읽을 가치가 있는 기사만, 짧고 또렷하게.

과학적 발견은 이질적인 양식의 과학적 증거를 추론하고, 과학 도구 및 환경과 상호작용하며, 장기적인 과제를 지속할 수 있는 AI 시스템을 요구합니다. 이에 따라 본 논문은 다중 모드 과학적 이해, 추론, 생성 및 장기 과제 수행을 지원하도록 설계된 과학 에이전트 파운데이션 모델인 Intern-S2-Preview를 제시합니다.

모델 훈련 파이프라인은 렌더링된 과학 문서, 이미지-텍스트 데이터, 다양한 과학 코퍼스를 활용한 과학 다중 모드 사전 훈련으로 시작됩니다. 사전 훈련된 체크포인트에서 시작하여 지도 미세 조정, 확장 가능한 다중 작업 강화 학습(RL), 블랙박스 및 화이트박스 에이전트 RL, 온-폴리 디스틸레이션으로 구성된 통합 후 훈련 파이프라인을 적용합니다. 이 과정에서는 부분 롤아웃과 오프-폴리 보정을 통한 안정성 및 효율성 개선을 위해 적응형 길이 정규화, 온라인 추측 디코딩, 견고한 다중 작업 최적화 등의 실용적인 기술이 지원됩니다.

아키텍처 수준에서 Intern-S2-Preview-397B는 효율적인 장 시퀀스 이해에서 수치 예측으로 시간 시리즈 모델링을 확장하며, 별도의 메모리 증강 경로인 Memory Decoder를 통해 고정된 397B 백본을 수정하지 않고도 빠른 과학적 전문화를 가능하게 합니다. 이러한 확장 모델은 과학, 다중 모드, 에이전트 및 일반 목적 벤치마크 전반에서 경쟁력 있거나 선도적인 결과를 달성했습니다. 특히 시간 시리즈 모듈은 SciTS에서 과학적 신호 이해와 예측을 개선했으며, Intern-MemDec-4B 확장 모델은 백본을 변경하지 않고 Biology-Instructions 평균 점수를 56.92점에서 60.32점으로 향상시켰습니다.

인터랙티브 세계 모델은 지속적인 메모리, 반응성 있는 상호작용, 그리고 장거리 생성 능력을 지원해야 하지만, 이러한 요구사항은 모델에 상충되는 부담을 지웁니다. 현재 방식은 디노이저 컨텍스트나 키-값 캐시에 역사를 유지하는 데 비용이 증가하여 세션 길이와 보존된 메모리 사이에 트레이드오프가 발생하며, 낮은 지연 시간 상호작용은 교사(teacher)에 의해 제한되는 소수 단계 생성에 의존합니다.

Evoke는 이러한 한계를 극복하기 위해 지속적인 세계 상태를 외부화하고 장거리 상호작용 생성을 위해 교사를 재설계합니다. 장면 기하학은 외부 카메라 인덱스 세계 상태 은행에 유지되며, 여기서 시점에 관련된 정보만 검색하여 세션이 길어질수록 디노이저 컨텍스트를 제한합니다. 교사는 고정된 생성기가 아니라 장거리 감독을 위해 설계되었으며, 희소 어텐션은 청크별 그룹화, 선택된 먼 프레임 검색, 그리고 선형 어텐션 글로벌 상태를 결합하여 메모리와 컴퓨팅의 선형 성장을 가능하게 합니다.

이러한 감독은 짧은 창 내에서 국소적으로 그럴듯한 콘텐츠를 유지하면서도 각 청크별 조건화를 통해 시퀀스 전반에 걸쳐 프롬프트 변경과 이벤트 제어를 가능하게 합니다. 또한 자기 강제 롤아웃 하에서 적용된 30초 분포 일치 목표는 분류-프리 가이던스 없이 세 단계 학생에게 두 가지 능력을 전달하여 장기적인 표류에 대한 저항력을 개선하고 반응성 있는 조건화를 보존합니다.

결과적으로 Evoke는 제한된 컨텍스트와 재귀적 외부 메모리를 통해 개방형이며 지속적으로 진화하는 생성을 지원하며, 단일 H200에서 384x640 해상도 기준으로 각 1.5초 청크는 2.11초 만에 생성됩니다. 이 세 단계 세계 모델인 Evoke는 WBench에서 최고 성능을 달성하는 동시에 VBench-Long 및 VBench-2.0에서 경쟁력을 유지합니다.

비디오 월드 모델은 현재 관찰과 사용자 행동에 기반하여 미래 상태를 시뮬레이션합니다. 최근 시스템들은 긴 시퀀스에서 인상적인 비디오 일관성과 행동 제어 능력을 보여주었지만, 이러한 상호작용 모델들을 공정하게 비교하는 것은 여전히 어렵습니다. 실제 사용자는 보통 상호작용을 통해 장기 목표를 추구함으로써 월드 모델을 평가합니다. 예를 들어, 사용자가 360도를 돌려 환경이 일관적인지 확인하거나 물에 들어가 현실적인 물결이 생성되는지 검사하는 식입니다.

이러한 목표를 달성하는 데 필요한 행동 시퀀스는 모델마다 상당히 달라지기 때문에, 고정된 행동 조건에 기반한 평가는 모델 간 비교에 부적합합니다. 이를 해결하기 위해 연구진은 다중 모드 에이전트 플레이어(multi-modal Agent Players)를 사용하여 월드 모델과 특정 장기 목표를 향해 상호작용하는 방식을 채택했습니다. 이를 바탕으로 PlayWorld라는 벤치마크를 소개하며, 이는 171개의 시나리오를 제공하고 각 시나리오는 기하학적 일관성(geometry consistency), 상호작용 충실도(interaction fidelity), 시야 밖 진화(out-of-sight evolution), 통찰 진화(insight evolution)라는 네 가지 핵심 차원을 기준으로 평가합니다.

또한 비디오 품질과 제어 가능성에 대한 기본 능력 지표도 포함했습니다. 아홉 가지 최첨단 월드 모델에 대한 실험 결과, 현재 모델들은 특히 공간적 일관성 및 지속적인 상태 진화를 유지하는 장기 상호작용 목표에서 신뢰성이 부족하다는 것을 보여줍니다. 이 연구는 상호작용 기반 평가를 위한 새로운 방법론과 벤치마크를 제시하며, 관련 코드와 데이터는 GitHub에서 공개되어 있습니다.

장기 LLM 에이전트가 미래 작업을 지원하기 위해서는 과거 상호작용으로부터 정보를 보존해야 합니다. 기존의 메모리 시스템은 각 상호작용 후 LLM을 호출하여 메모리를 통합하는 이른 통합(eager consolidation) 방식을 사용하는데, 이는 대화가 길어질수록 메모리 구축 비용을 증가시키는 원인이 됩니다. 특히, 세부적인 맥락 증거를 버리거나 검색 컨텍스트를 늘리는 방식은 오버헤드를 쿼리 시간으로 이동시키는 단점이 있습니다.

이에 본 연구는 턴 단위 통합 대신 의미적 세그먼트 단위 통합을 도입한 효율적인 장기 메모리 프레임워크인 LycheeMemory V2를 제시합니다. LycheeMemory V2는 여러 교환을 세그먼트로 묶어 각 세그먼트를 컨텍스트 독립적인 타입 메모리 레코드로 인코딩함으로써 메모리 구축 비용을 절감합니다. 세그먼트 단위 배치와 의미적 경계 감지 기술을 통해 LLM 인코딩 빈도를 낮추고 일관된 이벤트 및 시간적 증거를 보존할 수 있습니다.

GPT-4.1-Mini를 사용한 실험 결과, LycheeMemory는 LoCoMo에서 89.22%, LongMemEval-S에서 92.20%의 최고 성능을 달성했습니다. 이는 기존 A-Mem과 비교했을 때, 쿼리 시간 토큰 사용량은 증가시키지 않으면서 LoCoMo에서 86.0%, LongMemEval-S에서 75.9%의 구축 토큰을 절감한 수치입니다. 이러한 결과는 장기 에이전트 메모리의 정확도와 비용 간의 균형이 보존되는 정보뿐만 아니라 통합의 세분성(granularity)에 따라 달라진다는 점을 시사합니다.

대규모 언어 모델은 개별 판단이 정확하더라도 명시적인 논리 연산자(AND, OR, NEITHER/NOR)를 사용하여 답변 옵션을 결합해야 할 때 실패하는 경향이 있습니다. 본 연구는 이러한 복합 옵션을 다루기 위해 새로운 프레임워크를 제시합니다.

이 프레임워크는 각 옵션을 원자적인 답변으로 분해하고 각 답변에 대한 대조 가설을 점수화하여 모델이 복합 옵션을 직접 보지 않도록 합니다. 이후 연산 제약 조건이 있는 정수 선형 계획법을 사용하여 보정된 점수들을 단일 예측으로 합성합니다.

연구진은 이 방법론을 LOGICAL-COMMONSENSEQA와 새로 도입된 독해 벤치마크인 LOGICAL-SATA에 대해 평가했습니다. 그 결과, 프레임워크는 인간이 검증한 LOGICAL-COMMONSENSEQA 분에서 Macro-F1 점수를 48.3에서 77.0으로, LOGICAL-SATA 분에서 47.0에서 75.6으로 향상시켰습니다.

특히 NEITHER/NOR 유형에서 가장 큰 개선을 보였으며, 이는 모델이 복잡한 논리적 구조를 더 효과적으로 처리할 수 있음을 시사합니다.

구글은 코딩과 에이전트 분야에서 가장 지능적인 작업마차 모델인 제미나이 3.7 플래시를 출시했습니다. 이 모델은 개발자 피드백과 알고리즘 혁신을 바탕으로 이전 버전인 제미나이 3.6 플래시보다 소프트웨어 엔지니어링, 지식 기반 작업, 웹 개발 워크플로우 전반에서 상당한 개선을 제공합니다.

3.7 플래시는 디버깅 및 문제 해결과 같은 코딩 작업에서 3.6 플래시보다 강력한 성능을 보이며, FrontierCode 1.1 및 DeepSWE v1.1 벤치마크에서 각각 43.6%와 65.3%의 코드 정확도를 달성했습니다. 또한, 프롬프트당 더 적은 횟수로 기능적인 레이아웃과 완성된 애플리케이션을 생성하며, UI 생성 시에는 참조 입력에 기반한 높은 디자인 준수율을 보였습니다.

금융, 법률, 생명과학과 같은 지식 집약적인 분야에서는 복잡한 문서를 처리하는 능력에서 3.6 플래시를 크게 능가하며 GDP.pdf 벤치마크에서 34.0%의 정확도를 기록했습니다. 이 모델은 실시간으로 캐릭터와 텍스처를 생성하는 등 다양한 멀티모달 작업에서도 뛰어난 성능을 발휘합니다.

개발자들은 Gemini API나 Google AI Studio를 통해 이 모델을 탐색할 수 있으며, 기업은 Gemini Enterprise Agent Platform을 통해 접근할 수 있습니다. 또한, 이 모델은 화학, 생물학, 방사능 및 핵(CBRN) 및 사이버 공격 분야의 오용에 대한 업데이트된 안전장치를 포함하고 있어 안전성과 유용성을 동시에 확보했습니다.

1981년 8월 12일은 IBM이 개인용 컴퓨터(PC)를 출시하며 x86 아키텍처의 인기를 촉발시킨 중요한 시기입니다. 이 성공은 IBM 자체의 성과뿐만 아니라, 당시의 뛰어난 키보드인 Model F/XT의 설계에 기인했다는 점이 주목됩니다. 이 글은 IBM PC와 Model F/XT 키보드의 역사적 배경과 그 기원을 탐구하며, PC 시대 이전의 컴퓨터 개발 과정과 하드웨어 디자인의 연관성을 조명합니다.

PC 등장 이전에도 IBM은 1970년대에 SCAMP 프로토타입과 5100 휴대용 컴퓨터와 같은 제품을 통해 개인용 컴퓨터의 개념을 탐구했습니다. 특히 Datamaster 시스템은 PC 개발에 중요한 영향을 미쳤는데, 1981년 7월에 출시된 Datamaster IBM 5322 시스템/23과 5324 Datamaster는 PC 개발에 필요한 하드웨어 기반을 제공했습니다.

Datamaster의 개발 과정에서 발생한 기술적 결정은 키보드 디자인에도 직접적인 영향을 미쳤습니다. 5322 Datamaster의 디자인은 토미 R. 하디(Tommy R. Hardy)의 특허를 통해 알려져 있으며, 이는 이후 IBM PC 키보드 설계에 반영되었습니다. 따라서 Model F/XT 키보드의 레이아웃과 기능은 단순히 당시의 디자인을 넘어, Datamaster 시스템과 같은 선행 하드웨어의 발전 과정에서 형성된 기술적 맥락을 이해하는 데 중요합니다.

결론적으로 Model F/XT 키보드는 IBM PC의 성공을 뒷받침한 하드웨어 발전의 연장선상에 있으며, 이는 초기 개인용 컴퓨터 시스템의 설계와 개발 과정이 최종 사용자 경험과 물리적 인터페이스에 어떻게 반영되는지를 보여주는 사례입니다.

Flutter 3.47 버전에서는 디자인 시스템을 핵심 SDK에서 분리하는 대규모 업데이트가 이루어졌습니다. material_ui와 cupertino_ui 패키지가 독립적인 단독 패키지(standalone packages)로 1.0 버전을 출시하여 개발자들이 선택적으로 도입할 수 있게 되었습니다. 이는 디자인 로드맵을 독립적으로 관리하고, 분기별 Flutter SDK 릴리스와 무관하게 디자인 라이브러리를 더 빠르고 자주 업데이트할 수 있는 기반을 마련합니다.

이러한 분리 덕분에 개발자는 전체 Flutter SDK 버전을 업그레이드하지 않고도 최신 Material 및 Cupertino 위젯 스타일을 사용할 수 있으며, 향후 스타일 중립적인 Flutter 코어 위젯 카탈로그를 구축하는 데 기여할 수 있습니다. 프로젝트를 마이그레이션하려면 dart fix 명령어를 사용하여 import 구문을 자동으로 업데이트하는 도구가 제공됩니다.

또한, 이 전환 과정에서 Material 및 Cupertino 위젯의 로컬라이제이션 관련 기능도 패키지 내부로 통합되어 flutter_localizations가 분리되었습니다. 개발자는 MaterialUiCompatibilityBridge와 같은 도구를 사용하여 레거시 SDK 임포트를 사용하는 패키지들도 새로운 독립 패키지로 즉시 마이그레이션할 수 있습니다.

이 외에도 성능 및 도구 측면에서 여러 개선이 이루어졌습니다. 데스크톱 환경에서 Impeller가 기본으로 적용되었으며, 위젯 미리보기가 안정화되었습니다. 또한 접근성 기능, 텍스트 선택 안정성, 제스처 전파 개선 등 프레임워크 전반의 안정성과 사용자 경험을 향상시키는 수정 사항들이 포함되었습니다.

알프레드 노스 화이트헤드와 버트런드 러셀의 『프린키피아 수학(Principia Mathematica)』은 1910년에 출판되었음에도 불구하고 현대 프로그래밍 언어와 논리학에 대한 통찰을 제공하는 현대적인 텍스트로 평가받습니다. 이 책은 오늘날 우리가 다루는 참조 투명성(referential transparency), 외연성(extensionality), 타입(type)과 같은 개념들을 최초로 언급하며, 프로그래밍의 근본적인 원리를 선구적으로 다루고 있습니다.

책은 람다 계산(lambda-calculus)의 선구적인 개념을 포함하고 있으며, 변수의 바인딩과 치환, 추상화, 적용 등의 개념이 언어학에서 비롯된다는 점을 통찰합니다. 특히 수학의 기초적인 개념들이 전체 수학을 설명하기에 충분하다는 점을 강조하며, 증명을 극도로 상세하게 제시함으로써 불필요한 전제를 배제하려는 노력을 보여줍니다.

또한 이 책은 함수를 이항 관계의 한 형태로 정의하는 기술적 함수(descriptive functions) 개념을 도입했는데, 이는 현대 프로그래밍에서 함수와 데이터 구조를 이해하는 방식에 중요한 영향을 미쳤습니다. 이처럼 고전적인 수학적 논의가 현대 컴퓨터 과학의 핵심 개념들을 예측하고 담고 있다는 점은 개발자에게 깊은 통찰을 제공합니다.

Zephyr Cloud Inc.의 강동윤이 개발을 리드한 AI 코딩 에이전트 Labor0이 출시되었습니다. 이 에이전트는 작업들을 의존성 그래프로 조율하여 실제 프로젝트 단위의 복잡한 작업을 수행할 수 있도록 설계되었습니다.

기존의 Codex, Claude Code, OpenCode와 같은 코딩 에이전트들은 개별적인 작업 수행 능력은 뛰어나지만, 실제 프로젝트는 단일 작업으로 끝나지 않는다는 한계가 있었습니다. 즉, 여러 단계의 복잡한 의존성을 가진 프로젝트 전체를 관리하고 진행하는 데 어려움이 있었습니다.

Labor0는 이러한 한계를 극복하기 위해 작업 간의 복잡한 의존성을 그래프 형태로 분석하고 조율함으로써, 단일 작업이 아닌 전체 프로젝트 흐름을 관리하는 데 중점을 둡니다. 이는 개발자들이 실제 프로젝트 환경에서 AI 에이전트를 활용할 때 더 큰 규모의 작업을 효율적으로 처리할 수 있게 하는 데 중요한 의미를 가집니다.

브라우저 기반의 SysEx 라이브러리 및 빈티지 신시사이저 클라우드 백업 도구인 bipluk이 출시되어 80년대와 90년대 하드웨어 신시사이저의 패치 관리를 혁신하고 있습니다. 이 도구는 Yamaha DX7, Roland Juno-106, Korg M1 등 80개 이상의 하드웨어 신시사이저에 대한 SysEx 파일을 안전하게 백업, 정리, 검색할 수 있게 하며, 기존의 복잡한 드라이버 설치나 레거시 데스크톱 유틸리티의 필요성을 완전히 제거합니다.

bipluk은 Web MIDI API를 활용하여 브라우저 내에서 직접 작동하며, 하드웨어의 메모리 레지스터에서 패치 이름을 실시간으로 추출하고 MIDI 연결을 통해 데이터를 읽어냅니다. 이는 내부 메모리 배터리가 소진되어 데이터가 손실될 위험에 처한 빈티지 장비의 소중한 사운드와 커스텀 패치 엔지니어링을 영구적으로 보호하는 것을 목표로 합니다.

이 시스템은 SysEx 데이터를 바이트 단위로 정확하게 기록하여 소닉 소울을 보존하며, 256비트 SSL 암호화를 통해 모든 백업을 안전하게 보관합니다. 사용자는 별도의 구독료나 광고 없이 일회성 비용으로 라이프타임 액세스를 제공받으며, .syx, .zip, .csv 형식으로 백업 파일을 언제든지 다운로드할 수 있습니다.

bipluk은 로컬 드라이버 설치 없이 브라우저 내에서 모든 작업을 처리함으로써 전자 폐기물을 줄이고 장비의 수명을 연장하는 지속 가능한 디지털 인프라 구축에 기여합니다. 이는 독립 개발자들이 만든 도구로서, 수십 년 된 하드웨어의 디지털 유산을 보호하고 접근성을 극대화하는 데 중점을 두고 있습니다.

워싱턴주의 한 건강한 유아가 갑작스럽게 심각한 질병에 걸려 비극적인 사망에 이르렀습니다. 이 아이는 구토, 무기력, 오른쪽 신체 부위의 약화로 시작하여 두통, 발열, 삼킴 장애로 진행되었으며, 심지어 일시적으로 의식을 잃고 호흡을 멈추는 증상까지 보였습니다. 의사들은 아이를 병원에 입원시켰으나 상태는 악화되었습니다.

이 아이는 뇌를 파괴하는 것으로 알려진 극히 희귀한 아메바에 감염된 것으로 밝혀졌습니다. 이 병원균은 1986년에 산디에이고 동물원의 원숭이 뇌에서 처음 발견되었으며, 현재까지 전 세계적으로 기록된 인간 사례는 약 200건에 불과하고 그중 90%가 치명적입니다.

이러한 아메바 감염은 초기 증상이 모호하고 희귀한 질병 특성상 진단이나 오진이 매우 흔하게 발생합니다. 비록 제한적인 의학 문헌에서 몇 가지 징후가 제시되지만, 실제 환자의 증상은 다르게 나타나 의사들이 잘못된 진단 경로를 밟는 경우가 발생했습니다.

따라서 희귀하고 증상이 불분명한 감염병의 경우, 초기 증상의 미묘한 차이를 포착하는 것이 정확한 진단에 결정적인 단서가 될 수 있음을 시사합니다.

Anthropic이 Claude 모델의 출력물에 눈에 보이지 않는 코드를 삽입하여 AI 생성임을 표시하는 새로운 워터마킹 시스템을 도입했습니다. 이는 유럽연합 AI법의 투명성 코드 요구사항을 충족하기 위해 기술 회사들이 AI 생성 또는 편집된 콘텐츠를 식별 가능하도록 표시하도록 하는 조치입니다.

하지만 이 새로운 정책에 대해 일부 사용자들은 불만을 표출하고 있습니다. 일부 사용자는 이 워터마킹 시스템이 무고한 사용자들을 희생시키려는 가혹한 음모라고 주장하며 분노를 표했습니다. 이들은 Claude를 사용하여 문단을 재구성하거나 긴 녹취록을 요약하는 등 작업을 수행한 사용자가 AI 사용으로 인해 불이익을 받는다고 지적합니다.

반면 다른 사용자들은 워터마킹 시스템을 알고리즘에 의해 생성된 자료를 추적하는 합리적인 방법으로 지지합니다. 일부 비평가들은 다른 사람의 작업을 끌어들여 생성된 결과물을 워터마킹하는 것에 대한 위선이 있다고 비판하며 이 정책의 윤리적 측면에 대해 논쟁을 이어가고 있습니다.

AI 원자력 기업인 Fermi가 새로운 최고경영자(CEO)를 임명했습니다. 이는 공동 창업자 토비 노이게바우어와 최고재무책임자 마일스 에버슨을 해고한 지 불과 세 달 만에 이루어진 결정입니다.

Fermi는 이사회 독립 멤버인 리 맥킨타이어를 신임 CEO로 선임했는데, 그는 CH2M Hill과 테라파워에서 최고 경영자직을 역임한 경력이 있습니다. 이사회는 맥킨타이어가 Fermi의 다음 단계인 건설 및 전력 공급 스토리를 이끌기에 이상적인 인물이라고 평가했습니다.

Fermi는 텍사스주 아마롤리에 데이터 센터에 전력을 공급하기 위해 원자력 발전소를 사용하는 AI 캠퍼스인 프로젝트 마다도르(Project Matador)를 개발하고 있습니다. 이러한 리더십 변화와 함께 월요일에 체결된 첫 고객 리스 계약 소식은 Fermi의 주가를 약 23% 상승시키는 데 기여했습니다.

AI 기업들이 유용한 모델을 만들기 위해 저작권이 있는 자료를 피하기 위해 웹에서 대량의 데이터를 수집하는 행위가 법적 소송과 기술적 해결책을 촉발하고 있습니다. 이러한 AI 스크래핑 행위를 막기 위해 디자이너들이 새로운 폰트를 개발하여 웹페이지를 보호하는 방안을 제시했습니다.

ShieldFont는 웹 게시자들에게 무단 AI 학습으로부터의 실질적인 선택권을 제공하고, 선택이 무시될 때 수집되는 데이터를 방해하기 위해 고안되었습니다. 이 폰트는 사용자에게는 완벽하게 읽을 수 있는 웹페이지를 제공하는 동시에, 스크래퍼에게는 HTML 내부에 미묘하게 편집된 무의미한 버전을 제공합니다.

이 폰트는 글꼴의 리가처(ligatures) 기능을 기반으로 작동하는데, 이는 일반적으로 글자 쌍을 더 읽기 쉬운 버전으로 대체하는 데 사용됩니다. ShieldFont는 이 리가처 기능을 사용하여 단어 전체를 다른 단어로 대체함으로써 스크래퍼가 다운로드하는 텍스트의 가치를 파괴합니다. 이 변형은 폰트 엔진이 화면에 페이지를 그릴 때만 발생하므로, 일반적인 텍스트 소스 코드를 다운로드하는 스크래퍼는 변경되지 않은 원본을 얻게 됩니다.

동기 부여는 종종 추상적이고 어려운 문제이지만, 실제 목표 달성을 위해서는 과정을 설정하는 것이 더 효과적입니다. 저자는 개인적인 경험을 통해 선택의 순간에 특정 경로를 고집하는 행위가 실제 이득이 없더라도 결정의 부담을 줄여준다는 점을 지적합니다. 이는 단순히 더 빠른 길을 선택하는 것이 아니라, 결정을 내리는 과정 자체를 제거하여 목표에 집중할 수 있게 만드는 것입니다.

이러한 원리는 일상생활의 다른 예시에서도 적용됩니다. 예를 들어, 출퇴근 시간을 무작정 흘려보내는 대신 매번 개인 노트북을 가져와 시간을 생산적으로 활용하는 과정을 통해 목표를 달성합니다. 이러한 과정은 목표 자체만으로는 달성하기 어려운 추상적인 성향이나 동기 부여를 구체적인 행동으로 전환시켜 줍니다.

소프트웨어 개발팀에서 애자일(Agile)이나 스크럼(Scrum)과 같은 프로세스를 따르는 것 역시 이러한 원리를 보여줍니다. 스프린트나 스탠드업 미팅 같은 규칙들은 목표를 달성하기 위해 팀이 끊임없이 일정에 대해 논쟁하는 대신 시스템에 의존하게 하여 예측 가능성과 효율성을 높입니다.

결론적으로, 거창한 목표를 달성하기 위해서는 동기 부여를 찾고 행동하기보다, 목표를 달성하도록 강제하는 프로세스를 구축하는 것이 중요합니다. 삶의 목표를 설정할 때 시간당 쓰기, 매일 자동 이체 설정 등 구체적인 행동 규칙을 만들어 추상적인 동기 부여의 부담을 줄이고 실질적인 변화를 이끌어낼 수 있습니다.

AI 기반 소프트웨어 개발을 간소화하는 오픈 소스 도구인 LiteLLM을 통해 대규모 공급망 공격이 발생하여 테라바이트에 달하는 자격 증명이 유출되었습니다. 이 유출된 자격 증명 중에는 마이크로소프트, 아마존, 시스코, 삼성, 세일즈포스 등 세계에서 가장 크고 민감한 조직들의 정보가 포함되어 있습니다.

보안 전문가들은 이 공격을 통해 공격자들이 2,500개 이상의 조직에 접근할 수 있는 클라우드 키, 리포지토리 토큰, SSH 키, 쿠버네티스 비밀 정보, 패키지 게시 자격 증명, 환경 변수, AI 제공자 키 등 광범위한 민감한 정보를 확보했다고 밝혔습니다.

이러한 자격 증명은 공격자들이 마르월에 다운로드된 악성 LiteLLM 버전을 사용하던 40분 동안 추출되었으며, 이는 파이썬 패키지 인덱스 저장소에서 유출된 취약점을 이용한 것입니다. 보안 회사인 CloudSEK와 Hudson Rock은 195테라바이트에 달하는 파일을 분석하여 이 유출 사실을 발견했지만, 정보의 출처는 밝혀지지 않았습니다.

구글의 Made by Google 키노트가 임박했으며, 이번 행사를 통해 새로 발표된 픽셀 하드웨어를 공개할 예정입니다. 지난 해와 마찬가지로 이번 라이브 쇼는 유명인들이 참여하는 모습으로 진행되지만, 진행자는 지미 팰런 대신 트레버 노아가 맡게 됩니다.

이번 발표는 새로운 픽셀 하드웨어에 초점을 맞추고 있으며, 이미 출시된 픽셀 11 시리즈의 하드웨어 및 소프트웨어에 대한 광범위한 체험 후기가 공개되어 있습니다. 개발자와 크리에이터들은 새로운 하드웨어와 카메라 기능에 대한 심층적인 인상을 발표했으며, 픽셀 워치 5와 구글 제미나이 웨어러블 기기 등 관련 제품들에 대한 정보도 함께 다루고 있습니다.

사용자들은 이미 픽셀 11 휴대폰의 하드웨어와 소프트웨어에 대한 상세한 리뷰를 접했으며, 새로운 카메라 기능과 픽셀 워치 5에 대한 체험 정보를 통해 구글의 최신 기술 동향을 파악할 수 있습니다. 따라서 이번 키노트에서는 새로운 하드웨어의 세부 사항과 함께 구글의 AI 및 웨어러블 기술 발전 방향에 대한 구체적인 정보를 기대할 수 있습니다.

8BitDo의 레트로 기계식 키보드와 듀얼 슈퍼 버튼 세트가 현재 69.99달러에 할인 판매 중입니다. 이 제품은 닌텐도 NES 컨트롤러를 모티브로 한 디자인과 블록 형태의 레트로 레전드를 특징으로 하며, 가장 낮은 번들 가격 중 하나로 판매되고 있습니다.

이 키보드는 외관 디자인 외에도 내부 사양이 현대적이며 다양한 연결 방식을 지원합니다. 블루투스, 2.4GHz 무선 연결, USB 유선 연결을 지원하며 윈도우와 안드로이드 모두에서 호환됩니다. 키보드 내부에는 클릭감을 제공하는 화이트 Kailh Box 스위치가 장착되어 있으며, 빠른 제어를 위한 볼륨 노브와 기능 키가 포함되어 있습니다.

추가로 제공되는 듀얼 슈퍼 버튼은 별도의 소프트웨어 없이도 복사 붙여넣기나 미디어 단축키와 같은 기능을 프로그래밍할 수 있게 해줍니다. 이 버튼들은 최대 네 개까지 하나의 키보드에 연결할 수 있어 사용자에게 편리한 접근성을 제공합니다.

베이징 분광계 III(BES III) 실험을 통해 물리학자들이 글루볼(glueballs)의 존재에 대한 설득력 있는 새로운 증거를 발견했습니다. 글루볼은 양자 이론에 의해 예측된, 순전히 글루온으로 이루어진 복합 입자로, 자연계에 존재할 수 있다는 증거가 제시된 것입니다.

이 발견은 양자 색역학, 즉 강한 핵력 이론의 직접적인 예측이며, 표준 모형의 일부로서 글루볼이 존재해야 한다는 이론적 기대를 뒷받침합니다. 지금까지 입자 물리학에서 글루볼의 존재 여부는 해결되지 않은 질문 중 하나였으며, 이는 표준 모형이 옳다면 반드시 존재해야 합니다.

이 결과는 지난달 arXiv에 프리프린트로 게시되었고 지난주 국제고에너지물리학회의(ICHEP)에서 발표되었습니다. 이는 강한 핵력을 매개하는 글루온의 특성을 연구하는 데 중요한 진전을 의미하며, 입자 물리학의 근본적인 이해를 확장하는 데 기여할 것으로 기대됩니다.