. 이러한 문제를 해결하기 위해 역 강화 학습(IRL)은 전문가의 행동으로부터 보상 함수로 표현되는 선호도를 추론하는 방식으로 접근합니다.

본 논문은 Q 기반 변분적 IRL(QVIRL)이라는 새로운 베이지안 IRL 방법을 소개합니다. QVIRL은 전문가 시연으로부터 보상에 대한 사후 분포를 복원하기 위해 최적 Q-값에 대한 변분 분포를 주로 학습하는 방식을 사용합니다. 기존 접근 방식과 달리 QVIRL은 불확실성 정량화와 확장성을 결합하여 안전이 중요한 애플리케이션과 능동 학습에 필수적인 정보를 제공합니다.

연구진은 QVIRL이 그리드월드, 루나 랜더, 고속도로 환경, 두 개의 아타리 게임을 포함한 다양한 작업에서 정적 전문가 데이터와 능동 학습 모두를 통해 강력한 성능을 보임을 입증했습니다. 특히 QVIRL은 원시 픽셀 관찰로부터 학습을 시연하는 최초의 베이지안 IRL 방법이기도 합니다.

행렬 곱셈 지수 $\omega$에 대한 현재의 최적 상한값은 조합 손실 분석(combination loss analysis)이라는 레이저 방법의 개선을 통해 얻어졌습니다. 이 논문은 이러한 접근 방식의 핵심인 최적화 문제를 다루고 여러 개선 사항을 제안합니다.

연구진은 먼저 최적화 문제를 재정의하여 이전에는 불가능했던 더 큰 범위에서 문제를 해결할 수 있도록 했습니다. 또한 최근 머신러닝의 발전을 활용하여 이 문제에 대한 새로운 최적화 알고리즘을 설계했습니다. 마지막으로 이 알고리즘을 AlphaEvolve를 사용하여 정제함으로써 성능을 향상시켰습니다.

이러한 결합된 접근 방식은 $\omega$에 대한 상한값으로 $2.371177$을 도출하여 기존의 최고 상한값인 $2.371339$보다 개선했습니다. 이는 행렬 곱셈의 효율성을 평가하고 개선하는 데 있어 중요한 진전을 의미합니다.

볼록 집합 $\mathcal{K}$가 단위 구를 포함하는 경우, 히트 앤 런(Hit-and-Run)의 스펙트럼 갭은 $\Omega(1/(n^2 C_{\mathsf{PI}}))$로 나타납니다. 이는 $C_{\mathsf{PI}}$가 $\mathcal{K}$에 대한 균일 분포 $\pi$의 포앙카레 상수일 때 성립하며, 히트 앤 런이 초기 분포 $\pi_0$에서 $\chi^2$-발산 $\varepsilon$ 내의 분포 $\pi$로 수렴하는 데 $O(n^2 C_{\mathsf{PI}}\log(M/\varepsilon))$ 스텝이 필요함을 의미합니다.

이 결과는 로바스 및 뱀팔라(Lovász and Vempala, 2004)가 제시한 외반 반지름 $R$에 대한 기존의 상한 $O(n^2 R^2 \log(M/\varepsilon))$을 개선합니다. 특히 거의 등방성인 집합에 대해서는 KLS 추측의 진전과 결합하여 복잡도를 $O(n^2\log n\log(M/\varepsilon))$로 향상시킬 수 있으며, 이는 차원 의존성을 세제곱에서 거의 이차로 개선하는 결과를 가져옵니다.

연구진은 히트 앤 런의 수렴을 포앙카레/KLS 상수와 연결하고, 이를 PDE 분석에서 사용되는 바부슈카-아지즈 상수와 연결하는 방법을 제시했습니다. 이 증명은 전도도에 기반한 기존의 수렴 증명과 달리 쌍대성과 미적분학에 기반한 방식으로 이루어졌습니다.

같은 기법을 좌표 히트 앤 런(Coordinate Hit-and-Run)에 적용하면 훨씬 개선된 혼합 시간인 $O(n^3C_{\mathsf{PI}}\log(M/\varepsilon))$를 얻을 수 있습니다. 이는 좌표 기반의 확률 과정 분석에서도 중요한 진전을 제공합니다.