읽을 가치가 있는 기사만, 짧고 또렷하게.

안드로이드에서 시스템 수준으로 광고를 차단하는 것은 특정 브라우저에 국한되지 않고 모든 앱과 안드로이드 자체에 적용되는 방식입니다. 이 방법은 주로 DNS 조회 결과를 변경하여 알려진 광고 서버에 연결되는 것을 방지함으로써 광고 차단을 구현합니다.

이러한 시스템 수준 광고 차단을 구현할 수 있는 방법은 여러 가지가 있습니다. 대표적으로 광고 차단 DNS 서비스를 이용하거나 광고 차단 기능이 있는 VPN을 사용하는 방법이 있습니다. 또한 루팅 없이도 사용할 수 있는 차단 앱이 있으며, 루팅을 진행한 후에는 더 광범위한 시스템 접근을 통해 차단 기능을 적용할 수 있습니다.

사용자는 자신의 기기 환경과 기술 수준에 따라 적절한 방법을 선택해야 합니다. 시스템 수준 차단은 기기의 깊은 수준에 접근해야 하므로 루팅 여부에 따라 적용 가능한 옵션과 제약 조건이 달라질 수 있습니다. 따라서 광고 차단 기능을 구현하기 위해서는 사용자가 어떤 수준의 접근을 허용할 것인지에 대한 고려가 필요합니다.

디스크 사용량 분석 도구인 ncdu는 ncurses 인터페이스를 사용하여 디스크 사용량을 분석하도록 설계되었습니다. 이 도구는 그래픽 환경이 없는 원격 서버 환경에서 공간을 많이 차지하는 항목을 효율적으로 찾을 수 있도록 고안되었습니다.

ncdu는 원격 서버 환경에 국한되지 않고 일반 데스크톱 환경에서도 유용하게 활용할 수 있는 도구입니다. 따라서 서버 관리뿐만 아니라 개인 데스크톱 환경에서도 디스크 공간을 파악하고 관리하는 데 효과적입니다.

ncdu의 가장 큰 장점은 빠르고 단순하며 사용하기 쉬운 도구라는 점입니다. 복잡한 그래픽 인터페이스 없이도 사용자가 쉽게 디스크 사용 현황을 확인하고 분석할 수 있도록 설계되어 접근성이 높습니다.

프로퍼블리카(ProPublica) 기자들이 24시간 만에 사립학교 소유자가 된 실험을 통해 교육 분야의 투명성과 공적 자금 사용에 대한 의문을 제기했습니다. 이 실험은 누구나 자격이나 배경 조사 없이 사립학교를 설립할 수 있다는 가설을 검증하기 위해 진행되었습니다.

기자들은 주 정부가 사립학교 설립에 대해 어떤 기준을 적용하는지, 그리고 사립학교가 공적 자금을 확보하는 경로를 조사하고자 했습니다. 특히 이 학교들이 보조금이나 바우처 프로그램으로 운영되는 경우가 많다는 점에 주목했으며, 주 정부가 이러한 사립학교들을 감시하는 데 큰 관심이 없다는 사실을 발견했습니다.

실험을 위해 아칸소, 웨스트버지니아, 노스캐롤라이나 주에 있는 언론사와 협력하여 학교를 설립했으며, 주 정부가 쉽게 확인할 수 있는 언론사 주소를 사용하여 투명성을 확보했습니다. 기자들은 학교 이름을 'Curiosity Academies'로 명명하며 자신들의 호기심을 반영했습니다.

이 실험은 사립학교 설립의 용이성과 공적 자금의 흐름에 대한 현행 시스템의 허점을 드러냈습니다. 이는 교육 관련 보도에서 사립학교의 성장에 대한 감시가 부족하다는 점을 보여주며, 공적 자금 사용에 대한 보다 엄격한 모니터링의 필요성을 시사합니다.

최근 macOS에서 심각한 보안 취약점인 CVE-2026-65400이 활발하게 악용되고 있다는 경고가 나왔습니다. 이 취약점은 화면 공유 기능의 버그에서 비롯되었으며, 원격 사용자가 기기의 키보드와 마우스를 제어할 수 있게 하여 시스템에 접근할 수 있게 합니다. 공격자는 이 취약점을 통해 시스템의 루트 권한을 획득하고 모네로 암호화폐 채굴기를 설치할 수 있었습니다.

이 취약점은 macOS Tahoe, Sequoia, Sonoma에 대한 패치가 애플에 의해 제공되었으며, 심각도 등급은 10점 만점에 7.1점으로 평가되었습니다. 애플은 이 취약점이 자격 증명 없이 공격자가 Mac에 접근할 수 있게 할 수 있다고 밝혔습니다. 이는 시스템의 상태 관리 오류에서 발생한 것으로, 개발자들이 시스템 상태를 추적하는 방식의 근본적인 문제점을 시사합니다.

한편, 이 사건은 애플의 개발자 권한 및 AI 에이전트 사용에 대한 논쟁과 연결됩니다. 애플은 '전체 디스크 액세스' 기능을 통해 백업 앱의 기능을 위해 사용자 데이터 보호 통제를 우회할 수 있는 강력한 API를 제공하고 있으며, 이는 시스템 전체 파일, 메일, 브라우징 기록 등 민감한 정보가 사용자 인지 없이 노출될 위험을 안고 있습니다.

개발자들이 AI 에이전트에게 시스템 접근 권한을 부여하는 상황에서 이러한 보안 취약점과 데이터 접근 방식은 더욱 중요해집니다. 특히 AI 에이전트가 시스템에 지속적으로 접근할 때, 이러한 취약점이나 권한 설정의 허점이 사용자 데이터와 시스템 보안에 미치는 영향을 면밀히 검토해야 합니다.

오메가(Omega)가 새로운 제임스 본드 영화나 배우 소식이 없을 때도 수익성 높은 스파이 시계 라인을 유지하기 위해 창의적인 마케팅을 펼치고 있습니다. 이는 새로운 007 배우나 영화가 예정되어 있지 않은 상황에서 오메가가 시장의 관심을 지속적으로 끌기 위한 전략을 구사하고 있음을 의미합니다.

오메가는 기존의 인기 있는 스파이 테마를 활용하여 제품 라인을 지속적으로 운영하고 있습니다. 이러한 접근 방식은 새로운 콘텐츠의 부재에도 불구하고 오메가의 명성과 시장 가치를 유지하는 데 중요한 역할을 합니다.

결과적으로 오메가는 새로운 영화나 배우에 의존하지 않고도 강력한 브랜드 이미지를 유지하며 수익을 창출하는 데 성공하고 있습니다. 이는 엔터테인먼트 콘텐츠의 변화 속에서도 제품 라인의 지속적인 매력을 확보하는 것이 얼마나 중요한지를 보여줍니다.

사이버네틱스의 아버지인 노버트 위너는 "모든 시대의 사상은 그 기술에 반영된다"고 말했습니다. 지난 한 세기 동안 우리의 사고는 컴퓨터를 포함하여 AI 산업 종사자들에게 반영되어 왔습니다. 구글의 데미스 하사비스는 뇌를 "튜링 기계의 생물학적 근사치"라고 부르며 뇌의 계산적 측면을 강조했습니다.

일론 머스크는 이를 더욱 직설적으로 표현하며 "사람들은 뇌를 생물학적 컴퓨터로 생각해야 한다"고 주장했습니다. 이러한 관점은 뇌가 단순한 기계적 계산을 넘어 훨씬 더 복잡한 인지 과정을 포함하고 있음을 시사합니다. 그러나 현재 AI 산업의 많은 제품과 접근 방식은 이러한 인간의 복잡성을 충분히 고려하지 못하고 있습니다.

인간의 정신은 단순한 컴퓨터와의 직접적인 비교를 넘어 훨씬 더 복잡하며, 이는 AI 모델이 현실의 인지적 한계를 이해하고 처리하는 데 중요한 맥락을 제공합니다. 따라서 AI 개발자들은 뇌의 복잡성을 단순한 계산 모델로 환원하는 것을 넘어, 인간의 사고 과정과 경험을 반영하는 새로운 계산 모델을 구축해야 할 필요가 있습니다.

독일의 로봇 기업 RobCo가 직원 대상 추가 주식 매각을 통해 10억 달러의 기업 가치에 도달하며 유럽의 새로운 로보틱스 유니콘으로 자리매김했습니다. 이 거래는 기존 투자자들뿐만 아니라 Cherry Ventures와 European Tech Collective를 포함한 새로운 투자자들의 참여로 이루어졌습니다.

이러한 가치 상승은 RobCo가 2026년 1월에 Lightspeed와 Lingotto가 공동 주도한 1억 달러 규모의 시리즈 C 투자 이후 진행되었으며, 직원들에게 회사가 창출한 가치를 실현할 기회를 제공하는 데 중점을 두었습니다. 이는 회사의 성장과 직원들의 참여를 동시에 이끌어낸 중요한 재무적 이정표입니다.

RobCo는 현재 자사의 자율 산업 로봇인 Alfie의 상업 출시를 2027년으로 계획하고 있으며, 미국 제조 시장에 집중하며 다음 세대 공장 자동화가 단순한 로봇을 넘어 물리적 세계를 이해하고 행동하는 기계에 의해 정의될 것이라는 비전을 제시하고 있습니다.

2026년 생리학 또는 의학 분야 노벨상 수상자에게 칼 데이서로트, 피터 헤게만, 게오르그 나겔이 공동으로 수여되었습니다. 이들은 빛에 의해 조절되는 이온 채널과 광유전학(optogenetics)에 관한 발견을 통해 노벨상을 받았습니다.

이 상은 빛을 이용하여 신경 세포의 활동을 정밀하게 제어하는 광유전학 기술의 발전과 이온 채널에 대한 이해를 바탕으로 이루어졌습니다. 광유전학은 생물학 및 신경과학 분야에서 세포 수준의 정밀한 제어를 가능하게 하는 혁신적인 기술로, 생명공학 및 뇌 과학 분야에 중요한 영향을 미치고 있습니다.

수상자들은 빛을 이용해 생체 시스템을 조작하는 새로운 방법을 발견함으로써 생물학적 현상에 대한 이해를 심화시켰습니다. 이는 생명과학 연구의 새로운 패러다임을 제시하며, 관련 기술 개발에 중요한 기반을 제공합니다.

스테이플스(Staples)의 인쇄 및 마케팅 서비스는 고객이 원하는 대로 가족 사진, 기념품, 비즈니스 문서를 완벽하게 만들 수 있도록 돕는 서비스를 제공합니다. 이 서비스의 핵심은 빠른 픽업과 매장 내 전문가의 도움을 통해 고객이 원하는 결과물을 얻을 수 있도록 지원하는 것입니다.

고객들은 이 서비스를 통해 가족 사진이나 특별한 선물 같은 개인적인 물품부터 비즈니스 문서까지 다양한 인쇄 및 마케팅 요구 사항을 해결할 수 있습니다. 이는 복잡한 인쇄 과정을 전문가의 도움으로 신속하게 처리하여 만족스러운 결과물을 보장하는 데 중점을 둡니다.

특히, 스테이플스는 고객이 원하는 대로 결과물을 맞출 수 있도록 현장 전문가를 배치하여 고객 경험을 개선하고 있습니다. 따라서 고객은 시간 절약과 높은 품질을 동시에 확보할 수 있다는 점이 이 서비스의 주요 이점입니다.

Go 가비지 컬렉터의 전체 실행 정지(STW) 중에 힙 외부 메타데이터가 스왑으로 밀려날 수 있으며, 이 데이터를 다시 읽는 과정에서 최대 40ms의 정지가 발생한다는 실험 결과가 보고되었습니다. 이는 Go 애플리케이션의 성능에 직접적인 영향을 미칠 수 있는 중요한 문제입니다.

이러한 현상은 커널 6.8과 MGLRU를 사용한 Hetzner 실험을 통해 확인되었습니다. 실험에서 정지 시간의 중앙값은 약 51µs로 매우 짧았으나, 최악의 정지 상황에서는 최대 40ms에 달하는 지연이 발생할 수 있음을 보여줍니다.

이는 운영체제의 스왑 메커니즘이 Go GC와 같은 고성능 작업의 메모리 접근에 미치는 영향을 구체적으로 제시합니다. 개발자는 시스템 환경에 따라 GC 정지 시간이 예측 불가능하게 길어질 수 있음을 인지하고 메모리 관리 및 시스템 설정에 대한 고려가 필요합니다.

SQLDoom은 1993년 오리지널 Doom의 게임 로직과 렌더러를 SQL로 옮겨 데이터베이스 환경 안에서 실행하는 프로젝트입니다. 이 시스템은 게임의 핵심 로직을 데이터베이스 기반으로 처리하며, Python 클라이언트는 사용자 입력, 타이밍 관리, 그리고 데이터베이스에서 반환된 비트맵 표시만을 담당합니다.

게임 로직은 원작과 동일하게 35Hz의 속도로 실행되며, 렌더링은 별도로 처리되는 구조를 가지고 있습니다. 이러한 분리된 아키텍처는 게임의 핵심 로직과 그래픽 처리 방식을 분리하여 구현하는 데 중점을 둡니다.

이러한 구현을 통해 노트북 환경에서도 완전한 320×200 프레임 속도를 달성할 수 있습니다. 이는 복잡한 게임 로직을 데이터베이스 시스템으로 포팅하고 클라이언트 측에서 효율적으로 처리하는 기술적 접근 방식을 보여줍니다.

덴마크의 CPR 시스템에서 약 880만 명의 시민 개인 정보가 무단으로 접근된 심각한 보안 사고가 발생했습니다. 이 사고는 한 회사에 대한 합법적인 접근 권한을 악용하여 CPR 시스템에서 이름, 주소, CPR 번호 등의 정보를 불법적으로 취득한 것으로 확인되었습니다.

이번 데이터 접근은 CPR 관리 당국이 해당 회사의 접근을 중단시키고 전문가 및 관련 당국과 함께 사건 경위를 조사하는 가운데 진행되고 있습니다. CPR 관리 당국은 데이터 보호를 위해 데이터 보호를 선택한 개인들의 이름과 주소 정보는 이번 무단 접근 범위에서 제외되었다고 밝혔습니다.

사고 발생 후 CPR 관리 당국은 데이터 보호 감독 기관인 Datatilsynet에 보고했으며, 경찰이 관련 당국과 협력하여 사건을 수사하고 있습니다. 이 사건은 개인 정보 보호 시스템의 취약점과 법적 접근 권한의 오용에 대한 중요한 맥락을 제공합니다.

흐름 모델(flow models)의 학습 후 보상(reward) 처리 방식에 새로운 강화 학습 방법인 MEND가 소개되었습니다. 기존 방식들은 KL 페널티나 고정된 참조 모델을 사용하여 샘플을 재가중하거나 보상을 역전파하는 방식으로 진행되는데, 이는 이동의 가치를 확인하지 않고 모든 샘플을 이동시키는 문제가 있었습니다. MEND는 근접 속도 일치(proximal velocity matching)에 기반한 강화 학습 방법으로, 보상을 프롬프트 그룹 내에서 제한하여 이미 좋은 점수를 받은 샘플은 이동하지 않도록 합니다. 이후 보상 기울기 방향으로 이동을 제안하고, 이 제한된 보상 증가가 이차적 변위 가격을 초과할 때만 이동을 수용합니다. 모델은 KL 항, 고정 참조 모델 또는 이점 가중치 없이 결과 속도 목표로 회귀합니다.

이러한 MEND 방법은 실제 실험에서 뛰어난 성능을 보였습니다. 100번의 업데이트에서 MEND는 Flow-GRPO(약 4천 번의 업데이트)보다 5가지 평가자에서 우수한 성능을 보였습니다. 또한, 동일한 예산 프로토콜 하에서 MEND는 ReFL 및 DiffusionNFT를 모든 평가된 업데이트에 걸쳐 능가하며 PickScore 24.03을 달성했습니다. 300번의 업데이트를 수행하는 세 가지 보상 실행에서는 5가지 보상을 학습한 DiffusionNFT 모델을 모든 보상에서 능가했습니다.

MEND는 보편적이고 채택하기 쉽다는 장점이 있습니다. 이 방법은 미분 가능한 보상을 가진 모든 흐름 백본(flow backbone)에 적용될 수 있습니다. 이는 복잡한 흐름 모델 학습 과정에서 보상의 효율성과 안정성을 개선하고자 하는 개발자들에게 유용한 접근 방식을 제공합니다.

모로코의 토양 및 작물 특성에 맞는 비료 추천 시스템을 재현 가능하게 구축하기 위한 머신러닝 스택인 Turba를 소개하는 기술 보고서가 발표되었습니다. 이 스택은 지역, 토양 특성, 작물 종류, 생산 목표에 맞춰 영양 정보를 조정하는 시스템의 재현성을 확보하는 것을 목표로 합니다.

Turba는 세 가지 계층으로 구성된 오픈소스 구현체로, 프로그래밍을 통해 공개된 지역 프로필, 작물별 목표 수확량 공간, 그리고 N, P2O5, K2O 추천 워크플로우에 접근할 수 있는 turba-client를 제공합니다. 또한 분석 준비가 완료된 스냅샷을 분배하는 turba-data와 작물별 추천 결과의 머신러닝 대리 모델을 패키징하는 turba-models를 포함합니다.

이 연구는 44,096개의 고유한 ESA WorldCereal 위치에서 구축된 데이터와 132,017건의 작물-위치 추천 요청을 기반으로 하며, 결과적으로 10개 지역, 66개 주, 1,149개 커뮤니티에 걸친 22개의 변수를 포함하는 데이터셋을 생성했습니다. 이 스택은 추천 시스템 출력, 관찰된 농업 데이터, 모델 생성 예측 간의 구분을 유지하면서 공간적 및 시간적 검증, 불확실성 추정, 현장 시험 비교를 위한 재현 가능한 기반을 제공합니다.

연구진은 80/20 프로토콜 하에서 아홉 가지 회귀 패밀리를 평가했으며, 현재 릴리스 패키지는 가장 성능이 좋은 작물별 모델 다섯 가지를 포함하고 있습니다. 이 작업의 목표는 관찰된 작물 반응을 예측하는 것이 아니라 추천 기능 자체를 모방하는 것이므로, 개발자들은 이 스택을 통해 데이터 기반의 공간적 검증과 미래 데이터 통합을 수행할 수 있습니다.

에페머럴 테스트는 소프트웨어의 기반 위에 구축된 애플리케이션을 테스트하는 방식에 대한 접근법입니다. 이 방식은 결과물이 완료되면 버려지는 일시적인(ephemeral) 소프트웨어를 사용하여 상위 레이어를 테스트하는 통합 테스트의 한 형태입니다. 핵심은 기반 라이브러리가 명확한 API, 안정적인 불변 조건, 유용한 오류 정보를 제공할 때, 에이전트가 빠르게 작동하는 코드를 생성할 수 있게 한다는 점입니다.

만약 기반 라이브러리가 숨겨진 상태나 놀라운 기본값을 포함하고 있다면, 이는 실패와 패치로 이어지며 코드 자체의 문제가 아닌 에이전트의 문제로 오인될 수 있습니다. 따라서 에페머럴 테스트는 코드를 구축하는 대신 다른 레이어를 실제로 구축하여 시뮬레이션함으로써, 핵심을 예측하려 하기보다 실제 작동하는 결과물을 통해 속도를 얻는 데 중점을 둡니다.

이러한 접근 방식은 AI 프로그래밍에서 속도를 높이는 데 매우 효과적이며, 세바스찬 굿은 에페머럴 테스트가 AI 프로그래밍에서 속도를 얻는 가장 좋은 방법 중 하나라고 언급했습니다. 소프트웨어를 쌓는 행위 자체가 추상화를 강제하며, 이는 AI가 더 나은 구조적 패턴을 학습하도록 돕습니다.

다만, 이 방법이 실용적이려면 기반 시스템에 어느 정도의 안정성이 필요하며, 이는 테스트 환경과 라이브러리의 품질에 달려 있습니다.

유럽에서 2만 5천 유로 미만 전기차 모델의 판매량이 2026년에 2024년 대비 7배 증가할 것으로 예상됩니다. 이는 유럽연합의 친환경 자동차 목표가 소비자 선택을 확대하고 저렴한 모델을 시장에 공급하는 데 성공했음을 보여줍니다.

EU의 자동차 CO2 목표는 기록적인 전기차 판매와 저가 모델의 확산을 이끌었으며, 2026년 상반기에만 40개의 새로운 전기 모델이 출시되었고 연말까지 60개의 모델이 추가로 출시될 것으로 전망됩니다. 이러한 규제는 유럽 운전자들에게 기름 의존도를 줄이고 전기차로 전환할 수 있는 기회를 제공하며, 에너지 가격 상승으로 인한 비용 절감 효과도 제공합니다.

그러나 이러한 규제를 약화시킬 경우, 소형 저가 전기차의 확산이 중단되고 유럽 자동차 제조사들이 글로벌 EV 경쟁에서 경쟁력을 잃을 위험이 있습니다. 전문가들은 2030-2035 목표를 약화시키는 것이 시장에 출시되는 저가 모델을 위축시키고 유럽 전역을 기름 의존도에 묶어두는 결과를 초래할 수 있다고 경고합니다.

실제로 2026년 1월부터 8월까지 판매된 배터리 전기차(BEV)는 164만 대에 달했으며, 이는 전년 동기 대비 45% 증가한 수치입니다. 또한 2026년 2분기에는 전기차가 내연기관차를 추월하며 시장 점유율 22%를 달성했습니다.

화웨이와 퀄컴은 5G, 컴퓨팅, AI, 네트워킹 등 광범위한 기술 분야에 걸친 특허 포트폴리오에 대한 교차 라이선스 및 일부 화웨이의 미국 특허 구매를 포함하는 다년간의 광범위한 특허 라이선스 계약을 발표했습니다. 이 거래는 양사가 지적 재산권과 공정하고 합리적이며 비차별적인(FRAND) 원칙에 부합하는 라이선싱 관행에 대한 공동의 약속을 반영합니다.

이 계약은 화웨이의 혁신적인 기술 가치를 인정하는 동시에 현대 통신 기술에 대한 퀄컴의 기초적인 기여를 인정하는 의미를 가집니다. 화웨이는 폴라 코드(polar codes)를 사용한 근접 물리적 한계 신호 전송 기술과 같은 4G/5G 표준에 대한 광범위한 기여를 통해 모바일 통신 산업에서 리더십을 확립했다고 강조했습니다.

또한 퀄컴은 모바일 혁신의 여러 세대를 가능하게 한 기초 무선 기술에 투자했으며 글로벌 무선 산업 전반에서 인정을 받았다고 밝혔습니다. 이 합의는 5G 기술 리더십과 퀄컴의 5G SEP 라이선싱 프로그램의 성공을 재확인하는 것입니다.

이 거래는 필요한 규제 승인이 이루어진 후에 최종적으로 마무리될 예정입니다.

AI를 통해 누구나 빠르게 제품을 만들 수 있는 시대에는 맥락과 개성이 결여된 채 외형만 그럴듯한 ‘좀비 UI’가 증가할 수 있습니다. 대규모 언어 모델은 고유한 브랜드나 사용자 맥락보다는 흔하고 확률 높은 답변을 생성하는 데 능숙합니다.

이러한 모델은 완성되어 보이는 결과물을 빠르게 제작할 수 있게 해주지만, 이는 결과물의 품질 판단과 장기적인 관점에서 심각한 문제를 야기할 수 있습니다. 즉, 빠른 제작 속도가 실제 사용 맥락이나 고유한 개성을 반영하지 못하고 확률에 기반한 일반적인 답을 제공할 위험이 있습니다.

개발자들은 AI가 생성한 결과물이 표면적인 완성도에만 집중하여 실제 사용자 경험이나 장기적인 유지보수 측면에서 충분한 품질을 확보했는지 비판적으로 검토해야 합니다. 결과적으로 AI 기반 제품이 맥락과 개성을 놓치고 단순히 확률에 의존하여 만들어질 경우, 제품의 진정한 가치와 품질에 대한 의문이 제기될 수 있습니다.

하드 SF 소설인 블라인드사이트는 외계 문명과의 첫 접촉을 통해 지능과 의식의 관계를 탐구하는 내용을 다룹니다. 이 소설은 인간보다 지능이 높지만 자의식은 없는 존재를 등장시켜 지능과 의식의 본질에 대해 질문을 던집니다.

이야기는 2082년 지구에서 정체불명의 외계 현상이 관측된 사건을 배경으로 합니다. 이 시점에서 지구의 강화 인간 전문가들은 외계 신호를 추적하기 위해 탐사선인 제우스 탐사선의 임무를 수행합니다.

이러한 설정은 단순한 외계 접촉을 넘어 지능과 의식의 경계에 대한 철학적 탐구를 하드 SF적 맥락에서 제시한다는 점에서 주목됩니다. 독자들은 외계 지능과의 접촉이 인간의 의식에 어떤 영향을 미칠지 탐색하게 됩니다.

AI 모델이 지속적으로 학습하고 개선하는 것은 중요한 목표이지만, 사전 학습된 모델에 새로운 데이터를 적용하는 과정에서 성능 저하와 파국적 망각이 발생합니다. 따라서 기존에는 지속적인 학습을 위해서는 온-폴리시(on-policy) 훈련이 필수적이라는 것이 통념이었습니다.

하지만 실제로는 새로운 지식이나 능력은 종종 오프-폴리시(off-policy) 데이터 형태로 존재하며, 오프-폴리시 데이터를 온-폴리시 신호로 변환하려는 온-폴리시 자기 증류(OPSD)와 같은 방법은 추론 붕괴를 유발하는 문제가 있습니다. 본 논문은 지속적인 학습에 있어 오프-폴리시 병합(off-policy merging)이 OPSD보다 우수함을 제시합니다.

연구진은 새로운 업데이트가 기존 능력에 간섭하는 것을 줄이기 위해 '그라프팅(grafting)'이라는 간단한 방법을 제안했습니다. 그라프팅은 업데이트를 이전의 기여자 체크포인트에서 학습하고, 가중치 업데이트를 조정하여 모델 병합과 유사하게 적용하는 방식입니다. 이 방법은 새로운 데이터 분포가 사전 학습된 모델과 멀리 떨어져 있을 때 특히 효과적입니다.

다양한 지속적인 학습 환경(전문가 흔적에서 증류, STaR 및 교육적 RL을 통한 자기 개선, 사전 학습 종료 후 지식 주입)에서 그라프팅은 SFT와 OPSD 모두에서 새로운 작업 및 이전 작업 성능을 압도하며, 비싼 온-폴리시 샘플링을 피할 수 있습니다. 이는 RL 기반 모델의 지속적인 학습에 온-폴리시 훈련이 반드시 필요하다는 기존의 주장을 반박하는 결과입니다.