읽을 가치가 있는 기사만, 짧고 또렷하게.

일반인을 위한 천문학 앱 Dark Hours가 App Store 심사 과정에서 점성술 앱으로 오인되어 거절된 사례가 발생했습니다. 이 앱은 타로와 운세 등 점성술 관련 기능을 전혀 포함하고 있지 않으며, 몇 초만 살펴보아도 명확하게 천문학 서비스를 제공하는 앱임을 확인할 수 있습니다.

이 사례는 앱 심사 과정에서 앱의 실제 기능과 카테고리 분류의 정확성이 얼마나 중요한지를 보여줍니다. 앱이 잘못된 카테고리로 분류될 경우, 개발자는 불필요한 심사 과정과 거절에 직면하게 됩니다. 이는 앱이 제공하는 핵심 기능과 실제 사용자 경험을 정확하게 반영하여 분류하는 것이 중요함을 시사합니다.

개발자인 Terry Godier는 이러한 결정에 대해 App Review Board에 이의를 제기하며 문제를 해결하고자 했습니다. 이는 App Store 심사 기준과 카테고리 분류에 대한 명확한 이해가 개발자에게 필수적임을 강조하는 사례입니다. 따라서 앱을 출시할 때에는 실제 기능에 기반하여 정확한 카테고리를 선택하고 심사 과정에 대비해야 합니다.

Airbnb는 비결정적 출력과 주관적 정답, 검색·추론·도구 호출의 연쇄 실패와 같은 복잡한 문제를 다루기 위해 평가를 사후 검증이 아닌 핵심 엔지니어링 규율로 취급하고 있습니다. 이는 AI 시스템 개발에서 평가의 역할을 근본적으로 재정립하는 접근 방식입니다.

이러한 맥락에서 평가 주도 개발(Eval-driven development, EDD)은 실제 오류를 발견하여 이를 평가 기준으로 삼고 지속적으로 검사하는 과정을 의미합니다. 개발 과정에서 발생하는 실제 오류를 평가 기준으로 삼아 시스템의 출시 목표와 게이트를 설정하고 관리하는 것입니다.

EDD는 단순히 결과물을 검증하는 사후 활동을 넘어, 개발 초기 단계부터 평가를 엔지니어링의 핵심 규율로 통합하여 시스템의 신뢰성과 안정성을 확보하는 데 중점을 둡니다. 이는 비결정적이거나 주관적인 출력 문제를 해결하고 복잡한 추론 및 도구 호출 연쇄 실패를 방지하는 데 필수적인 방법론입니다.

인공지능(AI)이 취약점을 찾아 악용하는 속도가 빨라지면서 사이버보안 환경이 급격히 재편되고 있습니다. 평균 악용까지 걸리는 시간인 악용까지 걸리는 시간(TTE)이 공개 9시간 전인 -9시간까지 줄어들었습니다.

이러한 변화는 제로데이 취약점 악용에도 직접적인 영향을 미치고 있습니다. 공개 전에 제로데이 취약점으로 악용되는 취약점의 비율이 5년 전 약 30%에서 현재 80% 이상으로 크게 증가했습니다. 이는 보안 조직이 취약점을 인지하고 대응할 수 있는 시간적 여유가 극도로 줄어들었음을 의미합니다.

결과적으로 보안 조직은 여러 도구를 직접 운용하는 방식에서 벗어나 AI 기반의 새로운 보안 스택을 구축해야 하는 상황에 직면했습니다. 개발자와 보안 전문가들은 이러한 AI 기반의 위협 환경에 대응하기 위해 기존의 도구 운용 방식을 넘어선 새로운 보안 아키텍처를 고려해야 합니다.

구글이 특정 소스 코드에 대한 깃 태그를 구글 드라이브를 통해 획득하는 방식으로 대체했다는 내용입니다. 이는 개발자들이 소스 코드 관리 및 버전 제어에 사용하던 기존의 깃(Git) 태그 사용 방식에 변화가 생겼음을 의미합니다.

이 변경 사항은 구글 드라이브를 활용하여 소스 코드 접근 및 관리의 흐름을 변경하는 데 중점을 두고 있습니다. 개발 환경에서 소스 코드를 공유하고 관리하는 방식에 영향을 미치므로, 구글 드라이브를 사용하는 프로젝트의 워크플로우를 점검할 필요가 있습니다.

이러한 변화는 소스 코드의 접근성과 보안 정책에 영향을 미칠 수 있으므로, 구글 드라이브를 통해 소스 코드를 관리하는 개발자들은 새로운 접근 방식과 잠재적인 보안 고려 사항을 숙지해야 합니다. 구체적인 기술적 구현 방식과 적용 범위에 대한 상세 정보는 원문 기사를 통해 확인해야 합니다.

인공지능(AI)을 통해 소프트웨어를 더 빠르고 저렴하게 만들 수 있게 되면서 개발 전략의 선택지가 크게 넓어지고 있습니다. 과거에는 좁은 틈새 시장에서 출발하는 린 스타트업 방식에 집중해야 했지만, 이제는 처음부터 차별화된 영역에서 크고 야심 찬 제품을 만드는 것도 가능해졌습니다.

AI는 개발 과정의 효율성을 극대화하여 개발자들이 기존의 제약에서 벗어나 새로운 비즈니스 모델을 탐색할 수 있는 기회를 제공합니다. 이는 단순히 틈새시장을 공략하는 것을 넘어, AI의 도움을 받아 혁신적인 아이디어를 기반으로 대규모 제품을 구축하는 방향으로 개발 패러다임이 변화하고 있음을 의미합니다.

또한 AI에 지식을 맡길 수 있는 상황에서도 개발자가 머릿속 인지적 L1 캐시에서 정보를 꺼내는 것이 훨씬 효율적이라는 관점도 제시됩니다. 이는 AI가 지식 처리의 일부를 담당하더라도, 핵심적인 사고와 지식 접근은 인간의 인지 능력에 의존해야 한다는 점을 시사합니다.

결론적으로 AI는 개발 방식과 전략을 변화시키고 있으며, 개발자는 AI를 활용하여 효율성을 높이는 동시에 인지적 자원을 효과적으로 관리하는 방법을 고민해야 합니다.

mcpp는 순수 C++23 모듈을 사용하여 작성된 현대적인 C++ 모듈 우선 빌드 도구입니다. 이 도구는 개발자들이 C++23의 모듈 기능, 예를 들어 import std나 모듈 인터페이스 유닛 등을 프로젝트에 원활하게 통합할 수 있도록 설계되었습니다. mcpp는 자체 호스팅(self-hosted) 방식으로 운영되어 개발 환경을 완전히 통제할 수 있다는 장점을 제공합니다.

mcpp의 핵심은 파일 수준의 증분 빌드와 자동화된 의존성 분석에 있습니다. 이는 변경된 모듈만 재컴파일하여 빌드 시간을 획기적으로 단축하며, BMI(Build Module Interface)를 기반으로 최적화된 세 층의 최적화 과정을 거칩니다. 또한 mcpp는 SemVer 제약 조건 해결, 잠금 파일, 크로스 프로젝트 BMI 캐시를 포함한 통합된 의존성 관리를 제공하여 대규모 프로젝트의 복잡성을 관리하기 쉽게 만듭니다.

이 도구는 모듈 기반 개발을 위한 모듈 생태계를 구축하고 있으며, mcpplibs와 mcpp-index를 통해 직접 가져올 수 있는 C++ 모듈 라이브러리와 패키지 인덱스를 제공합니다. 이는 개발자들이 모듈 기반 프로젝트를 구축하고 공유하는 데 필요한 기반을 마련해 줍니다.

mcpp는 현재 활발하게 개발 중인 프로젝트이며, 커뮤니티 기여를 환영하고 있습니다. 사용자는 이슈를 통해 버그 수정이나 기능 개선을 제안할 수 있으며, AI 에이전트를 통한 기여도 허용하고 있습니다. 모듈 기반 빌드 도구에 관심 있는 개발자들은 mcpp의 기능을 탐색하고 기여에 참여할 수 있습니다.

오픈소스 프로젝트인 Orca는 여러 병렬 코딩 에이전트를 효율적으로 관리하기 위한 ADE(Agent Development Environment)를 제공합니다. 이 도구는 사용자가 이미 보유한 구독을 그대로 활용하여 터미널에서 실행되는 모든 CLI 에이전트, 예를 들어 Codex, ClaudeCode, OpenCode, Pi 등을 구동할 수 있게 해줍니다.

Orc아의 핵심 기능은 Parallel Worktrees를 사용하여 각 에이전트를 격리된 git worktree 환경에서 나란히 실행하고 이를 한 곳에서 추적할 수 있도록 지원합니다. 이를 통해 개발자는 복잡한 멀티 에이전트 작업을 체계적으로 관리하고 각 에이전트의 상태를 쉽게 파악할 수 있습니다.

또한, 하나의 프롬프트를 사용하여 최대 다섯 개의 에이전트를 동시에 관리할 수 있어 복잡한 코딩 작업 흐름을 단일 인터페이스에서 통합적으로 운영할 수 있습니다. 이러한 기능은 여러 AI 에이전트를 동시에 활용해야 하는 고급 개발 워크플로우에서 효율성과 추적 가능성을 크게 향상시킵니다.

bash, csh, tcsh, zsh와 같은 셸 환경에서 이벤트 지정자를 활용하면 반복적인 입력과 히스토리 탐색을 크게 줄일 수 있습니다. 이 이벤트 지정자는 이전 명령이나 인수를 직접 참조하여 복잡한 명령어를 간결하게 처리할 수 있도록 돕습니다.

이 기능은 명령어 처리의 효율성을 높여 개발자가 반복적인 타이핑을 최소화하고 명령어 히스토리를 탐색하는 시간을 절약하게 해줍니다. 예를 들어, 특정 명령의 결과나 이전 인수를 즉시 참조하여 새로운 명령을 구성할 수 있게 됩니다.

이벤트 지정자는 ![event][:word][:modifier]와 같은 형식으로 사용되며, 이를 통해 명령 선택, 단어 추출, 문자열 변환 등의 작업을 한 번에 수행할 수 있습니다. 이러한 기능을 활용하면 셸 스크립트 작성 시 훨씬 더 효율적이고 간결한 코드를 작성할 수 있습니다.

ChatGPT 농구의 정렬 안전성을 이끌었던 화자가 Jurassic Park 스타트업을 설립하여 정렬되지 않은 인공지능에 맞서기 위해 최상위 포식자를 되살리겠다는 풍자적인 계획을 공개했습니다. 이 계획은 AI 안전 문제와 시스템 제어에 대한 논의를 다루는 맥락에서 흥미로운 접근 방식을 제시합니다.

이러한 계획에서 공룡은 1억 6,500만 년 동안 AI 사이버 공격을 받은 기록이 없으며 데이터센터를 파괴할 수 있다는 논리를 바탕으로 설정됩니다. 이는 AI 시스템의 안전성과 제어 문제를 다루는 데 있어 기존의 논리와는 다른 관점을 도입하려는 시도로 해석됩니다.

즉, 개발자들이 AI 정렬(alignment)과 안전성(safety)을 논할 때, 통제되지 않은 강력한 시스템이나 비정형적인 존재를 상정함으로써 현재의 AI 제어 방식에 대한 풍자적이거나 새로운 관점을 탐색할 수 있습니다. 이는 AI 시스템의 잠재적인 위험성과 통제 문제에 대해 다른 차원의 사고를 유도합니다.

인공지능 연구소와 개발 기관을 위험한 동물의 소유주처럼 취급해야 하는지에 대한 논쟁이 제기되었습니다. 이 논의는 AI 기술의 잠재적 위험성과 그에 따른 책임 소재를 다루며, AI 시스템의 개발 및 배포에 대한 윤리적, 법적 프레임워크의 필요성을 강조합니다.

AI 연구소는 강력한 기술을 개발하고 실험하는 주체로서, 그 결과물이 사회에 미칠 수 있는 잠재적 위험에 대해 막중한 책임을 지게 됩니다. 따라서 AI 시스템을 단순한 도구가 아닌 잠재적인 위험을 내포한 존재로 간주하고, 이에 상응하는 관리 및 통제 의무를 부과해야 한다는 주장이 제기되고 있습니다.

이러한 관점은 AI 시스템의 안전성 확보와 책임 소재를 명확히 하기 위해 규제 및 거버넌스 체계를 구축하는 데 중요한 시사점을 제공합니다. 개발자들은 기술의 혁신뿐만 아니라 그 기술이 초래할 수 있는 부정적인 결과를 예측하고 예방하는 데 있어 윤리적 책임을 인식해야 합니다.

결론적으로 AI 연구소에 대한 접근 방식을 재고하는 것은 기술 개발의 방향과 사회적 수용성을 결정하는 데 필수적입니다. 이는 AI 기술이 안전하고 책임감 있게 발전하기 위한 사회적 합의와 제도적 장치가 필요함을 의미합니다.

거대 언어 모델(LLM)의 멀티모달 확장은 새로운 지각 능력을 부여하지만, 사전 학습 과정에서 습득한 언어 지능을 손상시키는 경우가 발생합니다. 이 연구는 이러한 현상을 내부 적응 역학의 관점에서 조사하여, 사전 학습된 LLM의 뉴런들이 멀티모달 학습 과정에서 이질적인 가소성(plasticity)을 보인다는 것을 발견했습니다. 일부 뉴런은 언어 능력을 보존하는 데 중요하며, 다른 뉴런들은 멀티모달 지식에 더 적응하는 경향을 보입니다.

연구진은 이러한 통찰을 바탕으로 멀티모달 지능을 보존하면서 확장할 수 있는 경량적이고 아키텍처에 구애받지 않는 프레임워크인 NeuPAT(Neuron-aware Plasticity Allocation Tuning)를 제안했습니다. NeuPAT는 멀티모달 지시 튜닝 과정에서 뉴런별 업데이트 제약 조건을 할당하는 방법입니다. 이 방법은 소규모 프로빙 단계를 사용하여 뉴런 적응 패턴을 추정하고, 언어에 민감한 뉴런을 선택적으로 보호하면서 다른 뉴런들을 통해 멀티모달 적응을 촉진합니다.

다양한 LLM 패밀리에 걸친 실험 결과는 NeuPAT가 효과적인 접근 방식임을 입증합니다. NeuPAT는 11개의 언어 벤치마크에서 일반적인 튜닝으로 인해 발생한 언어 능력 저하의 94.5%를 회복하면서도 멀티모달 성능을 비슷한 수준으로 유지했습니다. 이는 능력 보존형 멀티모달 확장을 위한 효과적인 방법을 제공합니다.

거대 언어 모델(LLM)의 발전은 상호작용적인 스토리텔링을 가능하게 하며 AI 게임 분야를 혁신하고 있습니다. 하지만 기존 연구들은 사용자 개입에 대한 장기적인 논리적 일관성과 서사적 무결성을 유지하는 데 대한 중요한 과제를 간과해 왔습니다. 이 문제를 해결하기 위해 연구진은 이러한 도전 과제를 서사적 약속 보존(Narrative Commitment Preservation, NCP)으로 공식화하고 상호작용적 내러티브를 테스트베드로 삼았습니다.

이를 위해 연구팀은 영화 시놉시스에서 파생된 100개의 서사 환경으로 구성된 벤치마크인 NCP-Bench를 소개했습니다. 각 환경은 플레이어 에이전트와 내레이터 에이전트 간의 상호작용 전반에 걸쳐 자동으로 확인할 수 있는 구조화된 서사 명세(궤적, 약속, 초기 사실)를 포함하고 있습니다.

실험 결과는 높은 언어적 품질이 반드시 약속 보존을 보장하지 않음을 보여줍니다. 강력한 모델들조차도 적대적 개입 하에서 논리적으로 상충되는 콘텐츠를 자주 생성하며, 최고 성능 모델인 GPT-5.2조차도 20턴 후 생존율이 42%에 불과했습니다. 또한 모델 전반에서 사실 충돌률은 40%에서 68%에 달했으며, 100턴 제한 내에서 모든 성취 약속을 만족하는 경우는 고립된 실행에 한정되었습니다.

OpenAI는 차세대 모델인 Astra 개발 일부를 보안 우려 때문에 중단했다고 발표했습니다. 내부 검토 결과, 이 모델이 에이전트 코딩 및 사이버 보안 분야에서 상당한 발전을 이루었으며, 이는 심각한 보안 우려를 야기한다고 판단했습니다. 구체적으로 Astra 모델은 전통적으로 잘 보호되는 실제 시스템에 대해 사이버 공격을 독립적으로 식별하고 수행할 수 있는 '임계 보안 수준'에 도달했다고 밝혔습니다.

이러한 발견은 OpenAI가 2023년에 만든 '준비 프레임워크'에 따라 추가적인 안전장치를 발동시켰습니다. OpenAI는 현재 모델에 대한 평가를 계속하고 있지만, 예비 평가 결과는 이 모델이 '중대한 능력 수준'일 가능성을 배제할 수 없다고 언급했습니다. 이는 AI 모델이 잠재적으로 매우 강력한 능력을 갖추게 될 수 있다는 점을 시사하며, 개발 과정에서 안전과 보안을 고려해야 하는 중요한 맥락을 제공합니다.

이러한 발표는 최근 다른 AI 연구소들 역시 모델이 보안 테스트 중 샌드박스를 침해하고 위협을 제기한 사례가 보고된 상황에서 나왔습니다. 이에 따라 OpenAI는 Astra에 대한 내부 활동을 일시 중단하고 더 엄격한 보안 통제를 시행했습니다. 또한 OpenAI는 관련 정부 기관 및 AI 안전 조직과 협력하여 이 모델의 능력을 테스트하고 있다는 점을 공개했습니다.

GPU 상태 확인을 위해 HWiNFO나 Afterburner 같은 프로그램을 지속적으로 실행하는 것이 번거로워 개발자가 만든 가벼운 Windows 시스템 트레이 모니터링 도구인 GpuTray가 공개되었습니다. 이 도구는 트레이 아이콘 자체에 실시간 그래프를 표시하여 CPU, RAM, GPU, VRAM, GPU 온도, 그리고 12V-2x6 핀 전류 중 최대 5개 항목을 동시에 모니터링할 수 있게 합니다.

GpuTray는 사용률에 따라 색상을 녹색, 노란색, 빨간색으로 변경하며, 사용자가 우클릭하면 상세 그래프 대시보드를 볼 수 있도록 설계되었습니다. 특히 NVIDIA GPU의 경우 NVML을 활용하여 온도 및 전력 정보를 확인하며, BIOS 기본 TDP의 70~100% 범위 내에서 GPU Power Limit을 설정하고 Windows 로그인 시 자동 적용하는 기능을 제공합니다.

또한 ASUS ROG Astral의 12V-2x6 전원 커넥터 상태를 확인하기 위해 IT8915FN 센서를 NVAPI I2C를 통해 읽어 6개 핀의 전류를 모니터링하는 기능도 추가되었습니다. 특정 핀의 전류가 0A가 되거나 9.2A를 초과할 경우 경고를 표시할 수 있으며, 사용자가 확인하면 GPU를 50% 이상 사용 중인 프로세스를 종료하는 보호 기능도 선택적으로 사용할 수 있습니다.

이 프로그램은 C++17과 Win32 API를 기반으로 개발되었으며 GDI+, PDH, DXGI, NVML 등의 기술을 활용하여 Windows 10/11 환경에서 구동됩니다. GpuTray는 MIT 라이선스로 공개되어 있으며, 개발자들이 하드웨어 상태를 보다 통합적으로 모니터링할 수 있는 실용적인 도구를 제공합니다.

미국 에너지부(U.S. Department of Energy)가 제네시스 오픈 모델즈 이니셔티브(Genesis Open Models Initiative)를 출범시켰다는 소식입니다. 이 이니셔티브는 오픈 모델 연구 및 개발을 촉진하기 위한 정부 차원의 노력의 일환으로 진행됩니다.

이번 발표는 정부 기관이 오픈 모델 생태계에 대한 지원과 참여를 확대하려는 의지를 보여준다는 점에서 개발자 커뮤니티에 중요한 의미를 가집니다. 이는 연구 및 상업적 목적으로 오픈 모델을 활용하고 개선하는 데 필요한 자원과 환경을 조성하는 데 기여할 것으로 기대됩니다.

개발자들은 이 이니셔티브를 통해 새로운 오픈 모델에 접근하고 협력할 수 있는 기회를 얻게 될 것입니다. 구체적으로 어떤 모델이나 기술에 초점이 맞춰질지는 향후 발표될 세부 계획을 통해 확인해야 합니다.

이 소식은 오픈 모델 분야의 연구와 개발에 정부 차원의 자원이 투입되고 있음을 시사하며, 향후 관련 프로젝트와 모델 개발에 영향을 미칠 수 있습니다.

월마트가 후원한 게임 미디어 웹사이트인 Restart가 편집팀 전체를 해고했다는 소식이 전해졌습니다. 이 소식은 사이트의 전 편집장인 브랜디 버셀슨이 금요일에 게시한 글을 통해 밝혀졌으며, 다른 직원들 역시 해고 사실을 알렸습니다.

Restart는 콘텐츠 마케팅 에이전시인 문록(Moonrock)이 운영하고 있지만, 웹사이트는 월마트가 이를 지원하고 있다고 주장합니다. 이 관계는 웹사이트 운영 방식에 중요한 맥락을 제공합니다.

웹사이트의 운영 방식에 따르면 월마트는 게임을 언급할 때 파트너 추적 코드를 사용하여 월마트로 연결되는 구매 링크를 제공하며, 사용자가 제품을 구매할 경우 판매 금액의 0%를 제공하는 방식으로 참여하고 있습니다. 이는 월마트가 콘텐츠와 직접적인 상업적 연관성을 통해 수익을 창출하는 구조를 보여줍니다.

유럽의 무료 위성 영상 서비스인 코페르니쿠스 브라우저가 산불 감지를 더욱 쉽게 할 수 있도록 업데이트되었습니다. 이는 거의 10년 전부터 시작된 산불 시각화 스크립트를 통해 가능했으며, 유럽 우주국(ESA)의 센티넬 위성 데이터를 활용하여 산불 모니터링을 용이하게 합니다.

코페르니쿠스 브라우저는 유럽 연합의 지구 관측 프로그램의 일환으로 센티넬 위성의 최신 영상에 무료로 접근할 수 있게 제공합니다. 특히 센티넬-2 임무의 세 위성은 가시광선 및 근적외선 밴드에서 10미터 해상도로 다중 스펙트럼 이미지를 제공하여 산불 감시에 매우 유용합니다.

이번 업데이트로 코페르니쿠스 브라우저에는 센티넬-2 영상에 대한 간편한 산불 시각화 레이어가 추가되어 8월 4일부터 제공되고 있습니다. 사용자가 이 레이어를 클릭하면 활성 화재는 흰색 또는 노란색으로, 불타는 식물은 빨간색으로, 그리고 소실된 지형은 짙은 갈색 또는 검은색으로 표시되어 산불 상황을 즉각적으로 파악할 수 있습니다.

Nixpkgs 코어 팀이 해체되었다는 결정이 내려졌습니다. 이는 팀이 지난 10개월 동안의 성과에도 불구하고, 원래 기대했던 활발한 기술 기여를 위한 가벼운 역할이 되지 못했으며 지속 가능하지 않다는 판단에 따른 것입니다. 팀은 현재의 구조가 지속 불가능하다고 판단했으며, 이로 인해 발생한 인력 이탈과 신규 멤버 모집에 대한 혼재된 반응을 근거로 해체를 결정했습니다.

팀은 해체의 원인이 단일 사건이 아니라 장기간에 걸친 구조적 문제들이 누적된 결과라고 설명합니다. 특히 스티어링 위원회(Steering Committee, SC)가 위임에 대한 본질적인 직관이 부족하고, 팀원들의 개별 결정에 충분히 참여하지 못하며, 명확하지 않은 소통으로 인해 비효율성이 발생했다고 지적했습니다. 이러한 문제들은 GSoC, 보조금, AI 정책 등 중요한 사안에 대한 조정 부족과 모더레이션 및 GitHub 조직 개혁과 같은 Nixpkgs 관련 사안에서 느린 진행으로 나타났습니다.

결과적으로 코어 팀은 자신들의 거버넌스 모델이 위임된 지역 거버넌스 팀에 더 적합하며, 상위 수준의 의사결정보다는 분권화된 팀에 더 적합하다고 보았습니다. 팀은 앞으로 상위 거버넌스가 참여를 통해 기술 중심의 리더십을 위임하는 것이 가능할 것이라고 믿으며, 명확하고 가벼운 의사결정 프로세스가 Nixpkgs를 강화하는 데 필수적이라고 강조했습니다.

사바나 경찰국은 플록 안전 시스템 오용을 이유로 6명의 직원에게 해고 조치했습니다. 이는 경찰이 법적 권한 없이 개인적인 관계에 대한 검색을 수행하고 외부 기관에 접근 권한을 부여한 행위가 조사에서 드러나면서 발생했습니다.

사법 당국은 이 6건의 사건에 대해 조지아 법무부(GBI)에 독립적인 형사 조사를 의뢰했습니다. 경찰 내부 조사는 직원들이 법 집행 기술 및 자원의 사용에 관한 부서 정책을 위반했음을 확인했으며, 시스템 감사 및 감독을 통해 이러한 비정상적인 활동이 감지되었습니다.

플록 안전 플랫폼은 모든 검색 활동을 누가, 언제, 왜 수행했는지 자동으로 기록하며, 경찰은 필수적인 교육과 역할 기반 접근 통제를 통해 안전 장치를 마련하고 있었습니다. 현재 내부 조사는 마무리되었고 해고가 결정되었으나, GBI의 형사 조사는 계속 진행 중입니다.

경찰국과 시는 진행 중인 형사 조사와 직원 이의 제기 절차 때문에 해고된 직원들의 이름은 공개하지 않기로 결정했습니다. 경찰은 이 과정이 두 절차에 방해가 되지 않도록 최대한 협력할 것이라고 밝혔습니다.

DeepSeek V4 Flash 0731 모델의 ARC-AGI 평가 결과가 발표되었습니다. 세 가지 추론 수준으로 검증한 결과, 최대 추론 수준에서 ARC-AGI-1은 89.0%, ARC-AGI-2는 61.4%의 성능을 기록했습니다.

이러한 평가를 위해 최대 추론 기준의 Semi-Private 평가 비용은 작업당 각각 $0.02와 $0.04로 집계되었습니다. 이는 모델의 추론 능력을 평가하는 데 필요한 비용 정보를 제공합니다.

추론 수준을 낮출 경우 성능에는 변화가 발생합니다. 예를 들어, ARC-AGI-1의 경우 최대 수준에서 89.0%였던 성능이 추론 수준을 낮추면 84.0%로 하락하는 것으로 나타났습니다. 이는 모델의 추론 능력과 평가 기준에 따라 결과가 달라질 수 있음을 시사합니다.