읽을 가치가 있는 기사만, 짧고 또렷하게.

최근 LLM은 Gated DeltaNet(GDN)이나 Kimi Delta Attention(KDA)와 같은 선형 어텐션 방식을 채택하여 컨텍스트를 고정된 크기의 순환 상태로 압축합니다. 이러한 방식은 장문 처리 비용을 크게 줄이지만, 순환 상태를 반복적으로 읽고 업데이트하는 과정이 추론의 주요 병목 현상을 야기합니다. 양자화는 이 비용을 줄이는 자연스러운 방법이지만, 반올림 오류와 상태 내의 이상치 때문에 모델 품질이 크게 저하될 수 있습니다.

이에 본 논문은 8비트 순환 상태 양자화 하에서 거의 손실 없는 성능을 달성하는 학습 없는 방법인 LeapQuant를 제안합니다. 오류 누적을 완화하기 위해 토큰 윈도우를 건너뛰고 윈도우 끝에서만 상태를 양자화하는 윈도우별 양자화 기법을 도입했습니다. 또한, 양자화로 인해 발생하는 오류를 줄이기 위해 상태의 가장 큰 이상치를 고정밀 보상 토큰으로 보존하고 나머지 잔여분을 양자화 전에 평활화하는 방법을 사용합니다.

Qwen, Kimi, GLM 모델군에 대한 포괄적인 실험 결과, LeapQuant는 추론 시 메모리와 컴퓨팅 비용을 실질적으로 줄였습니다. 이 방법은 FP32 기준과 유사한 정확도를 유지하면서, NVIDIA B200, RTX PRO 6000, RTX 5090 GPU에서 커널 수준에서 평균 2.05~3.70배, 종단 간 추론에서 1.47배의 속도 향상을 달성했습니다.

최근 위성 이미지 시계열 데이터의 구획화 및 경계 탐지를 위한 연구에서 새로운 하이브리드 모델인 PAtteRNS를 제시했습니다. 이 모델은 Sentinel-2 다중 스펙트럼 SITS 데이터의 시간적, 스펙트럼적, 공간적 측면에 대해 각각 셀프 어텐션 메커니즘을 사용하는 최초의 모델이며, 트리플 요인 셀프 어텐션의 계산 복잡도를 줄이는 새로운 병렬 트랜스포머 아키텍처를 도입했습니다.

제안된 PAtteRNS 아키텍처는 인공적으로 완전히 분해된 어텐션을 달성하여 모델의 효율성을 높이며, PASTIS 및 MTLCC 데이터셋의 다양한 타일 크기 변형에 대해 기존의 최신 모델들보다 우수한 작물 클래스 분할 성능을 보였습니다. 특히 경계 IoU 측정에서 비교 모델들보다 우수한 성능을 보였으며, 구획 경계 품질에 대한 중요한 통찰을 제공합니다.

하지만 연구 결과는 데이터셋 구축에 있어 중요한 제약 사항을 지적합니다. 데이터셋 내의 잘못된 클래스 그룹화는 모델 성능에 상당한 부정적 영향을 미칠 수 있으며, 또한 데이터셋의 대체 타일 크기 변형에 따라 결과가 비교 불가능하게 달라지므로 모델 성능을 공정하게 비교하는 데 문제가 발생합니다.

따라서 연구진은 SITS 작물 분할 데이터셋을 구축할 때 최적의 성능을 위해 모범 사례를 표준화하고 향후 동적 타일 크기 설정을 가능하게 하는 추가 연구가 필요하다고 제안합니다.

언어 모델을 이용한 그래프 재구성 평가에서 일반적으로 원본과 재구성된 그래프 간의 단일 집계 거리가 보고됩니다. 본 연구는 라플라시안 스펙트럼 간의 와서슈타인 거리(Wasserstein distance)에 대해 이러한 요약 정보가 두 개의 엣지 수, 즉 아래쪽의 엣지 수 변화량과 위쪽의 대칭 차이로 경계 지어진다고 증명합니다. 이 경계는 매우 명확하며, 재구성이 엣지를 추가하거나 삭제하는 경우에만 두 끝이 일치합니다.

이러한 경계가 분리될 때, 거리와 하한 사이의 잔여분이 양수라는 것은 재구성이 엣지를 발명하고 동시에 잃었음을 의미하며, 이는 보고된 요약 정보만으로 계산 가능한 혼합 편집(mixed editing)의 증명으로 이어집니다. 연구진은 세 개의 오픈 웨이트 모델을 사용하여 45개의 합성 그래프에 대해 135번의 재구성을 분석했으며, 77개의 결과는 일방적인 변화였고 29개의 결과는 혼합 편집($X>0$)을 포함했습니다.

세 모델은 입력 복사부터 큰 환각(hallucination) 볼륨을 감수하는 완성 시도에 이르기까지 편집 정책이 다르며, 이러한 차이는 집계된 왜곡으로는 드러나지 않습니다. 따라서 그래프 재구성 평가 시 단순한 집계 거리 외에 혼합 편집 여부를 구분하는 추가적인 정보를 고려해야 합니다.

감정 조건부 텍스트 음성 합성(TTS) 모델은 요청된 감정을 안정적으로 표현하는 데 어려움이 있으며, 이를 개선하기 위한 추가 훈련은 계산 비용과 감정 레이블이 있는 음성 데이터 모두에서 비용이 많이 듭니다. 따라서 연구진은 고정된 모델의 내부 표현을 수정하는 훈련 불필요 접근 방식인 벡터 스티어링을 연구했습니다. 기존 방법인 CoCoEmo는 각 감정 벡터를 단일 전역 강도로 제어되는 불가분한 방향으로 취급하여 요청된 감정에 대한 부합도를 제한합니다.

연구 결과, 감정 벡터는 중립적인 표현에서 벗어나게 하는 공유 구성 요소와 요청된 감정으로 생성 방향을 지시하는 잔여 구성 요소로 분해될 수 있음을 발견했습니다. 이를 바탕으로 연구진은 백본 모델을 재훈련하지 않고도 두 구성 요소를 제어하는 새로운 방법인 감정 잔여 강화 스티어링(Emotion Residual-Enhanced Steering for TTS, EmoRES)을 제안했습니다.

IEMOCAP 데이터셋에서 EmoRES는 IndexTTS-2 및 CosyVoice2 백본에서 CoCoEmo보다 모든 네 가지 객관적인 감정 측정 지표에서 더 우수한 성능을 보였습니다. 특히 순위 상관관계는 118.8%와 33.1%의 상대적 이득으로 향상되었고, 감정 적중률은 20.1%와 9.8%의 상대적 이득으로 향상되었습니다.

인간 평가 결과, 청취자들이 지배적인 요청 감정을 올바르게 식별하는 비율이 최대 35.0% 향상되었으며, 충실도(fidelity)는 최대 17.3% 개선되었고, 자연스러움 측면에서 청취자들이 최대 63.8%의 쌍별 비교에서 EmoRES를 선호했습니다. 효과적인 제어는 공유 구성 요소를 보존하면서 감정 스티어링 벡터의 잔여 부분을 강화할 때 달성됨을 구성 요소 제거 분석이 입증했습니다.

긴 비디오에 대한 질문에 답하려면 여러 시간 또는 여러 날에 걸친 동일한 객체에 관련된 사건들을 연결해야 합니다. 그러나 시간 순서에 따른 설명이나 텍스트 기반 개체는 물리적 정체성을 해결하지 못하는 경우가 발생합니다. 즉, 서로 다른 객체들이 동일한 설명을 공유할 수 있으며, 동일한 객체에 대한 관찰은 사건들 간에 단절될 수 있습니다. 따라서 관련 사건을 검색하는 것만으로는 질문이 다루는 특정 개체의 '전기(biography)'를 복구하지 못합니다.

이 문제를 해결하기 위해 연구진은 Grounded Entity Biographies(GEB)라는 장기 비디오 메모리 프레임워크를 제안했습니다. GEB는 동일한 물리적 인스턴스에 대한 시각적으로 근거가 있는 관찰들을 클립들 전체에 걸쳐 검색 가능한 전기(biography)로 그룹화하면서 각 순간의 맥락을 보존합니다. 질문 응답 과정에서 이 전기 정보는 에피소드 증거와 함께 검색되어, 메모리 구축 중에 확립된 정체성 링크를 사용하여 모델이 사건을 따라 개체를 추적할 수 있게 합니다.

GEB를 사용한 평가 결과는 일주일 또는 하루 단위의 녹화본을 포함한 네 가지 벤치마크에서 기존 메모리 프레임워크보다 멀티플 선택 및 개방형 질문 응답 모두에서 개선을 보였습니다. 특히 EgoLifeQA 벤치마크에서 GEB는 72.0%의 정확도를 달성했으며, 이는 기존 최고 공개 결과보다 4.4 퍼센트 포인트 높은 수치입니다. 추가 분석 결과에 따르면, 정체성 연관(grounded identity association)과 전기 읽기(biography reading) 모두가 성능 향상에 기여하며, 단순히 추가적인 설명만으로는 이러한 개선을 완전히 복구할 수 없음을 보여줍니다.

트랜스포머 기반 언어 모델은 정보가 깊은 레이어에서 얕은 레이어로 피드백되지 않고 디코딩된 토큰을 통해서만 아래로 흐르는 순방향 구조를 가지고 있습니다. 이러한 좁은 채널은 모델이 중간 결과를 재계산하고 대안적인 연속을 버리도록 강제합니다. 이 연구는 사전 학습 과정에서 이러한 병목 현상을 제거하기 위해 잠재 정보 피드백 트랜스포머(LIFT) 아키텍처와 훈련 방법을 도입합니다.

LIFT는 순환 상태 학습을 교사 주도 예측 문제로 전환하여 생성 과정 전반에 걸쳐 상태를 전파할 수 있게 합니다. 구체적으로 각 입력 토큰은 사용 가능한 사전 학습된 언어 모델의 다음 토큰 분포에서 파생된 정보 밀도 상태와 쌍을 이루며, 모델은 다음 토큰과 다음 상태를 모두 예측하도록 훈련됩니다. 이 방식은 입력 상태를 미리 계산함으로써 사전 학습이 위치별로 완전히 병렬적으로 진행되게 합니다.

실험 결과, LIFT는 언어 모델링, 다운스트림 추론, 절차적 작업 등에서 토큰 기반 예산 내에서 표준 트랜스포머 및 기준 모델보다 일관되게 우수한 성능을 보였습니다. 특히, 상태 추적 작업에 대한 통제된 연구에서는 동일한 크기의 트랜스포머가 8배 더 많은 데이터로 훈련되었을 때의 상태조차도 LIFT가 능가하는 결과를 보였습니다.

결론적으로 이 연구는 언어 모델이 확장 가능한 교사 감독을 통해 사전 학습 중에 깊은 레이어에서 얕은 레이어로의 피드백을 학습할 수 있음을 보여줍니다. 이는 모델이 내부 상태를 활용하여 더 효율적으로 정보를 처리하고 추론 능력을 향상시킬 수 있는 새로운 방법을 제시합니다.

OpenAI가 ChatGPT의 오피스 기능을 구현한 새로운 소프트웨어 스위트를 출시하며 마이크로소프트와 직접적인 경쟁 구도에 들어갔습니다. 이번 발표는 샌프란시스코에서 열린 개발자 컨퍼런스 데이에서 이루어졌으며, 이는 AI 연구소가 전통적인 소프트웨어 기업의 핵심 영역인 업무 공간 소프트웨어 분야로 확장하려는 움직임을 보여줍니다.

주요 신규 기능으로는 공유 작업 공간인 Space가 있으며, 이곳에서는 동료들과 챗봇 및 OpenAI의 AI 에이전트 페르소나(Dots)와 협업할 수 있습니다. 또한, 인간과 에이전트의 협업을 위해 설계된 새로운 문서 작성기인 Pages를 출시했으며, 이는 구글 문서나 마이크로소프트 워드의 대안으로 소개됩니다.

더불어, ChatGPT 내에서 대화만으로 슬라이드를 생성하고 여러 작업자가 함께 댓글을 달고 편집할 수 있는 협업 슬라이드 기능도 함께 공개되었습니다. 이러한 움직임은 OpenAI가 마이크로소프트, 세일즈포스 등 다른 소프트웨어 회사들과 경쟁하며 AI 소프트웨어 시장의 판도를 바꾸려는 전략의 일환으로 해석됩니다.

OpenAI가 GPT-6 Sol의 업그레이드 모델인 GPT-6.1 Sol을 공개했습니다. 이 모델은 코딩, 에이전트, 컴퓨터 사용, 전문 업무 및 과학 연구 전반의 성능을 크게 개선하는 데 중점을 두었습니다.

GPT-6.1 Sol의 가장 큰 특징은 GPT-6 Astra에 근접한 수준의 성능을 훨씬 낮은 비용으로 제공한다는 점입니다. 이는 개발자와 사용자에게 고성능 AI 기능을 훨씬 경제적인 비용으로 접근할 수 있는 기회를 제공합니다.

구체적인 성능 비교를 위해 DeepSWE v1.1 벤치마크에서 GPT-6.1 Sol은 GPT-6 Astra와 대등한 수준의 성능을 약 1/5의 비용으로 달성했습니다. 이러한 결과는 복잡한 전문 작업이나 연구 분야에서 비용 효율성을 극대화하면서도 최첨단 AI 성능을 활용하고자 하는 개발자들에게 중요한 의미를 가집니다.

AI 연구자들은 초지능이 소리 나는 만큼이나 위험하다는 영상을 공개하며 인류 멸종의 가능성에 대해 경고하고 있습니다. 전 OpenAI 및 Google DeepMind 직원이었던 제프리 어빙은 새로운 인터뷰에서 인류 멸종의 가능성은 동전 던지기와 같다고 밝혔습니다.

이러한 발언은 OpenAI, Google, Anthropic 등 주요 AI 기업의 현직 및 전직 직원들을 포함한 다수의 AI 연구자들과의 인터뷰에서 나왔습니다. 이 인터뷰는 AI의 능력과 동기를 연구하는 비영리 단체인 팔리세이드 리서치(Palisade Research)에 의해 수집되어 공개되었습니다.

연구자들 중 일부는 AI가 인류를 멸종시킬 수 있다는 가능성에 대해 경고했습니다. 구글 딥마인드의 연구 과학자인 닐 난다(Neel Nanda)는 AI가 인류를 멸종시키는 데 최소 10퍼센트의 가능성이 있다고 언급했습니다.

OpenAI가 GPT-6.1 Sol을 공개하며 에이전트 코딩, 컴퓨터 사용, 전문 업무 분야에서 GPT-6 Astra에 근접하는 성능을 제공하는 업그레이드 모델을 발표했습니다. 이 새로운 GPT-6 Sol은 기존의 고성능 모델에 준하는 성능을 제공하면서도 비용 효율성을 극대화하는 데 중점을 두고 개발되었습니다.

GPT-6.1 Sol의 가장 큰 특징은 가격 경쟁력입니다. 표준 입력 및 출력 토큰 가격은 GPT-6 Astra의 가격보다 5분의 1 수준으로 책정되어 사용자들에게 훨씬 접근하기 쉬운 사용 환경을 제공합니다. 이는 고성능 AI 기능을 더 많은 개발자와 사용자에게 보급하려는 OpenAI의 전략을 반영합니다.

특히, DeepSWE v1.1 모델은 GPT-6 Astra와 유사한 성능을 약 5분의 1의 비용으로 달성할 수 있음을 보여주며, 이는 GPT-6 Sol이 제시하는 효율성과 성능의 균형을 입증합니다. 따라서 GPT-6 Sol은 고성능 AI를 합리적인 비용으로 활용하고자 하는 개발자들에게 중요한 대안이 될 것입니다.

애플이 ICE 추적 앱과 같은 앱들을 앱스토어에서 제거한 조치로 인해 비판에 직면하고 있습니다. 이러한 조치는 트럼프 행정부의 주장으로 촉발되었는데, 해당 앱들이 경찰관들에게 위험을 초래했다는 주장이 제기되었기 때문입니다.

미국 하원의원 제이미 라스킨(Jamie Raskin)은 애플이 앱의 안전 문제에 대한 증거가 없다고 지적하며, 오히려 이민자 사망 통계를 사용하여 미국인들이 ICE 활동을 기록하고 보고할 권리를 제한했다고 비난했습니다. 라스킨 의원은 애플이 정부와 협력하여 고객들의 수정헌법 제1조에 따른 정부 활동 기록 및 보고 권리를 침해하고 있다고 주장했습니다.

이러한 논란은 애플이 앱을 삭제한 행위가 단순한 안전 조치가 아니라, 미국 시민의 기본 권리를 제한하는 행위로 해석될 수 있다는 점을 부각합니다. 이는 애플의 콘텐츠 관리 정책과 정부의 법적 요구 사이에서 발생하는 헌법적 권리 문제에 대한 논쟁을 심화시키고 있습니다.

네덜란드 경찰은 사이버 범죄 조직인 샤이니헌터스(ShinyHunters)의 해커를 체포했는데, 이 해커가 자신의 노트북에 두 명의 살인 계획을 세웠다고 기소되었습니다. 이 해커는 전 세계 140개 이상의 조직을 해킹한 것으로 알려진 이 범죄 조직의 일원이며, 이들은 랜섬웨이를 요구하며 데이터를 훔치는 방식으로 활동해 왔습니다.

경찰은 암스테르담에서 온 24세 남성을 체포했으며, 이 남성은 샤이니헌터스에 참여한 혐의로 구금되었습니다. 경찰은 이 남성의 노트북에서 해외에서 저질되어야 할 두 명의 살인에 관한 정보가 발견되어 그가 살인 계획을 조직하려 했다고 보고 있습니다. 이 사건은 샤이니헌터스 자체의 해킹 조사와는 별도로 진행되고 있습니다.

샤이니헌터스 조직은 FBI 시스템에 침입하여 요원 및 지원자의 개인 정보, 신체 샘플, 정신과 보고서 등 민감한 데이터를 유출했다고 주장했습니다. 해커들은 이러한 데이터 유출이 금전적 동기가 아닌 FBI의 주장에 이의를 제기하기 위한 목적으로 이루어졌다고 밝혔습니다. 이로 인해 해커는 데이터 유출과 관련하여 추가 조사를 받고 있습니다.

ChatGPT Pro의 다양한 티어에 대한 정보가 공개되었습니다. 이 정보는 사용자가 ChatGPT Pro 서비스를 이용할 때 선택할 수 있는 옵션과 각 티어별로 제공되는 기능 및 사용 한도를 이해하는 데 도움이 됩니다.

현재 제공되는 ChatGPT Pro 티어는 사용자의 요구 사항과 사용량에 따라 맞춤 설정되어 있으며, 이는 서비스 접근성과 기능 범위에 차이를 만듭니다. 특히 'ChatGPT Pro 500'과 같은 특정 티어는 일반적인 Pro 서비스와는 구별되는 고유한 기능과 한계를 가지고 있습니다.

각 티어는 접근 가능한 모델 성능, API 사용량, 그리고 기타 고급 기능에 대한 구체적인 제약 사항을 포함하고 있습니다. 따라서 사용자는 자신의 개발 프로젝트나 서비스 요구 사항에 가장 적합한 티어를 선택하여 최적의 경험을 할 수 있습니다.

이러한 티어 구조를 이해하는 것은 API 통합이나 대규모 애플리케이션을 구축할 때 비용 효율성과 성능을 고려하는 데 매우 중요합니다. 사용자는 각 티어의 세부 조건과 제한 사항을 확인하여 서비스의 잠재력을 최대한 활용할 수 있습니다.

AI 기반 앱 제작 도구인 Wabi가 개인 AI 에이전트이자 메시징 경험으로 방향을 전환하고 있습니다. 이 회사는 이제 사용자가 원하는 인터페이스를 즉시 만들고 작업을 수행할 수 있는 AI 메신저를 개발하는 Wabi 2.0을 선보입니다.

Wabi 2.0은 단순한 대화를 넘어 사용자의 삶에 맞춰 작동하고 필요한 인터페이스를 만들어주는 '개인 에이전트'를 목표로 합니다. 이는 기존의 채팅 중심 에이전트가 사용자의 기록과 작업을 무심코 묻어버리는 문제점을 해결하고, 사용자가 단순히 입력하는 것을 넘어 시각적으로 상호작용하며 원하는 것을 얻을 수 있도록 하는 데 중점을 둡니다.

Wabi의 목표는 대화와 생산성 작업을 하나의 인터페이스에서 결합하여 AI 에이전트가 사용자의 삶에서 중요한 부분들을 함께 관리하는 운영체제(OS)를 구축하는 것입니다. 예를 들어, 사용자는 수면 추적기나 가족 활동 캘린더 같은 앱을 에이전트에게 요청하여 즉시 생성할 수 있습니다.

현재 Wabi 2.0은 초대 코드를 통해 제한적으로만 접근 가능하며, 이는 OpenAI와 같은 다른 기업들이 챗봇 사용자 인터페이스 내에서 앱이 작동하는 방식에 대해 고민하는 흐름과 맥을 같이 합니다.

Razer DeathStalker V2 Pro TKL 무선 게이밍 키보드가 현재 우트(Woot)에서 정가 219.99달러에서 130달러로 할인 판매되고 있습니다. 이 키보드는 경쟁적인 게임 환경을 위해 설계되었으며, 낮은 지연 시간의 2.4GHz 무선 연결과 일반적인 기계식 스위치보다 가벼운 터치로 빠른 활성화를 가능하게 하는 저프로파일 리니어 광학 스위치를 채택했습니다.

이 키보드는 TKL 레이아웃으로 숫자 패드가 없어 마우스를 위한 더 넓은 책상 공간을 확보할 수 있으며, USB-C 및 블루투스 연결을 지원하여 다양한 기기와 무선으로 사용할 수 있습니다. 또한, RGB 조명을 끄면 최대 200시간, 조명을 반으로 줄이면 최대 50시간까지 배터리가 지속되므로 장시간 사용에 유리합니다.

Razer 제품은 스냅 탭(Snap Tap, SOCD) 기능을 제공하여 1인칭 슈터에서 좌우 이동 키를 빠르게 전환할 수 있게 하지만, 이 기능은 현재 Counter-Strike 2에서 Valve에 의해 금지된 상태입니다.

한편, 다른 관련 할인 정보로는 리마스터된 게임 타이틀과 가전제품 할인 정보가 있습니다. The Witcher 3: The Wild Hunt 리마스터 버전은 Steam, GOG, Epic Games, Xbox, PlayStation 등 여러 플랫폼에서 할인된 가격으로 구매할 수 있습니다. 또한, 아마존 파이어 TV 큐브 3세대 모델은 199.99달러에서 89.99달러로 할인 중이며, Fellow Stagg EKG 전기 주전자도 할인된 가격으로 제공되고 있습니다.

OpenAI가 GPT-6 Astra를 기반으로 하는 새로운 개인 에이전트 비서인 Dots를 출시했습니다. Dots는 특정 하드웨어나 인터페이스에 구애받지 않고 사용자가 정의한 목표를 지속적으로 백그라운드에서 수행하며 최소한의 감독으로 작동하도록 설계되었습니다. 이는 기존의 Codex나 ChatGPT와 달리 독립적인 에이전트 행동에 중점을 두고 다양한 기능을 통합한 것입니다.

Dots는 소프트웨어 개발자가 고객 피드백을 모니터링하고 버그를 수정하는 작업이나 과학자가 실험 데이터를 재분석하는 작업 등 다양한 시나리오에서 활용될 수 있습니다. 사용자는 Slack이나 Teams 같은 조직 플랫폼을 통해 Dots와 메시지를 주고받을 수 있으며, 향후 텍스트 메시지 지원도 추가될 예정입니다.

이 에이전트는 개별 Dots가 특정 신원, 자격 증명, 도구를 기존 시스템을 통해 부여받아 '전문가 Dots'처럼 특정 책임을 맡도록 설계될 수 있습니다. 또한 OpenAI는 Microsoft의 Agent 365 보안 제어와 통합을 진행하고 있으며, 이는 에이전트 시스템의 보안과 안정성을 강화하는 데 중요한 맥락을 제공합니다.

개발자가 제작한 작동하는 3D 엔지그마 기계 모델에 대한 내용입니다. 이 프로젝트는 엔지그마 기계의 내부 메커니즘을 역사적으로 정확하게 구현하는 데 중점을 두고 개발되었습니다.

작성자는 레퍼런스 이미지와 수백 개의 상세 프롬프트를 사용하여 내부 부품을 구축하고, 모든 부분이 역사적으로 정확한 크기와 위치에 있도록 확인하기 위해 자체 검사 도구를 만들었습니다. 이는 단순한 모델링을 넘어 복잡한 암호 기계의 작동 방식을 시뮬레이션하는 데 필요한 세밀한 디테일과 정확성을 확보하는 데 많은 노력이 들어갔음을 보여줍니다.

기계의 작동 원리 설명은 회전기(rotor), 플러그보드(plugboard), 링 설정 등 복잡한 암호화 과정을 단계별로 상세히 다루고 있습니다. 이 과정은 독일 군대가 제2차 세계 대전 중 암호 메시지를 전송하는 데 사용했던 엔지그마 기계의 역사적 배경과 작동 절차를 이해하는 데 도움을 줍니다.

현재 이 모델은 지속적으로 발전 중이며, 개발 과정에 대한 피드백을 환영하고 있습니다. 엔지그마 기계의 복잡한 기계적 및 암호학적 구조를 시각화하고 구현하려는 시도가 흥미롭습니다.

OpenAI가 개발한 AI 에이전트인 Dots Are Always-On AI Agents가 등장하여 앱 연결 및 다단계 작업 수행을 목표로 합니다. 이 에이전트들은 사용자의 애플리케이션에 연결되어 복잡한 여러 단계를 거치는 작업을 처리할 수 있도록 설계되었습니다.

이러한 에이전트의 등장은 AI 에이전트 시장에서 새로운 접근 방식을 제시하며 주목받고 있습니다. 특히 OpenAI의 이 기술은 Meta의 Muse와 같은 경쟁 모델에 대한 대안으로 제시되며, 개발자들이 실제 애플리케이션 환경에서 AI를 활용하는 방식을 변화시킬 잠재력을 가지고 있습니다.

이는 AI 에이전트가 단순한 텍스트 생성을 넘어 실제 시스템과 상호작용하며 복잡한 사용자 작업을 자동화하는 방향으로 발전하고 있음을 보여줍니다. 개발자들은 이러한 에이전트가 앱 연동과 다단계 작업 수행에 어떻게 활용될 수 있는지 구체적인 구현 방안을 탐색할 필요가 있습니다.

OpenAI가 Meta의 Muse AI에 대응하여 자체적인 에이전트 도우미인 Dots를 출시했습니다. OpenAI는 Dots가 사용자의 선호도를 학습하면서 연결된 앱 전반에서 "거의 모든 것"을 수행할 수 있는 상시 AI 비서 역할을 한다고 발표했습니다.

Dots는 OpenAI의 강력한 GPT-6 Astra 모델을 기반으로 작동하며, 자체 클라우드 컴퓨터를 사용하여 웹 브라우저와 4,000개 이상의 지원 앱에 접근할 수 있습니다. 이는 사용자가 백그라운드에서 다양한 작업을 처리하고 개인화된 경험을 할 수 있도록 설계된 것입니다.

사용자는 Muse와 유사한 텍스트 메시지 형태의 인터페이스를 통해 Dots와 상호작용할 수 있으며, 웹, 데스크톱, 모바일에서 ChatGPT를 통해 음성 통화도 가능합니다. 이처럼 Dots는 단순한 챗봇을 넘어 실제 앱 환경에서 작동하는 에이전트 기능을 제공하며 AI 비서 시장의 경쟁을 심화시키고 있습니다.

OpenAI가 ChatGPT 플러그인 기능을 앱과 유사한 인터페이스 및 자동화 기능을 통해 대폭 확장했습니다. 개발자들은 이제 플러그인 확장 기능을 사용하여 ChatGPT 내에서 자체적인 앱 경험을 구축할 수 있게 되었습니다.

새로운 기능에는 ChatGPT 사이드바에 앱을 위한 전용 홈, 사용자가 채팅하면서 도구를 사용할 수 있는 인터랙티브 패널, 그리고 개발자가 사용하는 파일 형식을 지원하는 파일 뷰어가 포함됩니다. 또한 개발자들이 플러그인을 구축하고 디렉토리에 제출하는 과정이 간소화되었으며, 플러그인 검색 및 추천 시스템도 개선되었습니다.

더 나아가 OpenAI는 플러그인에 대한 접근 권한을 개별적으로 승인할 수 있게 하고, ChatGPT 사이트가 플러그인을 호스팅할 수 있도록 지원하여 개발자들이 앱을 동료와 공유하는 것이 가능해졌습니다. 또한 연결된 앱의 이벤트에 기반한 자동화를 허용하는 MCP 이벤트 사양 지원과 자동화 관리 기능도 추가되었습니다.