읽을 가치가 있는 기사만, 짧고 또렷하게.

미국 연방항공청(FAA)이 통신 문제로 인해 일부 미국 동부 해안 공항의 항공편 운항을 중단시켰습니다. 이는 광섬유 라인 절단으로 인해 통신 시스템에 문제가 발생했기 때문입니다.

이러한 운항 중단은 동부 해안의 주요 공항에서 발생했으며, 이는 항공 교통 관리와 통신 인프라의 연결성에 심각한 영향을 미쳤음을 시사합니다. 해당 사건은 물리적인 통신 인프라의 손상이 항공 운항이라는 광범위한 시스템에 직접적인 영향을 미치는 사례입니다.

이번 사태는 통신망의 물리적 연결 상태가 대규모 운송 시스템의 안정성에 얼마나 중요한지 보여줍니다. 개발자 관점에서 볼 때, 이러한 사건은 광섬유와 같은 핵심 인프라의 무결성과 통신 시스템의 복원력에 대한 중요성을 강조합니다.

라즈베리 파이에서 RAM 칩 교체가 차단되는 상황에 대한 내용입니다. 이는 라즈베리 파이 사용자들이 시스템의 메모리 구성에 대해 제약을 받게 됨을 의미합니다.

해당 기사는 라즈베리 파이의 하드웨어 수정 및 업그레이드 과정에서 RAM 칩 교체가 제한되는 기술적 배경을 다루고 있습니다. 이 제한은 특정 시스템 안정성이나 설계 제약과 관련되어 있을 가능성이 높습니다.

개발자들은 이러한 제한 사항이 시스템의 성능이나 커스터마이징 가능성에 어떤 영향을 미치는지 확인해야 합니다. 따라서 라즈베리 파이 시스템을 구축하거나 수정할 때 메모리 구성에 대한 제약 조건을 반드시 고려해야 합니다.

Anthropic이 Fable 5 모델을 구독 요금제에서 상시 이용할 수 있도록 제공한 이후 사용자들이 상당한 성능 저하를 체감하고 있습니다. 사용자들은 모델이 전반적으로 더 둔해진 듯한 느낌을 받았다고 보고했지만, 이러한 성능 저하의 구체적인 원인은 아직 명확하게 설명되지 않고 있습니다.

이러한 체감 성능 저하에 대한 구체적인 데이터는 다섯 가지 측정 방식을 통해 확인되었습니다. 측정 결과에 따르면 8월의 사고 토큰 수는 7월보다 증가한 것으로 나타났습니다. 이는 Fable 5의 상시 이용 환경에서 모델의 처리 속도나 효율성에 변화가 발생했음을 시사합니다.

개발자들은 모델의 성능 변화에 주목해야 하며, 단순히 사용자 경험뿐만 아니라 측정된 토큰 수와 같은 정량적인 지표를 통해 변화의 맥락을 파악하는 것이 중요합니다. 향후 Anthropic 측에서 성능 변화에 대한 상세한 설명을 제공할 것으로 예상됩니다.

npm 수학 라이브러리가 왜 암호화된 로더를 필요로 하는지에 대한 분석은 오픈 소스 소프트웨어 공급망 보안의 심각한 취약점을 드러냅니다. 악의적인 Rust 크레이트가 빌드 시점에 페이로드를 실행하며, 이 페이로드는 특정 수학 방정식을 해결했을 때만 해독되어 실행되도록 설계되어 있습니다. 이 과정에서 라이브러리의 행렬 데이터가 암호화 키로 사용되어 악성 코드가 숨겨지고 실행되는 메커니즘이 발견되었습니다.

분석 결과, 공격자는 수학 라이브러리 내부의 특정 함수 호출을 통해 암호화된 코드를 해독하고 로더를 로드하는 방식으로 악성 코드를 주입했습니다. 특히, 라이브러리의 솔버 함수 내에서 발생한 추가적인 호출이 암호화된 파일의 경로와 비밀번호를 생성하는 데 사용되어, 개발자가 신뢰하는 라이브러리 자체에서 보안 위협이 발생할 수 있음을 보여줍니다.

이러한 취약점은 개발자가 사용하는 의존성 패키지 전체에 걸쳐 잠재적인 위험을 내포하고 있습니다. 만약 이러한 암호화된 로더가 코드베이스에 침투할 경우, 공격자는 사용자 시스템에서 임의의 명령을 실행할 수 있게 됩니다. 따라서 개발자는 단순히 패키지 설치뿐만 아니라, 의존성 전체의 실행 흐름과 암호화 메커니즘에 대한 심층적인 보안 검증이 필요합니다.

미국과 중국은 인공지능(AI) 붐 속에서 점점 더 긴밀하게 연결되고 있으며, 이는 협상에서 하드웨어 수출과 기술 제한을 중요한 협상 카드로 만들고 있습니다. 이러한 지정학적 연결은 AI 기술 공급망과 관련하여 양국 간의 경쟁이 심화되고 있음을 의미합니다.

특히 AI 개발에 필수적인 희토류와 핵심 광물에 대한 통제는 양국의 기술 패권 경쟁에서 중요한 요소로 작용하고 있습니다. 따라서 향후 양국 간의 무역 및 기술 협상에서 이러한 자원과 기술 제한이 핵심적인 협상 수단으로 사용될 가능성이 높습니다.

개발자들은 이러한 국제적 긴장 상황이 AI 하드웨어 및 기술 접근성에 미칠 영향을 고려해야 합니다. 이는 특정 기술의 수출 제한이나 관세 부과가 글로벌 AI 생태계의 발전 속도와 비용에 직접적인 영향을 미칠 수 있음을 의미합니다.

결론적으로, AI 기술의 발전은 단순한 기술 경쟁을 넘어 국제 정치 및 경제적 역학 관계와 깊이 얽혀 있으며, 개발 환경에 영향을 미치는 외교적 맥락을 이해하는 것이 중요합니다.

핵융합 스타트업인 카이로스 파워가 구글을 위한 원자로 건설을 위해 삼성 그룹으로부터 최대 1억 달러를 확보했습니다. 이는 삼성물산이 엔지니어링 서비스와 지분 투자를 제공하는 방식으로 이루어지며, 구글의 요구에 맞춰 2030년까지 50메가와트 시범 원자로를 건설하는 것을 목표로 합니다.

카이로스는 현재 테네시주 오크리지에 두 개의 원자로를 건설 중이며, 이 중 하나인 헤르메스 2 원자로는 2030년에 가동을 시작할 예정입니다. 이 원자로는 고온의 불소염 냉각 기술을 사용하여 압력 수준을 낮춤으로써 안전성을 확보하며, 핵연료를 TRISO 형태로 포장하여 멜트다운 위험을 방지하는 기술을 사용합니다.

이러한 프로젝트는 인공지능 데이터 센터의 급증하는 전력 수요에 대응하는 핵에너지 스타트업의 흐름 속에 있습니다. 구글은 이미 카이로스와 협력하여 2035년까지 0.5기가와트의 전력을 생산할 수 있는 원자로 건설을 요청한 바 있습니다.

이 거래는 AI 시대의 대규모 컴퓨팅 인프라가 안정적인 전력 공급을 위해 어떻게 첨단 에너지 기술과 협력하는지를 보여주는 사례입니다. 카이로스는 이 계약을 통해 향후 원자로 건설에 필요한 추가적인 단계들을 삼성물산의 지원을 받아 더욱 신속하게 진행할 계획입니다.

시간 기반 통신 시스템에서 발생하는 특정 실패 모드를 회피하는 방법에 대한 논문입니다. 이 연구는 시간 기반 통신 시스템에서 발생하는 'babbling-idiot failure'를 방지하는 데 중점을 두고 있습니다.

이러한 실패는 시스템의 정확성과 신뢰성에 심각한 영향을 미칠 수 있으므로, 시간 기반 통신 시스템을 설계하고 구현하는 개발자들에게 중요한 고려 사항을 제시합니다. 특히 통신 시스템의 동기화 및 타이밍 오류가 시스템 전체의 안정성에 미치는 영향을 다룹니다.

논문은 시간 기반 시스템의 복잡성으로 인해 발생하는 오류를 최소화하고, 시스템이 의도한 대로 정확하게 작동하도록 보장하기 위한 구체적인 방법론을 탐구합니다. 이는 시스템의 안정성과 예측 가능성을 높이는 데 기여합니다.

데스크톱 사용 범위는 넓어졌지만 사용자 경험(UX)은 지난 20년간 거의 정체되어 있다는 지적이 제기되었습니다. 이러한 상황에서 리눅스 커뮤니티는 마이크로소프트의 실험 결과를 기다리기보다는 직접 새로운 사용 방식을 탐색해야 할 필요가 있습니다.

창, 파일, 클립보드를 빠르게 조작하는 직접 조작 방식은 강력한 기능을 제공하지만, 사용자가 작업의 맥락과 과정을 기억해야 하는 숙제를 안고 있습니다. 이는 효율적인 작업 흐름을 위해서는 단순히 기능의 제공을 넘어 사용자가 환경과 상호작용하는 방식 자체에 대한 깊은 이해가 필수적임을 시사합니다.

따라서 데스크톱 환경의 발전은 단순히 기능 추가에 머무르지 않고, 사용자가 작업의 맥락을 기억하고 환경과 상호작용하는 새로운 방식을 탐색하는 방향으로 나아가야 합니다. 이는 데스크톱 UX의 정체를 극복하고 진정한 혁신을 이루기 위한 중요한 과제입니다.

최근 연구는 비디오 게임이 시각 이해, 지시 분해, 목표 계획, 정밀한 행동 제어 능력을 다차원 시간 범위에 걸쳐 측정할 수 있는 AI 모델의 측정 장으로 활용될 수 있음을 제시합니다. 기존의 데이터셋과 벤치마크는 게임의 범위가 좁거나 언어 지시가 부족하거나 높은 분산을 가진 온라인 실행에 의존하는 한계를 가지고 있습니다. 이러한 문제를 해결하기 위해 연구진은 다양한 모델 패밀리에 걸쳐 여러 시간 범위에서 게임플레이 능력을 측정하는 통합 데이터 및 평가 스위트인 GameHorizon을 소개했습니다.

GameHorizon 스위트는 세 가지 구성 요소로 이루어져 있습니다. 첫째, 다중 시간 범위 지시에 대한 확장 가능하고 자동화된 주석 파이프라인인 GameHorizon-Annotator가 있습니다. 둘째, 이 파이프라인을 활용하여 시간적으로 정렬된 비디오, 플레이어 행동, 다중 시간 범위 지시를 포함하는 최초의 대규모 AAA 게임플레이 데이터셋인 GameHorizon-Data를 구축했습니다. 이 데이터셋은 21개 게임에서 수집된 5,000시간 분량의 녹화본과 100명의 인간 전문가 플레이어에 의해 수집되었습니다.

세 번째 구성 요소인 GameHorizon-Bench는 재현 가능한 오프라인 및 단계적 온라인 테스트를 통해 모델의 능력을 평가합니다. 오프라인 트랙은 표준화된 질문을 사용하여 평가를 재현 가능하게 하며, 온라인 트랙은 오프라인 점수가 실제 게임플레이 능력과 일치하는지 확인하고 장기 시간 범위 게임플레이 내의 실패를 특정 단계로 국소화합니다. 연구진은 GameHorizon 스위트를 기반으로 47개 모델을 백만 회 이상의 모델 호출을 통해 평가했으며, 이를 통해 작업 난이도의 의미 있는 계층 구조와 모델 능력의 뚜렷한 차이를 발견했습니다.

이 연구는 시간 범위와 모델 패밀리에 걸친 게임플레이 능력을 평가하기 위한 표준화된 척도를 제공하며, 향후 연구를 촉진하기 위해 데이터셋, 주석 도구, 벤치마크를 공개할 예정입니다.

멀티턴 도구 사용 실패는 단일 모델 호출에 달려 있지만, 보상의 변화만으로는 어떤 호출을 훈련해야 할지 알 수 없습니다. 보상이 후속 상호작용에 의존할 경우, 보상의 변화는 현재 행동의 차이보다는 다운스트림의 무작위성을 반영할 수 있습니다. 이에 본 연구는 멀티턴 상호작용에서 훈련 가능한 상태를 식별하기 위해 Critical-State RL을 도입합니다.

이 방법은 작업 정의 후보 호출과 로컬 보상을 바탕으로 각 보상이 작업 성공에 대한 행동의 영향을 포착하는지, 그리고 참조 정책 대비 개선이 가능한지를 평가합니다. 이후 중첩 샘플링을 사용하여 행동 의존적인 보상 변화를 지속 노이즈와 분리하고, 선택된 상태에서 컨텍스트-밴딧 훈련을 통해 정책을 최적화합니다.

Berkeley Function Calling Leaderboard (BFCL) v4 실험에서 진단적으로 선택된 상태와 대안적 상태에서 훈련을 비교했습니다. 누락된 함수 작업의 경우 도구가 사용 가능해진 후의 응답을, 누락된 인수의 경우 누락된 인수가 제공되기 전의 응답을 선택하도록 진단 모듈이 작동합니다. 선택된 응답을 훈련하면 성능이 향상되어 누락된 함수 작업에서 약 14퍼센트 포인트의 성능 향상을 보였으나, 대안적 상태를 훈련했을 때는 성능이 정체되거나 더 나빠졌습니다.

연구진은 이 레시피를 모델과 작업 전반에 걸쳐 적용했으며, 기록된 반복 호출 회피 및 메모리 관리를 포함하여 적용했습니다. 이는 복잡한 멀티턴 환경에서 훈련 가능한 상태를 정확히 식별하여 효율적인 정책 학습을 가능하게 함을 의미합니다.

LLM 정렬 데이터 및 에이전트 궤적을 효율적으로 주석 처리하기 위한 대화형 도구인 onPanda를 소개합니다. onPanda는 토큰 수준 교정을 핵심 상호작용 방식으로 채택하여, 주석 작업의 효율성을 극대화합니다. 주석자는 모델 응답을 읽으면서 부적절한 첫 번째 토큰을 찾고, 모델 후보 토큰에서 대체하거나 자유 형식 편집을 통해 올바른 텍스트를 입력합니다. 시스템은 해당 위치 이후의 모든 내용을 잘라내고 수정된 접두사에서 생성을 재개하는 반복 루프를 통해 만족스러운 응답을 얻어냅니다.

이러한 메커니즘은 낮은 비용으로 모델 출력을 정밀하게 제어할 수 있게 하며, 소규모 통제 연구 결과에 따르면 onPanda는 수동 후편집 방식보다 평균 주석 처리 시간을 52% 단축시킵니다. 최종 응답의 대부분 토큰이 모델 자체에 의해 생성되기 때문에 결과 데이터는 모델의 샘플링 분포를 크게 보존하여 온폴리시 SFT 및 선호도 데이터를 구축하는 데 매우 적합합니다.

또한 주석 과정에서 기록된 토큰 수준 교정 기록은 정확한 위치와 자연스럽게 쌍을 이루는 긍정 및 부정 샘플을 제공함으로써 세밀한 감독 정보를 제공합니다. onPanda는 외부 도구와 하드웨어를 연결하여 현실적인 환경에서 상호작용적인 궤적 주석 처리를 가능하게 합니다.

연구팀은 onPanda와 함께 onPanda로 주석 처리된 데이터셋인 Panda-CVL과 토큰 수준 교정에 대한 벤치마크를 공개했습니다. 이 자료들은 LLM 정렬 데이터 구축 및 평가에 있어 새로운 방법론과 데이터셋을 제공합니다.

모바일 기기에서 구동되는 온디바이스 대규모 언어 모델(LLM)의 성능을 개인화하는 새로운 방법이 제시되었습니다. 모바일 기기의 제한된 컴퓨팅 자원은 모델의 규모와 품질에 제약을 가하며, 따라서 실질적인 품질 향상을 이끌어내는 것이 매우 중요합니다. 이 논문은 사용자 개인화에 최적화된 저랭크 적응(LoRA)을 생성하는 하이퍼네트워크를 훈련하는 방법을 제안합니다.

이 방법은 사용자의 컨텍스트 토큰을 해당 사용자에게 적합한 LoRA로 매핑하는 하이퍼네트워크를 훈련하여 공통된 결과물을 생성합니다. 훈련된 공통 결과물을 사용자 기기에 배포한 후, 각 사용자는 이 하이퍼네트워크를 사용하여 기기 내에서 개인화된 LoRA를 합성할 수 있습니다. 이는 기존의 인컨텍스트 학습(ICL)과 파라미터 효율적 미세 조정(PEFT)의 장점을 결합하면서도 단점을 회피합니다.

특히 이 접근 방식은 온디바이스 환경에서 계산적으로 실현 가능하며, 신경망의 순방향 전달만 필요하여 지연 시간 문제를 피합니다. 또한, 개인화된 LoRA는 대상 LLM의 가중치를 부분적으로 활용하므로 추가적인 저장 공간 요구 사항이 최소화됩니다. 연구진은 여러 개인화 데이터셋에서 이 하이퍼네트워크의 이점을 비교했으며, 특히 덜 연구된 장문 텍스트 생성 작업에 초점을 맞추어 그 효과를 입증했습니다.

256GB RAM을 탑재한 M5 Ultra Mac Studio는 로컬 모델 기반 개인 비서를 일상적으로 사용할 만한 속도를 제공합니다. 이 시스템은 추가 클라우드 비용 없이 작업을 수행하며, Qwen3.8-Flash-Next를 Open Minis와 Hermes Agent의 기본 모델로 활용하여 효율성을 높였습니다.

이는 개발 환경에서 로컬 LLM 기반 에이전트를 구동할 때 비용 효율성과 성능을 동시에 확보할 수 있는 구체적인 사례를 제시합니다. 사용자는 고성능 칩셋을 활용하여 클라우드 의존도를 낮추고 개인화된 AI 작업을 수행할 수 있게 됩니다.

특히 M3 Ultra 대비 응답 생성 속도는 평균 약 70% 향상되었는데, 이는 M5 Ultra 칩의 성능 개선이 로컬 추론 작업에 미치는 긍정적인 영향을 보여줍니다. 따라서 M5 Ultra Mac Studio는 로컬 AI 모델 구동 환경에서 성능과 비용 절감이라는 두 마리 토끼를 잡는 데 중요한 의미를 가집니다.

미세 조작은 시각만으로는 부분적으로 관찰되는 접촉 역학에 의존하지만, 기존의 세계 행동 모델(WAM)은 시각 중심적이어서 이러한 접촉 역학을 직접 모델링하지 못하는 한계가 있었습니다. 본 연구는 각 손가락 끝을 독립적으로 인코딩하고, 손가락 및 자세를 고려한 촉각 압축기를 통해 특징을 집계한 후, 이 촉각 잠재값을 비디오 확산 세계 모델에 주입하여 공동의 시각-촉각 세계 모델링을 수행하는 시각-촉각 WAM인 DexTacWAM을 제안합니다.

22자유도 양손 플랫폼에서 여섯 가지 접촉이 풍부한 정교한 조작 작업에 적용한 결과, DexTacWAM은 모든 작업에서 최고 점수를 달성했으며, 가장 강력한 기준선 모델(38.0점) 대비 평균 70.6점을 기록했습니다. 이러한 성능 향상은 촉각 조건만으로 모델링하는 것이 아니라 예측된 세계 상태의 일부로서 접촉 진화를 모델링함으로써 얻어졌습니다.

또한, 사전 학습된 비디오 모델을 촉각으로 확장하는 지속적인 시각-촉각 학습 방법을 제시합니다. 이 방법은 작업당 약 100개의 시연만으로 촉각 중간 훈련 없이 사전 학습된 비디오 모델을 촉각으로 확장할 수 있으며, 시각 전용 모델과 0.5dB 이내의 시각 예측 품질을 유지합니다. 촉각 압축기는 사전 융합 접촉 회상(contact recall)의 89.4%를 유지하면서 훈련 속도는 2.26배, 추론 속도는 1.29배 향상시켰습니다.

결론적으로, 이 연구 결과는 사전 학습된 비디오 선행 지식을 데이터 및 컴퓨팅 효율적인 방식으로 다중 손가락 접촉 역학으로 확장할 수 있음을 보여줍니다. 이는 분산된 다중 손가락 접촉 역학을 효율적으로 모델링하는 데 중요한 기반을 제공합니다.

에이전트 하네스(Agent harnesses)는 모델과 환경 간의 상호작용을 중재하여 에이전트 성능을 크게 향상시키지만, 이러한 성능 향상은 배포 시점의 하네스에 종속된다는 한계가 있습니다. 최적의 하네스는 도메인, 인스턴스, 모델에 따라 달라지기 때문에, 범용 에이전트는 최적화되지 않은 공유 하네스를 사용하거나 점점 증가하는 전문화된 하네스들 사이에서 경로를 찾아야 하는 문제가 발생합니다.

이에 연구진은 에이전트 하네스 증류(agent harness distillation)를 제안하며, 도메인 또는 인스턴스에 최적화된 하네스를 훈련 시간 가이드로 사용하여 그 행동을 모델 가중치로 전이시켜 단일 고정 목표 하네스 하에서도 성능 향상이 유지되도록 하는 방법을 탐구했습니다. 이 과정에서 최적화된 하네스에서 얻은 지침은 목표 하네스에 직접 적용할 수 없다는 제약이 존재합니다.

연구팀은 에이전트-로서의 하네스(agent-as-harness)를 통해 증류를 가능하게 하는 Harness-Zero를 소개했습니다. 이 방법은 최적화된 하네스에 의해 안내받아 목표 하네스의 행동 공간에서 실행 전에 학생 응답을 교정함으로써 하네스 지침을 훈련 시연으로 전환합니다. 이 결과, 전문화된 하네스를 배포 시점에 제거해도 모델의 전체 작업 성공률이 23.3%에서 44.3%로 향상되어, 하네스가 여전히 부착된 경우 달성하는 41.7%보다 더 높은 수치를 기록했습니다.

또한 Harness-Zero는 기본 모델에 존재하지 않던 하네스 유도 행동을 복구하는 데 성공했으며, 세 가지 도메인에서 28가지 패턴에 걸쳐 평균 82.3%의 복구율을 보였습니다. 이는 지식 작업, 도구 사용, 과학 도메인 등 다양한 분야에서 하네스 기반 성능 향상의 이점을 유지하면서도 배포 시점의 복잡성을 줄일 수 있음을 시사합니다.

메타의 AI 에이전트인 뮤즈가 아마존닷컴 사용이 차단되었습니다. 이는 뮤즈가 아마존에서 상품을 구매하는 데 사용되려 했을 때 사용자들에게 알 수 없는 오류 메시지가 표시되었기 때문에 발생했습니다. 아마존 측은 해당 오류 메시지가 "권한 없는 AI 에이전트의 접근은 아마존의 이용 약관을 위반하며, 고객들이 동의한 내용이다"라는 내용을 담고 있다고 밝혔습니다.

결과적으로 뮤즈는 쇼핑객으로 환영받지 못하며, AI 에이전트를 통해 아마존에서 무언가를 구매하려는 시도는 다른 경로를 찾아야 합니다. 이러한 차단은 아마존과 메타라는 거대 기술 기업 간의 관계에서 발생하는 갈등을 보여줍니다.

아마존은 자체적으로 파운데이션 모델과 인기 있는 추론 플랫폼을 보유하고 있음에도 불구하고 뮤즈에게 접근을 허용할 법적 의무가 없다고 주장합니다. 또한 아마존은 에이전트 기반 상거래 분야에 관심을 보일 수 있지만, 뮤즈가 잘못된 주문을 했을 경우 고객과 판매자 모두에게 책임을 지는 상황을 피하기 위해 출시를 잠시 보류할 수도 있습니다.

에이전트가 장기 기억과 문맥 회상을 통해 실제 행동을 수행하는 시대에, 현재의 메모리 벤치마크들은 대부분 대화형 질의응답 형식에 맞춰져 있습니다. 이러한 기존 벤치마크들은 질문 자체가 특정 사실을 검색해야 함을 나타내기 때문에, 메모리 시스템이 더 높은 점수를 얻기 위해 비용이나 시간 측면에서 비합리적인 절충을 할 수 있도록 허용합니다.

이에 저자들은 에이전트의 작업 완료를 통해 메모리를 직접 평가하는 새로운 벤치마크인 DolphinBench를 제시합니다. 이 벤치마크는 세 가지 지식-업무 페르소나를 포함하며 각 페르소나당 약 50만 토큰의 사용자 메시지를 사용하여, 해당 기록에 의존하는 작업들을 평가합니다.

DolphinBench는 메모리 시스템을 총체적으로 평가하기 위해 정확도뿐만 아니라 총 비용과 지연 시간(latency)도 평가에 포함합니다. 이를 위해 연구진은 각 페르소나별 200개 작업을 실행할 때 관련 기록이 있는 경우와 없는 경우를 모두 테스트하여, 기록이 있을 때 성공하고 기록이 없을 때 실패하도록 검증했습니다.

이처럼 DolphinBench는 기존 벤치마크들이 결합하지 못했던 정확도, 비용, 지연 시간을 모두 통합하여 에이전트 메모리 시스템을 보다 현실적으로 평가할 수 있게 합니다. 이 데이터셋과 평가 코드는 https://dolphinbench.ai에서 이용 가능합니다.

에이전트의 자율성이 증가함에 따라 확률적으로 발생하는 극히 드문 사건들이 재앙을 초래할 수 있어 안전한 배포는 사건 발생 여부가 아니라 발생 확률을 추정하는 문제에 달려 있습니다. 연구진은 에이전트의 행동 변동에서 발생하는 희귀 사건의 확률을 추정하는 문제를 다루며, 이를 위해서는 조합적으로 방대한 궤적 공간을 탐색해야 합니다. 기존의 나이브 몬테카를로 방법은 이러한 영역에서 계산적으로 비현실적이며, 효과적인 중요도 샘플링(Importance Sampling, IS) 제안을 위해서는 조건부 분포 체인의 조정이 필요합니다.

이에 연구진은 새로운 IS 방법을 개발했는데, 이는 원본 모델의 가중치를 교란하여 제안을 구성하는 방식입니다. 이 제안은 자체적으로 미분 가능하게 매개변수화된 언어 모델이므로 가중치 공간에 대한 경사 기반 탐색이 가능합니다. 또한 사건 증폭에 대한 미분 가능한 대리 모델과 추정기 안정성을 동적으로 균형 잡는 적응적 정규화 방식을 결합하여 목표를 설정했습니다.

이 접근법을 120M 및 2.6B 모델에 세 가지 사건 가족(희귀 확률 $10^{-9}$까지)에 걸쳐 평가한 결과, IS 추정기는 나이브 몬테카를로에 비해 $10^{-7}$ 미만의 확률을 가진 사건에 대해 계산 가중치 효율성에서 800배 이상의 이득을 달성했습니다. 이 연구는 희귀 사건 확률 추정의 계산적 효율성을 획기적으로 개선하여 자율 시스템의 안전성 평가에 기여합니다.

Uber와 운전자 Vu Tran이 고속도로에서 사망한 23세 에밀리 노르난딘-파커(Emily Normandin-Parker)의 부모에게 4,000만 달러를 배상하라는 중재 판정이 내려졌습니다. 이 판정은 Uber를 단순한 소프트웨어 플랫폼이 아닌 일반운송인(common carrier)으로 판단했기 때문에 발생했습니다.

중재인은 Uber의 법적 지위를 일반운송인으로 규정함으로써 운전자의 책임과 관련하여 Uber가 지는 책임을 명확히 했습니다. 이는 Uber가 제공하는 서비스가 단순한 앱 기반 연결을 넘어 실제 운송 서비스를 포함하는 운송 행위로 간주되어야 한다는 법적 해석을 반영한 것입니다.

이 결정은 플랫폼 기업이 제공하는 서비스의 법적 분류가 운송 및 책임 문제에 미치는 영향을 보여줍니다. 개발자나 플랫폼 운영자 관점에서 볼 때, 서비스의 본질이 단순한 소프트웨어 제공을 넘어 실제 물리적 운송 행위를 포함하는 경우 법적 책임과 규제 환경이 어떻게 달라지는지 이해하는 데 중요한 사례가 될 수 있습니다.

Grok 4.7은 코딩 및 지식 업무용 모델로 출시되었으며, 특히 어려운 작업에 더 오래 집중하고 자체 검증 및 긴 컨텍스트 관리를 개선한 것이 특징입니다. 이 모델은 Grok 4.6과 동일한 가격과 속도로 제공되어 효율성을 유지하면서 성능을 향상시켰습니다.

이번 업데이트는 더 큰 기반 모델을 사용하여 수 시간이 걸리는 어려운 과제 중심의 강화학습을 더 오래 적용함으로써 모델의 추론 능력을 강화했습니다. 이는 복잡하고 장기적인 컨텍스트를 처리하는 데 있어 Grok 4.7이 이전 버전보다 훨씬 뛰어난 성능을 제공함을 의미합니다.

개발자들은 Grok 4.7을 통해 복잡한 코딩 작업이나 방대한 지식 기반을 다루는 업무에서 더 깊은 집중과 정확한 결과물을 기대할 수 있습니다. 이는 모델이 단순한 응답을 넘어 자체 검증 능력을 향상시켜 복잡한 문제 해결에 더욱 적합하게 발전했음을 보여줍니다.