읽을 가치가 있는 기사만, 짧고 또렷하게.

Claude Opus 5.5 에이전트 10개가 15시간 만에 방향 그래프에서 정확한 최단 경로를 찾는 더 빠른 알고리즘인 C-HD를 발견하고 Lean을 사용하여 형식적으로 검증했습니다. 이 알고리즘은 기존의 최단 경로 알고리즘들이 달성한 이론적 경계를 개선한 것으로 나타났습니다.

C-HD는 노드와 엣지의 수 $n$과 $m$에 대한 복잡도 경계에서 기존의 다익스트라 알고리즘보다 더 나은 성능을 보입니다. 특히 $m \approx n\log^{3/4}n$인 그래프 환경에서 다익스트라가 $O(n\log n)$의 시간 복잡도를 가지는 반면, C-HD는 $O(n\log^{11/12}n)$의 경계를 달성했습니다. 이는 알고리즘이 반복적인 탐색과 데이터 구조 작업을 줄여 효율성을 높이는 방식으로 작동하기 때문에 가능했습니다.

이 알고리즘은 국소 불변량과 제한된 국소 탐색을 통해 반복 작업을 제한함으로써 더 나은 시간 복잡도를 달성합니다. 또한, 이 결과는 형식 검증 도구인 Lean을 통해 수학적 정확성과 효율성을 보장받았으며, 이는 알고리즘의 성능에 대한 강력한 보증을 제공합니다.

메타는 인공지능 어시스턴트인 뮤즈(Muse)가 오픈클로(OpenClaw)와 유사하다는 점을 인정했습니다. 메타의 슈퍼인텔리전스 랩스(MSL)의 제품 책임자인 냇 프리드먼(Nat Friedman)은 뮤즈가 오픈클로에서 "상당히 영감을 받아" 개발되었지만, 뮤즈 자체는 "처음부터 구축되었다"고 밝혔습니다.

프리드먼은 메타 팀이 오픈클로의 성공에 매료되어 이를 기반으로 수십억 명에게 확장할 수 있는 무언가를 만들고자 했다고 설명했습니다. 특히 오픈소스 프로젝트인 오픈클로의 성공이 메타의 전략에 영향을 미쳤으며, 이는 스냅챗이 스토리 형식을 발명했을 때와 같은 메타의 방식으로 유망한 제품의 핵심 기능을 복사하는 전략을 보여줍니다.

이러한 비교는 AI 커뮤니티에서 큰 화제가 되었는데, 일부 사용자들이 뮤즈와 오픈클로의 시스템 파일 이름이나 내용이 거의 동일하며, 특히 AI 에이전트의 성격과 행동을 정의하는 설정 파일인 SOUL.md의 내용까지 매우 유사하다는 주장을 제기했습니다. 메타 측은 이러한 유사성에 대해 직접적으로 반박하기보다는 오픈클로의 창시자인 피터 스타인버거(Peter Steinberger)가 해당 부분을 정확하게 구현했다고 언급했습니다.

결과적으로 뮤즈는 현재 애플 앱스토어에서 1위를 차지하며 챗지피티 출시 시점보다 더 빠른 속도로 성장하고 있습니다. 이는 메타가 오픈소스의 성공적인 구조를 활용하여 소비자 친화적인 AI 제품을 개발하는 데 성공했음을 시사합니다.

어도비 프리미어가 안드로이드에 강력한 비디오 편집 기능을 무료로 제공하기 시작했습니다. 이 앱은 크리에이티브 클라우드 로그인 없이도 클립을 편집할 수 있으며, 거의 모든 안드로이드 기기에서 플레이 스토어를 통해 이용 가능합니다.

안드로이드 버전 프리미어는 데스크톱 애플리케이션의 모든 기능을 제공하지는 않지만, 곧 퇴출될 프리미어 러시 앱보다 훨씬 발전된 기능을 제공합니다. 사용자는 여러 비디오 트랙을 가져와 자르고 분할하고 효과를 추가하며 최대 4K 해상도로 비디오를 내보낼 수 있습니다. 또한 클립에서 오디오를 추출하고 배경 소음을 줄이며 음성 해설을 추가하는 기능도 지원합니다.

앱은 유튜브 쇼츠 형식에 중점을 두며 기본적으로 세로 16:9 비율로 출력되지만 사용자가 원하는 대로 설정을 변경할 수 있습니다. 스마트폰에서는 타임라인이 하단에, 미리보기가 상단에 배치되어 화면을 분할하는 레이아웃을 사용합니다. 특히 폴더블 폰과 같은 다양한 폼팩터에 최적화되어 있으며, 와이드 화면 작업 시 타임라인을 상단에 배치하는 등 유연한 레이아웃 전환이 가능합니다.

OpenAI는 Jev의 범용 분류 기능을 빠르게 따라잡을 수 있는 유리한 위치에 있다고 분석됩니다. Jev의 분류 기능은 OpenAI가 이미 도구 호출 등에 활용해 온 토큰 기반 분류 방식과 밀접하게 연관되어 있습니다.

만약 TypeSafe의 학습 방식을 재현할 수 있다면 OpenAI가 독립적인 제품을 신속하게 복제할 수 있는 가능성이 열립니다. 이는 단순히 제품 복제 경쟁을 넘어선 기술적 경쟁의 양상을 시사합니다.

OpenAI는 분류 기능을 모델과 에이전트 내에서 통합하는 방향으로 경쟁을 진행하고 있습니다. 따라서 경쟁의 초점은 특정 제품의 복제에만 머무르지 않고, 모델과 에이전트 내에서 분류 기능을 어떻게 구현하고 활용할지에 맞춰질 것입니다.

해킹 그룹 ShinyHunters가 FBI를 침해하여 수천 명의 에이전트와 지원자의 데이터를 탈취했다고 주장했습니다. 이들은 자신들이 FBI 에이전트와 그 배우자들의 이름, 주소, 전화번호와 같은 민감한 정보를 훔쳤다고 주장하며 다크웹에 이를 공개했습니다.

해커들은 이번 해킹이 금전적 동기가 없으며, FBI가 자신들에 대한 허위 주장이 담긴 보고서를 삭제할 것을 요구하고 있다고 밝혔습니다. 이들은 HR 및 채용 담당자가 개인 정보를 저장하는 데 사용되는 Oracle PeopleSoft 서버를 침해한 후, 에이전트 및 지원자 데이터를 보관하는 Amazon 호스팅 정부 클라우드로 공격 경로를 전환했다고 설명했습니다.

이러한 데이터 유출은 주요 대외첩보 위협을 제기하며, 해커와 해외 스파이가 이 정보를 이용하여 FBI 에이전트와 그 가족을 외국 정부에 협력하도록 강요하거나 협박하는 데 사용될 수 있습니다. 이는 단순한 데이터 유출을 넘어 국가 안보 차원의 심각한 문제로 간주됩니다.

이번 사건은 올해 FBI 시스템에 대한 두 번째 알려진 침해 사례이며, 이전에 미확인 해커가 실시간 도청 및 외국의 정보 수집 영장을 관리하는 시스템에 침입한 바 있습니다. 또한 이와 별개로 이란을 지원하는 해킹 그룹인 Handala가 미국 주도의 이란 공습에 대한 보복으로 FBI 국장 카시 파텔의 개인 이메일 계정을 해킹하고 유출한 사건도 발생했습니다.

OpenAI가 GPT-6 Astra와 유사한 방법으로 훈련한 GPT-6 Sol과 Luna 모델을 출시했습니다. 이 모델들은 전문 업무 처리, 사실 정확성, 코딩, 컴퓨터 사용, 정렬 성능을 확장하여 기존 모델보다 더 빠르고 저렴하게 사용할 수 있도록 설계되었습니다.

이번 업데이트는 캐싱과 추론 효율성을 개선하여 API 가격을 인하하는 방식으로 이루어졌습니다. 이를 통해 개발자들은 향상된 효율성을 바탕으로 더 합리적인 비용으로 고성능 AI 모델을 활용할 수 있게 되었습니다.

구체적으로 GPT-6 Sol 모델의 경우 100만 토큰당 입력 비용은 2달러, 출력 비용은 1달러로 책정되었습니다. 이러한 가격 인하는 모델의 성능과 효율성을 유지하면서도 접근성을 높이는 데 중점을 두고 있습니다.

벤처 캐피털 회사인 안드레센 호로위츠(Andreessen Horowitz, A16z)가 고등학교 졸업 후 대학에 진학하지 않은 예비 창업자들을 위한 학교를 설립하며 실리콘밸리의 중퇴 선호 현상에 도전하고 있습니다. 이 학교는 기술 분야의 실무 교육과 삶의 철학을 결합한 커리큘럼을 제공하며, 학생들은 인공지능 연구 및 모델과 같은 기술 분야부터 삶의 기회에 대한 철학까지 실습하며 개인 프로젝트를 수행하게 됩니다.

이 학원의 핵심은 기술 분야의 거물들로부터 멘토링을 받는 것입니다. 이들은 안드릴(Anduril), 앤트로픽(Anthropic), 구글, 메타, 오픈AI, 엔비디아 등 10개의 주요 기업 창업자들로 구성되어 있으며, 이들 기업은 졸업생 채용에 관심을 보이고 있습니다. 이는 야코비너(Y Combinator)나 피터 틸의 펠로우십 프로그램과 유사하지만, 단순한 경험 제공을 넘어 교육 비용을 지불하고 기술 실무 능력을 습득하며 업계 내 진입 기회를 얻는다는 점에서 차별화됩니다.

현재 이 학원은 무보수로 운영되며, 실력 입증을 통해 선발된 약 50명의 학생을 대상으로 1년 과정으로 운영되고 있습니다. 다만, 이 학원은 현재 공식적으로 인증된 학교가 아니므로 졸업장이나 학점은 인정되지 않습니다. 향후 2028년에는 이 학교가 2년 과정으로 확장될 예정이며, 이때는 엘리트 사립 대학과 유사한 수준의 등록금을 부과할 계획입니다.

브래드 몬태거의 글은 삶과 죽음, 그리고 경험의 가치에 대한 깊은 성찰을 담고 있습니다. 이 글은 워렌 제본과 데이비드 레터만의 대화를 인용하며, 우리가 매 순간을 어떻게 대해야 하는지에 대해 질문을 던집니다. 특히 삶의 모든 순간과 경험을 즐겨야 한다는 메시지를 통해, 우리는 더 많은 가치를 부여하고 있음을 깨닫게 됩니다.

글쓴이는 말기 암 진단을 받으며 삶의 본질에 대해 고민하는 과정에서 이러한 깨달음을 얻었습니다. 그는 여행 중 좋지 않은 샌드위치를 먹었던 경험을 통해, 모든 것이 완벽할 것이라는 기대를 버리고 현실을 받아들이는 태도의 중요성을 강조합니다. 이는 기대와 실망 사이에서 우리가 놓치기 쉬운 핵심을 발견하게 합니다.

결국 글은 "한 입 베어 물고 맛보라. 당신은 여기에 있다"는 메시지를 통해, 모든 경험을 있는 그대로 인식하고 현재에 집중하는 것이 중요하다고 말합니다. 이는 삶의 불확실성과 어려움 속에서도 현재를 인식하고 그 자체를 소중히 여기는 태도를 촉구하는 내용입니다.

애플은 시리(Siri) 출시와 관련하여 기만당했다고 느낀 구매자들에게 보상으로 최대 95달러를 지급할 수 있습니다. 이 보상은 해당 조건에 맞는 적격 아이폰을 구매한 사람들에게 적용됩니다.

이러한 보상 청구를 원하는 사람은 12월 21일까지 신청을 완료해야 합니다. 애플은 이와 관련하여 총 2억 5천만 달러 규모의 합의금을 지급하는 것으로 알려져 있습니다.

이 소식은 시리 출시 과정에서 발생한 소비자 기만 문제에 대한 보상 절차를 안내하는 것입니다. 따라서 해당 조건에 부합하는 구매자들은 기한 내에 정해진 절차에 따라 보상을 청구할 수 있습니다.

Unreal Agent는 생산 워크로드 및 코딩/과학 벤치마크에서 Codex 대비 최대 40%, Pi 대비 최대 20%의 비용 절감을 달성하면서도 성능 저하 없이 작동하는 에이전트 하네스입니다. 이는 에이전트가 도구 호출을 관리하는 데 드는 오버헤드를 줄이기 위해 도구 호출을 완전히 비동기적으로 처리하는 새로운 구조를 도입하여 모델이 대기, 폴링, 하트비트 등을 관리할 필요가 없도록 설계되었습니다.

이러한 비동기 접근 방식은 사용자가 도구 호출이 완료되기를 기다리지 않고 에이전트를 제어할 수 있게 하며, 모델 호출 사이에 더 유용한 도구 호출 작업을 스케줄링하여 비용 효율성을 높입니다. 개발팀은 기존 SDK들이 로컬 세션, 서브프로세스, 리소스 제한 등에 대한 가정으로 인해 실제 운영 환경에서 복잡한 라이프사이클 관리와 보안 문제를 야기한다고 분석했습니다.

Unreal Agent는 최소화된 하네스 크기와 도구 출력 사용의 신중한 엔지니어링을 통해 비용 절감을 달성하며, 모델당 더 많은 도구 호출을 허용하여 토큰 낭비를 줄이는 방식으로 효율성을 확보했습니다. GPT-6 Astra xhigh, Codex, Pi 등 다양한 벤치마크에서 Unreal Agent는 Terminal-Bench 4.0, SWE-Atlas Codebase QnA, DeepSWE 등 여러 작업에서 경쟁 모델들과 유사하거나 우수한 성능을 보였습니다.

현재 Unreal Agent SDK는 코드베이스에 직접 통합할 수 있는 Go 라이브러리, claude와 유사한 실행기, 그리고 Harbor와 호환되는 벤치마크 실행기를 제공합니다. 이 도구를 통해 에이전트 개발자들이 비용 효율적이면서도 강력한 에이전트 시스템을 구축하는 데 필요한 기반을 마련할 수 있습니다.

애플 매직 키보드에 대한 특별 할인이 진행 중입니다. 베스트 바이와 아마존에서 이 제품을 평소 가격보다 30달러 할인된 169.99달러에 판매하고 있으며, 이 할인은 2026년 9월 22일 자정까지 유효합니다. 이 키보드는 터치 ID 버튼, 숫자 패드, 화살표 키, 추가 기능 키가 포함된 풀 사이즈 무선 키보드입니다.

이 키보드의 터치 ID 기능은 애플 실리콘 기반의 macOS 버전 15.1 이상에서 작동하도록 호환됩니다. 이는 애플 실리콘을 사용하는 맥 사용자에게 매우 중요한 호환성 정보입니다.

해당 키보드는 충전 및 데이터 전송을 처리하는 직조된 USB-C 케이블을 사용하거나 블루투스를 통해 무선 연결이 가능합니다. 또한, 검은색 애플 액세서리는 흰색 모델보다 가격 프리미엄이 높고 할인 빈도가 적다는 점을 고려하면 이번 할인은 주목할 만합니다.

디스코드(Discord)는 전 세계적으로 확대되는 연령 확인 법규에 대응하여 개인 정보 보호를 중시하는 방식으로 연령 보증 솔루션을 도입합니다. 이 업데이트는 텍사스나 브라질 등 여러 지역에서 연령 확인 법규가 확장됨에 따라 이루어졌으며, 생체 정보나 신분증 공유에 대한 사용자들의 회의론을 고려하여 최소한의 정보로 연령을 확인하는 방식을 채택했습니다.

새로운 시스템은 사용자의 메시지나 통화 내용 같은 콘텐츠를 검토하지 않고, 계정 생성 기간이나 참여 중인 서버 유형과 같은 계정 신호를 기반으로 연령 그룹을 자동으로 추정합니다. 이로써 사용자 중 90% 이상은 연령을 직접 확인하는 절차를 거치지 않아도 되며, 이는 개인 정보 보호를 최우선으로 하는 접근 방식입니다.

사용자는 사용자 설정의 계정 상태에서 자신의 연령 그룹을 확인할 수 있으며, 이 그룹에 따라 차등적인 안전 보호 기능이 적용됩니다. 성인 연령 그룹(18세 이상)의 경우 변경 사항은 없지만, 청소년 연령 그룹(13세~17세)의 경우 연령 제한 콘텐츠나 공간에 대한 추가적인 안전 보호 조치가 적용됩니다.

OpenAI는 GPT-6 Sol과 Luna를 소개하는 기사를 발표했습니다. 이 발표는 GPT 모델의 새로운 발전 방향에 대한 정보를 제공하며 개발자 커뮤니티의 관심을 끌고 있습니다.

해당 기사는 GPT-6 Sol과 Luna에 대한 구체적인 내용을 다루고 있으며, 이는 OpenAI가 향후 모델 개발에 있어 어떤 변화를 도입했는지에 대한 중요한 단서를 제공합니다. 개발자들은 이 새로운 모델들이 기존 GPT 아키텍처에 어떤 개선 사항을 포함하고 있는지, 그리고 이들이 실제 애플리케이션에 어떤 영향을 미칠지 주목하고 있습니다.

GPT-6 Sol과 Luna에 대한 상세한 기술적 설명과 맥락은 해당 기사를 통해 확인할 수 있습니다. 이 정보를 통해 사용자는 OpenAI의 최신 모델 업데이트가 기술적으로 어떤 의미를 가지는지 파악하고 향후 개발 방향을 설정하는 데 도움을 받을 수 있습니다.

OpenAI가 비용 절감과 오류 감소를 내세운 GPT-6 Sol과 Luna 모델을 출시했습니다. 이 모델들은 이전 세대 모델인 GPT-6 Astra의 지능을 더 효율적이고 접근하기 쉽게 확장하는 것을 목표로 합니다. Sol은 코딩과 같은 복잡한 작업에 적합하며, Luna는 문서 요약이나 정보 추출 같은 대량의 업무에 적합하도록 설계되었습니다.

OpenAI는 캐싱 및 추론 개선을 통해 GPT-6 모델의 API 접근 비용을 5.6 시리즈 대비 절반으로 낮췄다고 밝혔습니다. 특히 내부 사실성 평가 결과에 따르면, GPT-6 Sol은 이전 모델보다 오류 발생률이 절반으로 줄어들어 더 낮은 비용으로 Astra 수준의 신뢰도를 달성했습니다.

이러한 개선을 통해 OpenAI는 경쟁사인 Anthropic의 최고 모델들보다도 Sol과 Luna가 특정 작업을 훨씬 더 잘 처리한다고 주장하고 있습니다. 이 새로운 모델들은 현재 ChatGPT Work 및 Codex, 그리고 API를 통해 유료 계정 사용자에게 제공되며, Luna는 데스크톱 앱과 무료 및 Go 사용자에게도 제공됩니다.

확산 대규모 언어 모델(dLLM)은 자기회귀 모델의 대안으로 주목받고 있지만, 비효율적인 추론으로 인해 실제 배포에 제약이 있습니다. 이는 효과적인 키-값(KV) 캐싱 및 확장 가능한 병렬 디코딩 메커니즘이 부족하기 때문이며, 기존 가속 방법들이 캐시 재사용과 병렬 토큰 검증이 결합될 때 발생하는 I/O 병목 현상을 간과했습니다.

이 연구는 이러한 문제를 해결하기 위해 훈련 없이 dLLM 추론을 가속하는 프레임워크인 Flash-dLLM을 제안합니다. Flash-dLLM은 KV 캐시 활성화된 dLLM 추론에서 GPU 메모리 I/O가 주요 병목임을 식별하고, 불필요한 메모리 이동을 줄이는 I/O 인식 융합 KV 캐시 커널을 사용하여 이를 해결합니다.

나아가 Flash-dLLM은 dLLM 자체가 초안 작성자와 검증자 역할을 수행하는 효율적인 KV 캐시 기반 초안 작성 및 검증 디코딩 전략을 제시합니다. 이 통합된 설계는 생성 품질을 유지하면서 더 빠른 디코딩을 가능하게 하고, 더 긴 시퀀스와 더 큰 배치 크기로의 확장성을 개선합니다.

수학적 추론 및 코드 생성 벤치마크에 대한 광범위한 실험 결과, Flash-dLLM은 기존의 최신 dLLM 가속 방법들을 추론 속도와 메모리 효율성 모두에서 일관되게 능가했습니다. 특히 GSM8K에서는 기존 Elastic-Cache 대비 5.1배, HumanEval에서는 11.0배의 속도 향상을 달성했습니다.

본 연구는 저차원 잠재 동역학 및 알려지지 않은 시스템 모델을 가진 분산된 부분 관측 팀 의사결정 문제를 다룹니다. 제안된 프레임워크는 팀 이론적 동등성과 저차원 모델 표현을 결합하여, 전이 모델에 대한 사전 지식 없이 부분 관측 마르코프 결정 과정(POMDP)에서 협력적 의사결정을 해결합니다.

이 방법은 각 팀원이 자신의 지역 사적 정보와 팀 전체에서 지연되어 공유되는 공통 정보를 기반으로 의사결정을 내리도록 설계되었습니다. 각 구성원은 이러한 정보를 사용하여 근사적인 저차원 마르코프 결정 과정(MDP)을 학습하고 최소 제곱 가치 반복(least-squares value iteration)을 적용하여 정책을 계산합니다. 이 과정을 통해 중앙 집중식 조정자나 중앙 집중식 훈련 없이 완전히 분산된 학습 및 계획 알고리즘을 얻을 수 있습니다.

연구 결과는 분산된 구성원들의 해답이 중앙 집중식 팀 해답을 근사한다는 것을 보여줍니다. 부분 관측성, 알려지지 않은 동역학, 지연된 공통 정보에도 불구하고 각 구성원은 근사적인 팀 최적 정책의 해당 구성 요소를 복구할 수 있습니다. 또한, 제안된 알고리즘에 대해 유한 샘플 성능 보장을 확립하고 이에 상응하는 샘플 복잡도 상한을 도출했습니다.

복잡한 작업을 수행하는 멀티 에이전트 시스템은 작업을 동시에 실행하여 지연 시간을 줄일 수 있습니다. 하지만 기존의 멀티 에이전트 하네스는 작업 할당과 작업자 조정에 있어 중앙 오케스트레이터의 능력에 의해 확장성이 제한되는 한계가 있었습니다.

이러한 한계를 극복하기 위해 중앙 오케스트레이터 없이 확장 가능한 자가 조직형 멀티 에이전트 하네스인 Agensh를 제안합니다. Agensh는 동시 작업자들이 협력 루프를 실행하며 컨텍스트를 수집하고 하위 작업을 자율적으로 할당하며 행동을 공유하고 결과를 검증하는 과정을 비동기적으로 수행합니다. 이 루프는 공유 작업 공간, 메시지 인터페이스, 공유 컨텍스트라는 세 가지 구성 요소로 지원됩니다.

Agensh의 확장성을 평가한 결과, 에이전트 수를 늘릴수록 성능이 향상됨을 확인했습니다. ProgramBench 작업에서 에이전트 수를 1에서 128개로 확장했을 때 평균 최종 테스트 통과율은 19.31%에서 28.78%로 약 49% 상대적인 개선을 보였습니다. 또한 pandoc 작업에서 에이전트 수를 1에서 1,024개로 확장했을 때 최종 테스트 통과율은 33.89%에서 55.06%로 상승했습니다.

이러한 결과는 조직의 규모가 커짐에 따라 자가 조직형 협력의 다양한 형태가 점차 나타나고 표준화됨을 보여줍니다. 이는 에이전트 수가 멀티 에이전트 조직을 확장하여 일반 지능의 경계를 넓히는 새로운 확장 차원이 되며, 엄격한 지연 시간 제약 조건 하에서 복잡한 작업을 해결하는 실용적인 해결책을 제공합니다.

다자간 대화 환경에서 장기적인 대화 기억을 위해서는 단순히 관련 콘텐츠를 검색하는 것을 넘어 누가 무엇을 말했는지, 각 발언이 누구를 참조하는지, 개인 간의 인식은 어떠한지, 그룹이 공유하는 정보는 무엇인지, 그리고 시간이 지남에 따라 상태가 어떻게 변화했는지를 구별해야 합니다. 기존의 범용 LLM 메모리 시스템은 이러한 관계나 그룹 정보를 잃거나, 구성원, 그룹, 시간 전반에 걸쳐 분산된 단서를 통합하는 데 어려움을 겪는다는 연구 결과가 있습니다.

이러한 문제점들은 다자간 대화에서 메시지 귀속 및 관계 이해, 그리고 교차된 기록으로부터 상태 재구성이라는 두 가지 핵심 병목 현상을 드러냅니다. 이를 해결하기 위해 연구진은 SpeakerMem-R1을 제안했는데, 이는 화자 레이블이 지정된 원문 메시지와 개인 수준 및 그룹 수준으로 구성된 파생된 상태를 저장하는 이중 트랙 메모리를 사용합니다. 이 시스템은 질의 시점에 엔티티, 이벤트, 시간으로부터 두 트랙의 증거를 결합하여 정보를 제공합니다.

SpeakerMem-R1은 메시지 귀속 및 업데이트 오류를 줄이면서 로컬 배포를 가능하게 하기 위해 SpeakerLevenshtein 및 화자 조건부 GRPO를 사용하여 Writer-R1을 훈련시켰습니다. GroupMemBench, SocialMemBench, EverMemBench 등의 벤치마크에서 SpeakerMem-R1은 각각 47.9%, 69.2%, 61.9%의 이진 정확도를 달성했습니다. 특히 EverMemBench 리더보드에서는 62.33%의 결과를 기록하며 최신 최고 수준의 프레임워크 중 가장 좋은 결과를 보였습니다. 또한 두 사람 간의 장기 대화 경계 테스트인 LoCoMo 질문에서는 70.85%의 정확도를 달성했습니다.

추가 실험 결과, 강화 학습(RL)을 적용했을 때 SFT Writer의 평균 정확도는 57.38%에서 68.20%로 향상되었습니다. 또한, 원문 트랙과 구조화된 트랙, 그리고 개인 수준 및 그룹 수준의 뷰가 표준화된 평가 인터페이스 하에서 상호 보완적임을 입증했습니다.

에이전트가 복잡한 문제를 해결하기 위해 수백만 토큰의 컨텍스트가 필요하지만, 제한된 컨텍스트 창 때문에 세션 간에 정보를 압축하는 것이 필수적입니다. 이에 본 연구진은 경계가 설정된 컨텍스트 내에서 비용을 최대 50%까지 줄이면서 성능을 유지하거나 개선하는 자동 압축 기법인 CliffCompaction을 개발했습니다.

CliffCompaction의 핵심은 정보를 재구성하거나 다시 작성하지 않고 단순히 내용을 잘라내거나 삭제함으로써 압축된 정보의 충실도를 유지하는 데 있습니다. 이로 인해 컨텍스트 드리프트가 누적되는 것을 방지하며, 수백만 토큰에 이르는 세션에서 지속적인 학습이 가능해집니다.

이 기술은 다양한 벤치마크에서 효율성을 입증했습니다. Terminal-Bench에서는 두 번의 전체 컨텍스트 실행 비용보다 적은 비용으로 10퍼센트 이상의 성능 향상을 달성했습니다. 또한 병렬 테스트 시간 스케일링 환경에서 Kimi K2.6이 Opus 4.7과 일치하며, Opus 4.6 및 GPT-5.3 Codex보다 낮은 비용으로 성능을 능가했습니다.

KernelBench에서는 일반적인 압축 기법임에도 불구하고, 200단계 후 CUDA 커널 속도에서 2.23배, 400단계 후에는 3.58배의 속도 향상을 달성하여 전문 검색 알고리즘과 훈련된 에이전트를 능가했습니다. 연구진은 이 CliffCompaction을 Claude Code, Codex 등 다양한 도구에서 사용할 수 있는 스캐폴드에 구애받지 않는 API 프록시 구현으로 공개했습니다.

SWE-Serve는 프로덕션 추론 엔지니어링 작업에 대한 에이전트를 평가하기 위한 벤치마크입니다. 추론 기능을 구현하려면 모델 지원, 런타임 실행, 공개 API를 포함하여 서빙 스택 전반에 걸쳐 여러 변경 사항을 조정해야 합니다. 기존 벤치마크들은 추론에 대한 충분한 커버리지를 제공하지 못하며, 대부분의 소프트웨어 엔지니어링 벤치마크는 추론을 다루지 않거나, 전용 추론 벤치마크는 저장소 규모의 프로덕션 기능 구현보다는 격리된 커널 생성이나 성능 최적화에 중점을 둡니다.

SWE-Serve는 SGLang의 최근 프로덕션 변경 사항에서 파생된 53개의 저장소 기반 작업을 포함하며, 여섯 가지 추론 엔지니어링 분야를 포괄합니다. 각 작업은 CPU 또는 단일 GPU(H100)에서 실행되며, 숨겨진 기능 및 회귀 테스트와 적용 가능한 경우 종단 간(E2E) 서빙 테스트 및 보정된 성능 게이트를 통해 평가됩니다. 이 벤치마크는 작업의 유효성과 평가 무결성을 보장하기 위해 실행 가능한 no-op 및 오라클 제어, 적대적 검증기 검토 등을 지원합니다.

이 벤치마크는 에이전트가 작업을 로컬에서 완료하는 것과 프로덕션 정확도를 달성하는 것 사이에 상당한 격차가 있음을 드러냅니다. 종단 간 커버리지가 있는 19개 작업에서 모델 서빙 E2E 테스트는 다른 모든 테스트를 통과하는 패치 중 약 3분의 1을 거부합니다. 이는 검증기 하에서 45.9%이지만 E2E 테스트를 제외한 점수에서는 69.4%의 통과율을 보이며, 각 모델의 최적 구성에 따라 통과율이 증가합니다.

SWE-Serve는 프로덕션 정확도 격차를 직접 측정할 수 있게 함으로써, 미래의 에이전트가 단순히 작업을 로컬에서 완료하는 것을 넘어 프로덕션 정확도를 달성하는 방향으로 나아가는지를 추적할 수 있는 기반을 제공합니다.