읽을 가치가 있는 기사만, 짧고 또렷하게.

안전한 오프라인 강화 학습(Offline RL)은 일반적으로 각 스텝별 비용 주석이 존재한다고 가정하지만, 실제 환경에서는 감독자가 안전하지 않은 전환이 발생했을 때만 이진 신호를 제공하는 경로 수준의 중지 피드백만을 제공합니다. 이 연구는 이러한 희소한 피드백을 시간적 보상 할당 문제로 재구성하고, 반분 기반 비용 추론(Redistribution-based Cost Inference, RCI) 프레임워크를 제안합니다.

RCI는 반환 분해(return decomposition)를 통해 희소한 중지 피드백을 밀도 높은 각 스텝 비용으로 변환하고, 이를 통해 증강된 데이터셋에서 제약된 오프라인 정책을 학습시킵니다. 이론적으로 반환 동등한 재분배는 CMDP(제약 마르코프 결정 과정)에서 실행 가능한 정책 집합과 최적의 라그랑지안을 보존하여 변환이 손실이 없음을 입증합니다.

실제 실험 결과는 이러한 접근 방식이 이론적으로 손실이 없으면서도 실제로는 더 잘 조건화된 비용 비평가 학습을 가능하게 함을 보여줍니다. 고속도로 주행 및 로봇 조작 실험에서 희소한 방식이나 분류기 기반 기준선보다 현저히 낮은 위반율을 달성했으며, 이 과정에서 이질적인 데이터 구성과 레이블 노이즈에 대한 강건성을 입증했습니다.

AI 안전에 대한 우려가 커지면서 세 명의 AI 선구자가 개방성을 주장하며 논쟁을 벌였습니다. 이는 지오프리 힌튼, 페이-페이 리, 앤드류 응과 같은 세계적인 AI 전문가들이 규제, 오픈소스 접근, 그리고 중국의 발전 속에서 미국이 경쟁할 방안에 대해 논의한 내용입니다. 이들은 소수의 주요 AI 기업이 발전 속도를 통제하는 것을 경계하며, AI가 모두에게 열려야 한다는 강력한 주장을 펼쳤습니다.

이 논쟁의 핵심은 오픈 웨이트 모델의 역할에 대한 견해 차이였습니다. 힌튼은 코드 공개를 통한 오픈소스와 달리, 오픈 웨이트 모델은 모델의 파라미터를 공개하는 것이며, 이는 비용 효율성 때문에 악용될 위험이 있다고 우려했습니다. 하지만 힌튼은 이미 오픈 웨이트 모델이 AI의 영구적인 특징이 되었으므로 접근 장벽이 사라졌다고 인정했습니다.

앤드류 응은 오픈 모델의 위험성보다는 시장에서의 경쟁과 접근 통제에 초점을 맞추었습니다. 그는 중국의 비용 효율적인 모델이 전 세계에 확산될 경우 민주주의와 인권에 대한 아이디어를 어떻게 형성할지 우려하며, 미국이 오픈소스 AI 경쟁에서 뒤처지지 않도록 해야 한다고 강조했습니다.

결론적으로 전문가들은 AI를 인류에게 도움이 되는 방향으로 발전시키기 위해 규제가 필요하다는 데 동의했습니다. 그들은 AI의 잠재적 위험을 관리하고, 기술이 사람들을 돕는 방향으로 나아가도록 규제가 필수적이라고 보았습니다.

시스템의 동적 마스터 논리(DML)는 기능적 목표와 근본적인 구조적 요소들을 연결하여 시스템의 동작을 계층적으로 표현하는 프레임워크를 제공합니다. 그러나 DML 구축은 일반적으로 기술 문서에 대한 전문가의 해석에 의존하기 때문에 복잡한 시스템에 대한 확장성이 제한됩니다. 본 연구는 검색 증강 생성(RAG)과 대규모 언어 모델(LLM)을 활용하여 시스템 설명으로부터 DML 모델을 자동 구축하고 이를 지식 그래프(KG-DML)로 표현하는 프레임워크를 제시합니다.

이 프레임워크는 기존의 소규모 시스템 연구를 기반으로 하여 자동화된 KG-DML 구축 및 평가를 훨씬 더 크고 복잡한 시스템으로 확장합니다. 모델 구축 과정은 기능적 종속성과 명시적인 논리 관계를 보존하면서 표적 검색을 통해 DML 계층 전체에서 진행됩니다. 그 결과로 생성된 KG-DML은 진단 추론, 안전성 평가, 상향 실패 전파, 하향 종속성 추적을 지원합니다.

다중 수준 검증 방법론을 통해 각 계층별 정밀도와 재현율, 논리 게이트 일관성, 그리고 전체 구조적 무결성을 평가합니다. 실제 적용 사례로, 사용 중단된 원전의 저압 냉각재 주입 시스템에 적용했을 때 반복적인 실행에서 일관된 재구성이 입증되었습니다.

이러한 자동화된 KG-DML 구축은 기술 문서를 진단 및 신뢰성 분석을 위한 실행 가능한 기능 모델로 변환할 수 있음을 보여줍니다. 이는 복잡한 시스템의 기술 문서를 분석하고 신뢰성을 평가하는 데 있어 새로운 접근 방식을 제공합니다.

구글이 차세대 픽셀 스마트폰과 워치를 공식 발표하며 사전 주문을 시작했습니다. 기본 픽셀 11은 899달러부터 시작하며, 프로 모델은 1,099달러, 프로 XL 모델은 1,299달러에 가격이 책정되었습니다. 특히 폴더블 모델인 프로 폴드는 1,899달러부터 시작하여 다양한 사용자층을 위한 가격대를 제시했습니다.

스마트워치 역시 41mm 모델이 399달러, 45mm 모델이 429달러부터 시작하며 두 가지 크기로 제공됩니다. 이러한 가격 정보는 사용자가 자신의 예산과 원하는 기능에 맞춰 어떤 기기를 선택할지 결정하는 데 중요한 기준이 됩니다.

현재 이 모든 기기들은 사전 주문이 가능하며, 제품은 2026년 8월 20일에 배송될 예정입니다. 사용자는 베스트 바이, 아마존, 구글 스토어 등 여러 채널을 통해 잠금 해제된(unlocked) 폰을 포함한 기기를 주문할 수 있습니다.

본 논문은 비전문가도 인간의 선호도에 부합하는 보상 함수를 구체화하고 반복적으로 개선할 수 있는 형식적인 프로세스를 제시합니다. 이 프로세스는 자연어로 설명된 과제를 입력받아 세 단계에 걸쳐 선형 보상 함수를 도출합니다. 첫째, 과제의 목표를 근본적인 목표로 압축하고 이를 포착하는 측정 가능한 결과 변수를 도출합니다. 둘째, 결과 변수들 중 인과적으로 대표성이 있는 부분 집합을 보상 항으로 선택합니다. 마지막으로 선호도 질의를 통해 해당 보상 항에 대한 가중치를 적합시킵니다.

이 연구는 보상 함수 설계에 있어 첫 번째 단계인 결과 변수를 도출하는 안내 워크플로우를 설명하며, 후속 두 단계의 수학적 정리를 형식화합니다. 특히 보상 항 선택 과정을 최소 비용 부분 덮개 문제로 환원하여 최대 흐름(max-flow)을 통해 다항 시간 내에 해결할 수 있음을 보였습니다.

가장 중요한 기여는 보상 항 가중치 적합을 볼록한 실현 가능성 문제로 형식화하고 선호도 질의를 통해 반복적으로 좁힐 수 있다는 점입니다. 이는 결정론적으로 충돌 없는 실현 가능한 가중치 영역을 유지하는 최초의 보상 설계 방법론입니다. 이 방법은 분리 오라클(separation oracle)을 사용하여 $O(n \log \kappa)$ 번의 선호도 질의만으로 원하는 허용 오차 범위 내에서 가중치를 좁힐 수 있음을 입증합니다.

클래스 활성화 맵(CAM)은 설명 가능한 인공지능 분야에서 가장 널리 사용되는 시각적 설명 방법 중 하나입니다. 이 방법은 모델의 내부 증거를 히트맵으로 변환하여 특정 클래스나 개념을 뒷받침하는 이미지 영역, 컨볼루션 채널, 토큰 또는 패치를 강조하는 것을 목적으로 합니다. 2016년 최초의 CAM 공식화 이후, 이 분야는 단순한 전역 평균 풀링 CNN 분류기를 훨씬 넘어 발전해 왔습니다.

현재 CAM 스타일 방법론은 경사 기반 사후 설명, 경사 없는 점수 및 절제 방법, 고해상도 업스케일링, 약지도 분할, 트랜스포머 토큰 귀인, 인과 및 디바이어싱 방법, 그리고 CLIP, DINO, SAM과 같은 파운데이션 모델을 사용하는 접근 방식으로 확장되었습니다. 이 리뷰는 2016년 이후 발표된 57편의 방법론 중심 논문을 종합하여 이러한 방법들을 분류하고 분석합니다.

분석 결과, 연구 분야의 주요 추세는 저해상도 CNN 레이어에서 단일 클래스 점수를 설명하는 방식에서 벗어나 비교적, 다중 레이어, 확률적, 토큰 인식적, 그리고 파운데이션 모델 인식적 설명으로 이동하고 있다는 점입니다. 하지만 방법론들이 각기 다른 평가 프로토콜을 사용하여 신뢰성, 국소화, 견고성, 계산 비용, 인간 신뢰도 등을 측정하기 때문에 평가 기준은 여전히 파편화되어 있습니다.

따라서 이 리뷰는 각 방법이 기여하는 바뿐만 아니라, 각 방법이 남기는 간극과 후속 방법들이 그 간극을 어떻게 메우려 하는지에 중점을 둡니다. 이는 시각적 설명 방법론의 발전 방향과 현재 연구의 한계를 이해하는 데 중요한 맥락을 제공합니다.

OpenAI의 지원을 받는 Thrive Holdings가 엔터프라이즈에 AI를 도입하기 위해 20억 달러의 신규 자금을 조달하며 120억 달러의 기업 가치를 기록했습니다. 이 회사는 회계법인과 같은 전통적인 비즈니스를 인수하여 AI를 워크플로우에 통합하는 사모펀드 역할을 하며, 소프트뱅크, D1 Capital Partners, Altimeter Capital 등으로부터 투자받았습니다.

Thrive는 현재 회계 부문과 정보 기술 부문을 중심으로 AI를 구현해 왔으며, 특히 회계 부문에서는 TaxAI를 통해 98%의 정확도로 세금 신고를 처리하여 참여 기업의 세무 준비 시간을 30% 이상 단축하는 성과를 보였습니다. 또한 정보 기술 부문에서는 AI 제품을 통해 헬프 데스크 해결 시간을 36배 단축하는 등 실질적인 성과를 입증했습니다.

이번 자금 조달을 통해 Thrive는 물리적 자산에 초점을 맞춘 새로운 부문을 확장할 계획입니다. 이는 데이터 센터, 제조, 의료 등 물리적 인프라 전반에 걸쳐 발생하는 규제 및 운영의 복잡성을 AI가 해결하는 데 중점을 둡니다. Thrive는 AI가 현장 작업이나 전문가의 판단을 대체하는 것이 아니라, 규제 병목 현상을 완화하고 안전 기준을 유지하며 물리적 자산 개발을 더 효율적이고 빠르게 진행하도록 돕는 역할을 할 수 있다고 강조합니다.

최신 블랙박스 이미지-투-비디오(I2V) 모델은 자동화된 콘텐츠 생성에 강력한 능력을 제공하지만, 세밀한 제어와 신뢰성의 부족으로 전문 워크플로우에서 심각한 문제를 야기합니다. 모델의 내재된 확률적 특성 때문에 텍스트 프롬프트나 하이퍼파라미터의 작은 변화가 완전히 다른 결과를 초래하여 비효율적인 시행착오 과정을 필요로 합니다.

이러한 한계를 극복하기 위해 본 연구는 비디오 합성을 폐쇄 루프의 목표 지향적 최적화로 재구성하는 «에이전트 자기 개선(Agentic Self-Improvement)» 프레임워크를 제안합니다. 이 프레임워크는 새로운 두 단계 접근 방식을 사용하여 생성 매개변수 공간을 체계적으로 탐색합니다. 첫 번째 단계에서는 멀티모달 대규모 언어 모델(mLLM)을 사용하여 입력 프롬프트를 개선하는 반복적인 프롬프트 최적화 루프를 실행합니다. 이 과정에서 Davidsonian Scene Graph(DSG) 쿼리를 통해 의미적 일관성을 확인하고 Common Mistake Questions(CMQ)을 통해 아티팩트(결함)를 탐지하는 자동 평가를 수행합니다.

두 번째 단계에서는 베이지안 최적화를 사용하여 확률적 시드와 CFG 스케일을 효율적으로 공동 최적화합니다. 이 탐색은 DSG와 CMQ 평가에서 파생된 새로운 비디오-텍스트 일관성(VTA) 점수를 포함한 품질 지표에 의해 안내됩니다. 이 프레임워크는 기존의 무방향 탐색 방법보다 월등한 성능을 보였으며, 인간 선호도 연구에서 생성된 비디오는 최대 69%의 승률로 기준 출력보다 강력하게 선호되었습니다.

이 연구는 최첨단 비디오 생성 모델의 예측 가능성과 제어력을 향상시키는 실용적이고 확장 가능한 방법론을 제공하여, 이 분야를 추측에 기반한 호기심에서 신뢰할 수 있는 생산 준비가 된 도구로 발전시키는 데 기여합니다.

트위치 사용자들이 이제 자신의 콘텐츠가 아마존의 생성형 AI 모델 훈련에 사용되는 것을 거부할 수 있게 되었습니다. 이 옵트아웃을 선택하면 사용자의 스트림, VOD, 클립, 스트림 채팅, 채널의 사진 및 텍스트가 텍스트, 오디오, 이미지 또는 비디오를 생성하거나 합성하는 목적으로 설계된 아마존 AI 모델의 향후 훈련에 사용되지 않습니다.

이 변경 사항은 사용자가 자신의 콘텐츠가 AI 학습에 사용되는 것을 통제할 수 있는 권한을 부여한다는 점에서 중요합니다. 다만, 생성형 AI 훈련에서 제외하더라도 자막이나 안전 도구와 같은 다른 AI 지원 기능들은 여전히 정상적으로 작동합니다.

하지만 채팅 관련 데이터 사용에는 예외가 있습니다. 다른 사람의 스트림 채팅에 참여하는 경우, 해당 채팅이 훈련에 사용될 수 있는지 여부는 스트리머의 옵트아웃 설정에 따라 결정됩니다. 따라서 사용자는 타인의 콘텐츠에 참여할 때에도 데이터 사용에 대한 명확한 기준을 이해해야 합니다.

거대 언어 모델을 활용하여 금융 뉴스에서 더 풍부한 신호를 추출하고 이를 포트폴리오 구성에 통합하는 연구가 진행되었습니다. 연구진은 모델 예측 위험을 알레아토릭(aleatoric) 및 인식론적(epistemic) 구성 요소로 분해하여 이를 포트폴리오 할로케이터의 공분산 행렬에 직접 반영하는 불확실성 인식 구축 방식을 제안했습니다.

이 방법론을 바탕으로 연구는 러셀 2000 주식에 대해 세 가지 종목 선택 체제, 즉 거시 지표가 설명하지 못하는 비정상적인 주가 움직임을 분리하는 순수 알파 트리거, 주가 움직임 이전에 거시 지표 변화를 포착하는 순수 베타 트리거, 그리고 두 채널이 일치하는 베타 트리거를 평가했습니다. 전체 보유 기간에 걸쳐 순수 알파와 순수 베타 채널이 베타 교차점에서 샤프 비율과 수익률을 지배하는 것으로 나타났습니다.

두 가지 시간 지평이 특히 유용하게 사용되었는데, 하루 지평에서는 순수 베타가 유동적인 거시 및 섹터 지표의 즉각적인 선행-후행 스필오버를 포착하여 낮은 거래 비용 하에서 작동하지만, 변동성과 미세 구조 노이즈가 지배적일 때는 이 이점이 사라집니다. 반면 40일 지평에서는 더 느린 거시 재평가가 개별 기업 특유의 순수 알파 채널을 능가하는 것으로 나타났습니다.

가장 강력한 보수적인 결과는 GPT-4o mini 감성, 학생 t 목표, 40일 보유 기간, 위험 평등 할당을 결합한 순수 베타에서 나타났으며, 이는 100 베이시스에서 샤프 비율 2.33을 달성했습니다. 이 결과는 종목 선택 체제와 할당자 선택이 감성 모델만큼이나 중요하며, 개별 기업 노출과 거시 노출 트리거를 분리하는 것이 두 채널이 동시에 작동하도록 요구하는 것보다 더 유익하다는 것을 시사합니다.

엔터프라이즈 환경에서 에이전트는 구조화된 API와 문서 컬렉션을 넘나들며 추론해야 하지만, 기존 벤치마크들은 이러한 능력을 개별적으로 평가하는 데 그쳤습니다. 이에 연구진은 API 및 지식 검색 에이전트를 평가하기 위한 VAKRA(Evaluating API and Knowledge Retrieval Agents)라는 새로운 벤치마크를 소개합니다.

VAKRA는 62개 도메인에 걸쳐 8,000개 이상의 실행 가능한 API를 포함하며, 난이도가 점진적으로 증가하는 세 가지 설정의 과제를 다룹니다. 이 과제들은 다양한 API 상호작용 스타일, 구조화된 API에 대한 멀티홉 추론, 그리고 자연어 도구 사용 정책 제약 조건이 있는 멀티소스 추론을 포함합니다. 정확성은 예측된 도구 호출을 실제 API에 재실행하여 여러 유효한 경로를 수용함으로써 검증됩니다.

모델의 능력을 에이전트 아키텍처로부터 분리하기 위해 고정된 ReAct 하네스를 사용하여 평가한 결과, 최고 성능의 모델조차도 단일 홉 엔드포인트 스타일 작업에서 70.4%만을 달성하며, 조합형 API에서는 50~51%로 성능이 하락합니다. 추론 깊이가 증가함에 따라 성능은 50% 이상 저하되며, 정책 제약이 있는 질문은 심각한 실패(답변 불가능한 쿼리에 대해 2.4% 수준)를 노출합니다.

추적 분석 결과, 실패는 도구 호출 메커니즘보다는 엔티티 모호성 해소나 교차 소스 접지 등 언어 매개 추론에서 집중됨을 보여줍니다. 이 연구는 에이전트의 성능을 평가할 때 추론 과정의 세부적인 언어적 추론 단계에 초점을 맞출 필요가 있음을 시사합니다.

Uber Freight의 물류 자회사에서 해킹 및 갈취 그룹이 데이터 유출을 주장하며 조사 중이라는 보도가 나왔습니다. 이 해킹 그룹은 운송 회사, 금융 대기업, 사모펀드 등을 대상으로 활동하며, Uber Freight의 이메일, 클라우드 저장소, 지급 및 배차 관련 문서를 탈취했다고 주장했습니다. 일부 유출된 파일은 Uber Freight와 고객 간의 이메일 통신 내용으로 보이며, 이는 데이터 보안에 심각한 영향을 미칠 수 있습니다.

Uber Freight 측은 이 사건이 비즈니스 운영에 영향을 미치지 않았으며 시스템이 정상적으로 작동하고 있다고 밝혔습니다. 하지만 이 해킹 그룹은 음성 피싱과 같은 사회 공학적 기법을 사용하여 직원들의 비밀번호를 변경하도록 유도하는 방식으로 접근하는 것으로 알려져 있습니다. 이는 시스템 접근 권한을 획득하는 데 매우 효과적인 방법으로 보안 전문가들이 경고하고 있습니다.

구글은 이 해킹 그룹을 UNC6671로 추적하고 있으며, 이 그룹이 2026년 1월부터 5월 사이에 최소 1,060만 달러의 몸값 지불을 했다는 분석을 제시했습니다. 이러한 사건은 운송 및 금융 분야 기업들이 사이버 공격에 취약하다는 점을 보여주며, 기업들은 클라우드 환경과 내부 시스템에 대한 접근 통제 및 사회 공학적 방어 체계를 강화해야 할 필요가 있습니다.

JCB가 수소 동력 차량으로 새로운 육상 속도 기록을 세웠습니다. 영국 기반의 JCB는 2026년 8월, 수소 동력 차량을 위해 개발한 하이드로맥스(Hydromax)를 통해 유타주 본네빌 소금평원에서 406mph의 기록을 달성했습니다.

JCB는 건설 및 농업 장비 제조사로서 탄소 배출 규제에 대응하기 위해 디젤 엔진을 대체할 수 있는 대안을 모색하고 있습니다. 초기에는 연료 전지 기술을 고려했으나, 현장 환경에서 너무 비싸고 취약하다는 판단을 내렸습니다. 이에 따라 2020년부터 자체적인 수소 연소 엔진 개발에 착수했습니다.

수소 연소 엔진을 적용한 사례들은 있었으나 효율성 문제에 대한 해결이 필요했습니다. 예를 들어 BMW는 수소 엔진을 사용했으나 가솔린 대비 60%의 출력과 5배의 연료 소비를 보였습니다. 따라서 토요타는 수소 엔진을 실험하는 과정에서 터보차저를 활용하여 수소의 낮은 에너지 밀도를 보완하는 방식을 적용했습니다.

YC에 소속된 Reflex가 성장 및 GTM(Go-to-Market) 역할을 채용하고 있습니다. 이 포지션은 회사의 전체 시장 진출 전략과 실행을 책임지며, 제품 사용 신호와 커뮤니티 참여를 실제 파이프라인으로 전환하는 시스템을 구축하는 데 중점을 둡니다.

Reflex는 엔터프라이즈 애플리케이션 구축을 위한 운영체제 역할을 하며, 분산된 엔터프라이즈 스택의 복잡성을 해결하고 개발자들이 앱의 전체 라이프사이클을 소유할 수 있도록 돕는 것을 목표로 합니다. 현재 Reflex는 이미 100만 개 이상의 애플리케이션을 구축했으며 28,000개 이상의 GitHub 스타를 확보하고 포춘 500 기업의 30%가 내부 도구로 사용하고 있는 강력한 제품-시장 신호를 보유하고 있습니다.

따라서 회사는 이러한 강력한 제품 기반을 바탕으로 공식화된 GTM 엔진을 구축할 인재를 찾고 있으며, CRM, 리드 스코어링, 아웃바운드 등 성장 시스템을 설계하고 실행할 수 있는 경험을 요구합니다. 지원자는 소프트웨어 엔지니어링 또는 데이터 과학 배경을 갖추고, 개발자 대상 또는 오픈소스 제품의 GTM 경험을 보유하며 전략과 실행을 모두 능숙하게 수행할 수 있어야 합니다.

이 역할은 단순히 제품을 개발하는 것을 넘어, 제품과 커뮤니티의 모멘텀을 수익으로 전환하는 시스템을 구축하는 데 있어 기술적 통찰력과 비즈니스 전략을 결합하는 중요한 기회를 제공합니다.

구글이 새로운 픽셀 시리즈를 출시하며 Pixel 11, Pixel 11 Pro, Pixel 11 Pro XL, 그리고 Pixel 11 Pro Fold 총 네 가지 모델을 추가했습니다. 이 새로운 모델들은 이전 세대보다 약간 더 높은 가격대로 책정되었지만, 카메라 성능 개선과 새로운 텐서 G6 칩 탑재를 통해 향상된 성능을 제공합니다.

새로운 픽셀 폰들은 단순히 하드웨어 업그레이드를 넘어 소프트웨어 및 AI 기능도 대폭 강화했습니다. 사진 촬영 기능에는 Magic Capture와 같은 새로운 사진 도구가 추가되었으며, Gemini Intelligence 기능이 개선되고 Live Translate 기능이 확장되었습니다. 또한 카메라를 통해 Circle to Search 기능을 직접 사용할 수 있게 되어 사용자 경험이 향상되었습니다.

이러한 업그레이드들은 새로운 칩과 카메라 기술을 통해 더 빠른 성능을 제공하는 동시에, Gemini와 같은 AI 기능을 통합하여 스마트폰의 활용도를 높이는 데 중점을 두고 있습니다. 사용자는 이러한 하드웨어 및 소프트웨어 개선 사항들을 고려하여 이전 세대 모델을 유지할지, 아니면 새로운 모델로 업그레이드할지 결정할 수 있습니다.

이민세관집행국(ICE)은 요원과 요원들에게 고통스러운 전기 충격을 전달하는 특수 장갑을 지급하기 위해 최대 2천만 달러를 지출할 계획입니다. 이러한 계획은 월요일에 국토안보부(DHS)에서 발표한 공고에 명시되었으며, 해당 장치들은 2027년 3월까지 배포될 예정입니다.

계약에 명시된 전기 장갑은 제조사인 Compliant Technologies가 CD3(전도적 주의 분산 및 긴장 완화) 장치로 부르는 CTG 5 GLOVE(발생 저출력 전압 방출기)입니다. Compliant Technologies는 이 장치를 "훌륭하고 인도적이며, 저광학의, 긴장 완화에 도움이 되는" 장치라고 설명하고 있습니다.

이러한 장갑은 ICE 요원들이 상황을 통제하고 대치 상황을 완화하는 데 사용될 목적으로 개발되었습니다. 이 계획은 ICE가 요원들의 행동을 통제하고 대치 상황을 관리하기 위해 기술을 활용하려는 움직임을 보여줍니다.

Automattic의 CRM인 Mesh가 현재 안드로이드 기기에서 사용 가능하게 출시되었습니다. Mesh는 개인 및 전문 네트워크를 시각화하고 연락처에 메모를 추가하며 연락 시기를 알림 받는 기능을 제공하는 관계 관리 소프트웨어입니다. 안드로이드 버전에서는 분할 화면 및 팝업 보기와 같은 플랫폼 기능을 활용하여 다른 앱과 동시에 Mesh를 사용할 수 있도록 맞춤 설정되었습니다.

이 앱은 폴더블 및 태블릿을 위한 키보드 단축키, 앱 내 검색, 홈 화면 위젯(안드로이드 배경화면과 일치하는 Material You 색상 적용), 그리고 기기 간 실시간 동기화 기능을 지원합니다. 이는 사용자가 다른 앱을 사용하면서도 Mesh에 접근할 수 있게 하여 생산성을 높이는 데 중점을 둡니다.

회사는 향후 AI 기능을 추가하여 사용자가 개인 및 업무 관계를 관리하는 데 더 생산적이도록 만들 계획입니다. 현재 Mesh의 Nexus AI는 네트워크 탐색을 돕는 기능으로 초기 액세스 중이며, 특정 회사에 소속된 사람이나 특정 주제의 전문가를 질문하는 등의 기능을 제공합니다. 또한 음성 기반의 핸즈프리 경험과 개선된 명함 스캔 기능도 실험하고 있습니다.

Mesh는 구독 기반으로 운영되며 개인 정보는 광고 타겟팅에 사용되거나 공유되지 않는다고 명시하고 있습니다. 현재 사용자 중 약 70%는 비즈니스 목적으로 앱을 사용하고 있으며, 회사는 비즈니스 사용자에게 적용되는 기능이 일반 소비자에게도 적용되어야 한다는 철학을 가지고 있습니다.

HTML over WebSockets는 자바스크립트 사용을 최소화하면서 실시간으로 작동하는 싱글 페이지 애플리케이션(SPA)을 구축하는 새로운 접근 방식입니다. 기존의 SPA 방식은 뷰를 그리는 자바스크립트 프레임워크, JSON API, 그리고 두 개의 독립된 코드베이스 간의 계약(contracts)을 요구했지만, 이 패턴은 HTML over WebSockets라는 하이퍼미디어(hypermedia) 방식으로 대안을 제시합니다.

이 방식의 핵심은 서버가 클라이언트에게 JSON을 보내고 브라우저가 HTML을 조립하는 대신, 서버가 이미 완성된 HTML을 WebSocket을 통해 전송하고 클라이언트는 이를 적절한 위치에 배치하는 것입니다. 이로써 모든 렌더링 로직과 상태 관리가 백엔드에 머물게 되어 API나 계약 없이 단일 언어로 애플리케이션을 구축할 수 있게 됩니다.

이러한 아키텍처는 통신 채널의 특성에 따라 세 가지 변형이 존재합니다. HTTP 기반의 요청/응답 방식, 단방향 스트림인 SSE(Server-Sent Events), 그리고 양방향 채널인 WebSockets이 있으며, 특히 WebSockets은 실시간 양방향 통신을 가능하게 하여 애플리케이션의 아키텍처와 통신 패턴을 결정하는 중요한 요소입니다.

Phoenix LiveView와 같은 기술은 이러한 HTML over WebSockets 패턴을 실현하며, 렌더링 자바스크립트나 인기 프레임워크 없이 백엔드에서 실시간으로 작동하는 애플리케이션을 구축할 수 있음을 입증했습니다. 이는 클라이언트 상태나 렌더링 로직을 백엔드에 집중시켜 시스템을 단순하고 효율적으로 만드는 이점을 제공합니다.

아마존이 MMO 게임 운영에서 완전히 손을 떼고 있다는 발표가 나왔습니다. 이는 아마존이 작년에 첫 번째 파티 게임, 특히 MMO 관련 작업의 상당 부분을 중단하겠다고 밝혔던 전략을 실행하는 것입니다.

이에 따라 아마존은 서구 지역의 트론 앤 리버티와 로스트 아크의 라이브 운영을 다른 회사에 이관합니다. 트론 앤 리버티는 2026년 4분기에 퍼스트스파크 게임즈와 NC가 인수하게 되며, 로스트 아크는 2027년 초부터 스마일게이트가 운영을 맡게 됩니다.

이러한 변화는 아마존의 광범위한 전략적 방향 전환의 일환으로 이루어졌습니다. 또한, 다른 MMO인 뉴 월드: 에테르눔의 개발사들은 새로운 콘텐츠 업데이트 제공을 중단할 계획을 발표했습니다.

이 소식은 MMO 게임의 라이브 서비스 운영 주체와 개발 방향에 직접적인 영향을 미치므로 관련 개발자들에게 중요한 정보가 됩니다.

AI 메모 작성 하드웨어 시장은 지난 몇 년 동안 크게 성장했으며, 신용카드 크기의 기기, 펜던트, 핀, 심지어 녹음 이어버드까지 회의 내용을 요약하고 실행 항목을 정리해주는 기술을 제공하고 있습니다. 이러한 흐름에 발맞춰 이제 반지와 같은 웨어러블 기기들이 사람들이 흩어진 생각과 아이디어를 동일한 방식으로 기록하고자 한다는 점에 주목하고 있습니다.

특히 스트림(Stream)의 반지 제작사인 샌드바(Sandbar)는 AI 웨어러블의 미래는 음성(voice)에 달려 있다고 주장하며 이 분야에 집중하고 있습니다. 이는 단순히 회의를 기록하는 것을 넘어, 사용자의 자연스러운 음성 입력과 상호작용을 통해 아이디어를 포착하고 관리하는 것이 미래의 웨어러블 경험이 될 것이라는 전망입니다.

이러한 움직임은 AI 기술이 물리적 세계와 결합하여 사용자의 인지적 흐름을 포착하는 방향으로 발전하고 있음을 보여줍니다. 따라서 개발자들은 음성 인식 및 자연어 처리 기술을 웨어러블 기기에 통합하여 사용자가 의식적으로 입력하지 않아도 아이디어를 기록하고 정리할 수 있는 인터페이스를 설계하는 데 중점을 두어야 합니다.