읽을 가치가 있는 기사만, 짧고 또렷하게.

Hugging Face의 CEO인 클렘 델랑그(Clem Delangue)는 기업들이 비용, 접근성, 소유권 때문에 오픈 모델을 점점 더 원하고 있다고 언급했습니다. 이는 생산 환경에서 대부분의 AI가 오픈 모델로 실행됨에 따라 최첨단 모델(frontier models)이 여전히 중요한지라는 질문을 던집니다.

기업들은 모델의 비용 효율성, 접근 용이성, 그리고 소유권을 확보하는 것을 중요하게 생각하고 있습니다. 이러한 요구사항은 AI 모델 배포 전략에 큰 변화를 가져오고 있습니다.

따라서 대부분의 상업적 AI 애플리케이션이 오픈 모델을 기반으로 운영될 경우, 최첨단 모델의 중요성은 어떻게 재정의되어야 하는지에 대한 논의가 필요합니다. 이는 개발자들이 모델 선택과 배포 시 고려해야 할 새로운 맥락을 제시합니다.

뉴욕주가 데이터 센터 개발에 대한 모라토리엄을 부과하는 최초의 주가 되었습니다. 이는 데이터 센터 건설 및 운영에 대한 규제 환경에 중대한 변화를 가져올 수 있습니다.

이러한 모라토리엄은 데이터 센터의 물리적 확장과 인프라 구축 속도에 직접적인 영향을 미치며, 특히 클라우드 서비스 제공업체와 데이터 센터 운영자들에게 새로운 운영 및 투자 전략을 요구합니다. 뉴욕주의 조치는 데이터 센터의 입지 선정과 관련된 규제적 제약을 강화하는 선례를 남겼습니다.

이러한 정책 변화는 데이터 센터의 분산 배치와 에너지 효율성 같은 기술적 측면을 고려해야 하는 개발자들에게 중요한 맥락을 제공합니다. 향후 다른 주들도 유사한 규제를 도입할 가능성이 있어, 인프라 구축 시 법적 및 행정적 제약을 미리 검토하는 것이 중요합니다.

철학자 애그네스 칼라드(Agnes Callard)는 '유니-컨텍스트(uni-context)'라는 이론을 통해 현대 세계가 왜 이상하게 느껴지는지를 설명합니다. 이 이론은 우리가 행동해야 할 방식이 모든 다른 상황 속에서 동일해지는 하나의 보편적인 규범이 존재한다는 주장입니다. 이는 과거에는 물리적 환경과 주변 사람들의 행동에 따라 달라지던 지역적이고 다중적인 맥락(context)이 사라지고 모든 상황에서 적용되는 단일한 규범이 생겨난 현상을 의미합니다.

이러한 유니-컨텍스트는 '컨텍스트 붕괴(context collapse)'라는 개념과 연결됩니다. 소셜 미디어를 통해 정보를 공유할 때, 개인의 삶의 영역별 차이점들이 인터넷상에서 평면화되어 모든 사람이 동일한 보편적 공간에 놓이게 됩니다. 칼라드는 이러한 상황에서 도덕, 윤리, 선악에 대한 우리의 규범이 어떻게 변화하는지를 탐구하며, 이는 우리가 보편적인 공간에 존재한다는 상상에서 비롯됩니다.

기술 발전, 특히 통신 기술은 이러한 유니-컨텍스트를 촉진하는 핵심 동력입니다. 라디오에서 스마트폰에 이르기까지의 기술은 개인을 '국지적인 존재'에서 '모든 곳에 동시에 존재하는 글로벌 존재'로 변화시켰습니다. 이러한 기술의 인기는 인간이 자신보다 더 큰 존재가 되고 모든 것을 알고자 하는 충동과 상호작용하며 발생했습니다.

결국 유니-컨텍스트는 선과 악을 판단하기보다 '세계 폐쇄(world closure)'에 대한 인간의 깊은 거부감을 표현하는 공간이며, 우리는 이러한 상태에서 벗어나 '세계 개방(world openness)'을 갈망하게 됩니다. 이는 우리가 현재 만들어가고 있는 규범을 끊임없이 선택하고 재구성해야 하는 상태를 의미합니다.

텔레그램의 단축 링크 도메인인 t.me가 하루 동안 정지되었다가 다시 온라인 상태로 복구되었습니다. 이는 메시징 앱의 사용자들이 공개 그룹에 참여하기 위해 사용하는 t.me 도메스레벨 도메인에 대한 접근이 일시적으로 차단되었기 때문입니다.

이러한 중단은 미국 재무부의 해외 자산 통제국(OFAC) 제재 준수와 관련이 있습니다. 도메인 등록 기관인 DomainME은 t.me 도메인이 OFAC 규제를 위해 일시적으로 보류되었다가 현재 복구되었다고 밝혔습니다.

구체적으로 t.me 도메인은 VPN 제공업체인 First VPN에 대한 제재 조치와 연관되어 서버 홀드(serverhold) 블록이 걸리면서 정지되었습니다. 미국 당국은 First VPN이 사이버 범죄자들의 랜섬웨어 공격에 사용되었다고 보고 제재를 부과했습니다.

이 사건은 도메인 등록 기관이 특정 웹 주소 대신 전체 t.me 도메인을 제재 준수를 위해 정지시켰음을 시사합니다. 다만, telegram.me와 같이 제재 목록에 포함되지 않은 다른 도메인은 해당 시점에 정상적으로 운영되었습니다.

LLM을 사용하여 MikroTik 장비를 설정하는 것은 네트워크 구성에 있어 혼란을 야기할 수 있지만 강력한 작업 증폭기 역할을 합니다. LLM은 MikroTik 설정에 대한 지식을 가지고 있지만 오류를 범할 수 있으므로, 설정 시에는 항상 신중하게 검증하고 주의를 기울여야 합니다.

효율적인 설정을 위해서는 SSH 대신 REST/JSON API를 사용하는 것이 권장되며, 설정 변경 전후로 보안되지 않은 서비스 포트(www, telnet, ftp 등)의 전체 구성을 백업하는 것이 필수적입니다. 또한, 네트워크 마이그레이션 시 SSID, 비밀번호, DHCP 예약 정보를 포함한 복구 실행 매뉴얼을 미리 작성하여 백업하는 것이 중요합니다.

LLM을 활용할 때에는 여러 모델을 사용하여 설정을 교차 확인하고 합의를 도출하는 것이 좋으며, 설정 변경 후에는 반드시 테스트를 수행해야 합니다. 특히 IP 주소 충돌과 같은 복잡한 문제에 직면했을 때, IP 계층 대신 L2(MAC 주소) 계층에서 작동하는 MAC-Telnet과 같은 솔루션을 고려하는 것이 효과적입니다.

Spotify가 ChatGPT와 유사한 음악 비서 기능을 도입하며 AI 기술 확장을 가속화하고 있습니다. 프리미엄 구독자는 이제 앱 내에서 대화를 통해 음악, 팟캐스트, 오디오북 등을 탐색할 수 있게 되었습니다. 이 기능은 현재 미국, 아일랜드, 스웨덴 지역의 iOS 및 Android 기기에서 18세 이상 사용자를 대상으로 영어로 베타 출시되었으며 사용자 피드백을 통해 개선될 예정입니다.

새로운 기능은 단순히 AI DJ 경험을 넘어 사용자가 앱 내 홈 화면과 재생 화면에서 Spotify와 대화할 수 있도록 확장됩니다. 사용자는 원하는 음악을 선택하기 위해 앱에 말하거나 입력하여 상호작용하며 다음 재생 목록을 결정할 수 있습니다. 또한 이 기능은 사용자의 청취 기록에 대해 대화하고 좋아하는 음악이나 팟캐스트에 대해 더 깊이 탐색할 수 있도록 돕습니다.

이러한 상호작용을 통해 사용자는 특정 노래의 영감이나 앨범 발매일 같은 구체적인 질문을 할 수 있으며, 원하는 아티스트를 추가하거나 재생 목록에 저장하는 등의 행동을 요청할 수 있습니다. Spotify는 자체 AI 기술과 여러 제공업체의 모델을 혼합하여 사용하므로, 이 기능은 음악 카탈로그를 탐색하고 개인화된 청취 경험을 제공하는 데 중점을 두고 있습니다.

OpenAI는 올해 내내 여러 소송에 연루되었으며, 특히 세계 최고 부호로부터 제기된 소송을 포함했습니다. 하지만 최근 OpenAI는 애플로부터 가장 주목받는 법적 조치 중 하나를 받았습니다. 이는 OpenAI의 값비싼 하드웨어 관련 베팅이 걸려 있는 사안입니다.

애플이 북부 캘리포니아 연방 법원에 제기한 소송은 전 애플 직원들이 "OpenAI의 이익을 위해 애플의 영업 비밀을 훔쳤다"고 주장합니다. 이 소송에서 애플은 자사의 "제품 개발, 제조, 공급망, 기술 연구 및 기타 혁신"을 기밀로 유지한다고 주장하며, 해당 영업 비밀이 광범위하게 걸쳐 있다고 명시했습니다.

이 법적 분쟁은 OpenAI와 애플 간의 기술 및 지적 재산권 문제에 대한 중요한 선례를 제시합니다. 이 소송은 AI 기술 개발과 하드웨어 투자 과정에서 발생하는 영업 비밀 보호의 경계에 대한 논쟁을 반영하고 있습니다.

Superhuman이 새로운 자동 초안 기능으로 AI 답변에 가까운 이메일을 생성하여 사용자 경험을 크게 개선했습니다. 이 기능은 중요한 이메일을 식별하고 이전 대화의 톤을 기반으로 덜 기계적인 응답을 생성하며, 사용자가 최소한의 편집만으로 이메일을 보낼 수 있도록 돕습니다.

베타 테스트 기간 동안 사용자는 생성된 초안을 거의 수정 없이 발송했으며, 특히 60%의 초안은 수동 편집 없이 바로 전송되었습니다. 이 기능은 단순히 응답을 생성하는 것을 넘어, 협상이나 일정 확정 등 구체적인 상황에 맞는 다양한 대안을 제시하여 사용자가 효율적으로 소통할 수 있게 합니다.

이러한 발전은 Superhuman이 이전 버전에서 사용했던 GPT-3.5와 같은 구형 모델 대신 Anthropic과 OpenAI의 최신 프론티어 모델을 혼합하여 사용함으로써 가능해졌습니다. 이로 인해 AI가 더 높은 지능과 맥락을 적용하여 결과물을 도출할 수 있게 되었습니다.

다만 이 기능은 아직 완벽하지 않으며, 때로는 비합리적인 응답을 생성하는 경우도 발생합니다. 따라서 사용자는 설정에서 개인화 옵션을 통해 자신의 역할과 세부 정보를 추가하여 이메일을 맞춤 설정할 수 있으며, AI의 도움을 받더라도 최종 검토는 필요합니다.

픽셀 워치 5의 외관 마감재에 대한 새로운 유출 정보가 구글의 출시 이벤트에 앞서 공개되었습니다. OnLeaks가 The Tide Chart에 제공한 것으로 알려진 누출된 프레스 렌더링에 따르면, 이번 시계는 네 가지 케이스 마감재를 선보입니다.

구체적으로 이 마감재는 블랙(다크 안트라사이트), 폴리시드 실버(내추럴 실버), 옐로우 골드(웜 골드), 그리고 더 어두운 골드(파이라이트)로 구성되어 있습니다. 이러한 마감재들은 각기 다른 색상의 밴드와 조합되어 나타납니다. 다크 안트라사이트는 검은색 밴드와, 내추럴 실버는 연한 파란색 밴드와, 웜 골드는 코랄 밴드와, 파이라이트는 녹색 밴드와 페어링됩니다.

이러한 색상 조합은 9to5Google이 포착한 초기 픽셀 11 아마존 목록에서 보인 팔레트와 일치합니다. 이는 픽셀 워치 5의 디자인 방향이 구글의 다른 제품군과 일관된 색상 전략을 따르고 있음을 시사합니다.

올해 FOSS for All(포스포올)이 최초로 마이크로그랜트 지원 사업을 시작하며 오픈소스 프로젝트와 커뮤니티를 모집합니다. 이 지원 사업은 오픈소스 프로젝트와 커뮤니티를 위해 모금된 기부금을 공개적으로 공개하는 것을 목표로 합니다.

마이크로그랜트 지원 사업은 오픈소스 활동을 하는 프로젝트와 커뮤니티가 필요한 자금을 확보하고 투명하게 기부금을 공개할 수 있도록 돕는 데 중점을 둡니다. 이는 오픈소스 생태계 내에서 활동하는 개발자들과 커뮤니티에게 실질적인 재정적 지원 기회를 제공합니다.

참여를 원하는 오픈소스 프로젝트와 커뮤니티는 이 지원 사업에 참여하여 기부금을 공개함으로써 커뮤니티의 투명성과 신뢰도를 높일 수 있습니다. 해당 사업에 대한 자세한 정보와 참여 방법은 FOSS for All 웹사이트를 통해 확인할 수 있습니다.

보어머 세대가 다른 세대보다 알코올 소비를 가장 많이 줄이고 있다는 새로운 연구 결과가 나왔습니다. 글로벌 음료 산업 시장 조사 기관인 IWSR에 따르면, 1946년부터 1964년 사이에 태어난 보어머 세대의 71%가 지난 6개월 동안 알코올을 소비했으며, 이는 다른 어떤 세대보다 낮은 음주율이며 3년 전 대비 2% 포인트 감소한 수치입니다.

반면, 법적 음주 연령에 도달한 제너레이션 Z(Gen Z)는 74%가 지난 6개월 동안 음주를 보고했습니다. 이는 3년 전 66%에서 증가한 수치로, 젊은 세대가 전체 성인 인구의 음주율인 76%에 맞춰 따라잡고 있는 추세입니다.

이러한 데이터는 사회 전반에서 절제가 확산되면서 세대별로 알코올 소비 패턴에 차이가 발생하고 있음을 보여줍니다. 즉, 젊은 세대가 음주율을 높이고 있는 반면, 보어머 세대가 가장 큰 폭으로 소비를 줄이고 있다는 점이 주목됩니다.

서레나 윌리엄스 피트덱스에 대한 기사 내용이 제공되지 않아 구체적인 기술적 내용을 요약하기 어렵습니다. 해당 기사는 해커 뉴스에 게시된 것으로 보이며, 제목은 서레나 윌리엄스 피트덱스입니다.

제공된 자료에는 기사의 본문 내용이 포함되어 있지 않으므로, 해당 프로젝트나 데이터에 대한 구체적인 변경 사항, 영향, 또는 기술적 맥락을 설명할 수 없습니다. 따라서 독자가 기사를 열어보기에 앞서 어떤 정보를 기대해야 하는지에 대한 맥락만 제공할 수 있습니다.

만약 기사 본문이 추가적으로 제공된다면, 해당 프로젝트의 개발 상황, 사용된 기술 스택, 또는 데이터의 의미에 대해 자세히 설명해 드릴 수 있습니다. 현재로서는 기사의 존재와 출처 정보만을 확인할 수 있습니다.

2026년 7월 3일 알바니아(.AL) TLD에서 DNSSEC 키 롤오버가 실패하면서 DNSSEC 유효성 검사 오류가 발생했습니다. 이로 인해 유효한 서명을 수신하는 DNS 리졸버들은 DNSSEC 사양에 따라 오류를 반환해야 했으며, 이는 Cloudflare의 1.1.1.1과 같은 검증 리졸버에 영향을 미쳤습니다.

이 문제를 해결하기 위해 Cloudflare는 .AL 및 .DE TLD에 대해 부정 신뢰 앵커(Negative Trust Anchor, NTA)를 설치하여 도메인 접근성을 유지했습니다. 그러나 NTA는 리졸버에게 DNSSEC 유효성 검사가 우회되었음을 명시적으로 알리지 않아, 클라이언트는 응답만으로는 유효성 검사가 무시되었는지 구분할 수 없다는 문제가 있었습니다.

이러한 공백을 메우기 위해 1.1.1.1은 영향을 받은 응답에 새로운 확장 DNS 오류 코드인 EDE 33을 반환하기 시작했습니다. 이 코드는 DNSSEC 유효성 검사가 NTA의 존재로 인해 우회되었음을 직접적으로 나타내어 운영자, 모니터링 도구, 사용자에게 필요한 정보를 제공합니다.

EDE 33은 RFC 7646이 남긴 공백을 메우는 것으로, DNSSEC 체인 내에서 발생한 오류를 명확히 알리는 데 중요합니다. 현재 이 관련 인터넷 초안은 IETF에서 논의 중이며, 이는 DNSSEC 작동 방식에 대한 이해를 높이는 데 기여할 것입니다.

라이브 서비스 게임과 이를 운영하는 회사들은 현재 큰 어려움을 겪고 있습니다. 게임과 개발사들은 폐쇄되거나 축소되고 있으며, 퍼블리셔들의 거대한 약속들은 불확실한 상황에 놓여 있습니다.

이러한 상황 속에서 오리지널 라이브 서비스 게임 중 하나인 에버퀘스트가 25년 만에 다시 부활하고 있습니다. 에버퀘스트 레전드(EverQuest Legends)는 현재 프리오더 베타 단계에 있으며 7월 28일에 출시될 예정입니다.

레전드는 1999년 최초 출시 당시의 에버퀘스트를 재해석한 작품으로, 수십 년간의 확장 이전 상태를 기반으로 재구상되었습니다. 이는 에버퀘스트가 MMORPG의 기초를 다진 게임이라는 역사적 배경을 가지고 있습니다.

인공지능 시대에 글쓰기에서 노력과 배려를 증명하는 방법에 대한 논의가 제시됩니다. AI는 텍스트 생성을 매우 쉽게 만들어 내용에 대한 진정성이나 노력을 입증하기 어렵게 만들고 있습니다. 저자는 이러한 '노이즈가 많은' 시대에 자신의 작업에 대한 신뢰를 회복하기 위해 메시지에 노력을 기울였다는 것을 보여주는 방식을 탐구합니다.

노력의 증명을 위한 방법으로는 손글씨를 사용하는 것이 가장 단순한 방법으로 제시됩니다. 손글씨는 디지털 복사 붙여넣기와 달리 시간과 노력을 요구하기 때문에 메시지에 대한 진정성을 입증하는 데 효과적입니다. 또한 AI가 생성한 텍스트를 손으로 다시 작성하거나, 물리적인 전단지를 배포하는 방식도 메시지의 효과를 높이는 방법으로 언급됩니다.

더 나아가, 타투와 같은 영구적인 방식으로 메시지를 몸에 새기는 것도 지속적인 노력을 증명하는 방법으로 제안됩니다. 이는 메시지가 변하지 않고 영원히 남도록 하여 약속의 지속성을 보여줍니다. 이러한 방법들은 온라인 환경에서 생성된 콘텐츠의 진정성을 확보하고 독자와의 연결을 강화하는 데 중요한 맥락을 제공합니다.

LLM 개인화를 통한 생산성과 보안 강화 방안으로 ‘수호천사(Guardian Angels, GA)’ 개념이 제안되었습니다. 이는 단순히 보조 챗봇 에이전트를 넘어 사용자의 가치관과 선호도를 모방하여 사용자 본인의 목표를 증폭시키는 디지털 트윈 LLM을 만드는 것을 목표로 합니다. 이러한 접근 방식은 주체와 대리인 간의 문제(principal-agent problem)를 해결하여 사용자가 원하는 바를 달성하도록 돕고, 사기나 공격으로부터 개인 정보를 보호하는 데 중점을 둡니다.

수호천사 LLM은 동적 평가, 능동 학습, 선호도 유도를 결합한 기술을 통해 구현됩니다. 이는 LLM을 실시간으로 업데이트하여 오류를 방지하고, 사전 학습된 선호도 모델을 활용하여 샘플 효율성을 높이며, 사용자의 피드백을 통해 모델을 개선하는 온라인 학습 방식을 포함합니다. 이러한 개인화된 에이전트는 사용자의 목표에 부합하는 고품질의 출력을 제공하여 신뢰성을 확보하며, 잠재적인 사이버 공격에 대응하는 방어 체계를 구축할 수 있습니다.

하지만 이러한 시스템을 구현하기 위해서는 기술적 제약과 실용적인 고려 사항이 존재합니다. 현재의 프롬프트 프로그래밍이나 고정된 모델 방식으로는 충분한 수호천사 기능을 구현하기 어렵기 때문에, 실시간 업데이트와 샘플 효율성을 동시에 달성하는 복합적인 기술 조합이 필요합니다. 또한, 높은 보안 요구 사항을 충족시키기 위해서는 초기에는 CEO나 연구원과 같은 파워 유저를 대상으로 하는 스타트업 형태로 시작하여 점진적으로 확장하는 것이 현실적입니다.

AI 에이전트를 사용하여 다른 AI 모델을 강화 학습(RL)으로 훈련시키는 파이프라인을 구축하는 프로젝트가 공개되었습니다. 이 시스템은 외부 환경에서 훈련 작업을 정의하고 이를 실행하는 에이전트(Outer loop)와 실제로 모델을 훈련하는 내부 모델(Inner loop)이라는 두 개의 별도 RL 루프를 결합하여 작동합니다.

훈련 에이전트는 환경, 보상, 데이터셋, 하이퍼파라미터를 포함하는 전체 훈련 작업을 작성하고 이를 Runpod GPU에서 실행합니다. 이 과정에서 내부 모델의 성능 평가 점수가 외부 에이전트의 보상 신호로 역전파되어, 에이전트가 더 나은 기본 모델을 선택하도록 학습됩니다.

이러한 접근 방식은 54단계의 훈련 과정에서 보상이 약 0.0에서 약 0.63까지 상승하는 결과를 보였으며, 에이전트가 훈련하지 않은 별도의 작업 가족으로 해당 기술을 성공적으로 전이시켰습니다. 프로젝트는 RL 훈련 스크립트, 보상 설계, 환경 정의 등을 오픈 소스로 공개하며, Tinker와 Prime-RL 프레임워크를 활용하여 개발 환경과 인프라를 구축하는 방법을 제시합니다.

이 연구는 AI 에이전트가 단순히 코드를 생성하는 것을 넘어, 스스로 훈련 과정을 설계하고 모델을 개선하는 자율적인 학습 주기를 형성할 수 있음을 보여줍니다. 이는 향후 상태 기반 코딩 에이전트와 같이 복잡한 작업을 수행하는 에이전트의 능력을 확장하는 데 중요한 기반을 제공합니다.

코딩 에이전트가 소프트웨어 엔지니어링 작업을 수행할 때 내부적으로 어떤 정보를 처리하는지에 대한 연구 결과가 발표되었습니다. 연구진은 언어 모델의 잔여 스트림이 진화하는 프로그램의 속성을 선형적으로 인코딩한다는 것을 보여주었습니다.

이러한 발견을 바탕으로 숨겨진 상태에 대한 로지스틱 회귀 탐침을 사용하여 현재 코드가 구문 분석을 수행하는지, 테스트 스위트를 통과하는지, 실패 테스트 수를 줄이는지, 또는 회귀를 도입하는지를 성공적으로 해독할 수 있었습니다. 이 분석은 두 모델과 두 벤치마크에서 정확성에 대해 최대 0.83의 AUC를 달성했습니다.

더 놀라운 점은 이러한 표현들이 에이전트의 자체 수정보다 앞서 진행된다는 것입니다. 미래의 수정을 예측하도록 훈련된 탐침은 실제로 코드가 메모리에 기록되기 전에 최대 25단계 앞서 결과를 예측하는 데 성공했습니다. 연구진은 이를 에이전트의 잠재적 프로그래밍 지평(latent programming horizon)이라고 명명했습니다.

이러한 결과는 코딩 에이전트의 기계적 해석 가능성에 대한 추가 연구를 촉구하며, 에이전트가 앞으로 어떤 행동을 할지 예측하는 능력을 이해하는 데 중요한 기반을 제공합니다. 또한, 이 탐침들은 재학습 없이 여러 벤치마크에 걸쳐 전이될 수 있음을 입증하여 외부 타당성을 보여줍니다.

Fortran 코드를 자동 미분 가능하게 만드는 LFortran과 Enzyme를 결합하여 기존 과학 시뮬레이션 코드에서 정확한 기울기(gradient)를 추출하는 방법이 제시되었습니다. 이는 기존에 기울기 계산이 불가능했던 CFD, 기후, 항공우주 분야의 검증된 물리 코드를 머신러닝 파이프라인에 통합할 수 있게 합니다.

이 기술은 Enzyme이 LLVM IR 수준에서 자동 미분을 적용함으로써 Fortran, C, C++ 등 LLVM 프론트엔드를 사용하는 모든 코드에서 기울기를 추출할 수 있게 합니다. Tesseract는 이 결과를 JAX의 커스텀 프리미티브로 래핑하여 Fortran 솔버를 임의의 JAX 코드에서 미분 가능한 레이어로 만듭니다.

이 접근 방식은 기존의 수동 미분이나 수치적 차분 방법보다 훨씬 효율적이지만, 실험적인 성격이 강하여 기울기가 NaN으로 돌아오는 문제나 LLVM IR 차이를 수동으로 비교해야 하는 디버깅 난이도가 발생할 수 있습니다. 그럼에도 불구하고 이 방법은 다단계 시간 루프 전체에 걸쳐 분석적 해답과 일치하는 기울기를 제공하며, 최신 기술과 구식 기술을 결합하여 고성능의 미분 가능한 과학 컴퓨팅을 가능하게 합니다.

데이비드 베컴의 건강 음료 스타트업 IM8이 제너럴 캐피털의 고객 가치 펀드(CVF)로부터 10억 달러의 자금을 확보했습니다. 이 펀드는 일반적인 벤처 투자와는 달리 대출과 유사한 형태로 자금을 제공하며, 스타트업이 수익을 창출하는 방식에 따라 상환 조건을 설정합니다.

이러한 투자 구조에서 제너럴 캐피털은 IM8의 주식을 매입하거나 소유권을 확보하지 않으며, 대신 고객이 창출하는 수익에 대해 정해진 총 마진 가정치를 곱한 '참조 소득'의 일부를 받습니다. 이는 IM8의 고객 확보 비용의 최대 70%를 충당하는 방식으로 대출이 구조화되었으며, 투자금 회수 및 수익 공유 상한선에 도달하면 이후의 모든 수익은 IM8의 모회사인 프레네틱스(Prenetics)로 돌아갑니다.

IM8은 장수와 관련된 성분(아사이베리 추출물, 코엔자임 Q10 등)을 담은 비타민 음료를 구독 방식으로 판매하고 있으며, 이 스타트업은 예측 가능한 수익 흐름과 성장 계획을 가진 기업에 이러한 자금 조달 옵션을 제공합니다. 이 사례는 예측 가능한 수익을 가진 스타트업들이 비전통적인 방식으로 자본을 조달할 수 있는 가능성을 보여줍니다.