읽을 가치가 있는 기사만, 짧고 또렷하게.

미군은 중국 선박에 핵무기 프로그램 관련 부품이 실렸다는 허위 정보를 바탕으로 차단 작전을 준비했으나, 작전 직전에야 인공지능이 화물을 잘못 식별했다는 사실을 확인하며 위기를 겪었습니다. 이 사건은 AI가 생성하거나 처리한 정보가 실제 사실과 다를 경우, 고위험 군사 작전 계획에 치명적인 오류를 초래할 수 있음을 보여줍니다.

특수작전사령부 분석관들은 챗봇을 활용하여 공개 출처 정보와 기밀 신호 정보를 종합한 뒤, 이를 다시 인공지능에 적용하여 분석을 진행했습니다. 이는 AI가 공개 정보와 기밀 정보를 혼합하여 처리할 때 발생할 수 있는 데이터의 정확성 및 보안 문제를 시사합니다.

따라서 AI 기반 시스템을 민감한 정보 분석이나 군사 전략 수립에 활용할 때는 환각 현상이나 정보 오류 가능성을 반드시 고려해야 합니다. AI가 제공하는 정보의 출처와 정확성을 검증하는 과정이 필수적이며, 특히 기밀 정보가 얽힌 상황에서는 더욱 신중한 접근이 요구됩니다.

애플 워치 울트라 4는 건강 추적 기능이 더욱 스마트해지고 배터리 수명이 길어졌다는 점이 특징입니다. 이러한 개선 사항은 특정 사용자에게는 큰 이점을 제공하지만, 일반 사용자들에게는 애플 워치 시리즈 12만으로도 충분하다는 분석입니다.

울트라 4의 향상된 기능은 고급 건강 모니터링과 긴 사용 시간을 제공하지만, 대부분의 사용자에게는 시리즈 12 모델만으로도 충분한 경험을 제공합니다. 이는 울트라 4가 제공하는 프리미엄 기능이 모든 사용자에게 필수적인 것은 아니라는 점을 시사합니다.

따라서 사용자는 자신의 필요에 따라 기기를 선택할 때, 울트라 4의 추가적인 기능이 자신의 사용 패턴에 얼마나 중요한지 고려해야 합니다. 시리즈 12는 대부분의 일상적인 사용 환경에서 충분한 성능과 기능을 제공합니다.

거대 AI 기업들이 일시적인 중단을 합의하더라도, 그 사이에 다른 주체가 앞서나가지 못하도록 보장하는 것이 매우 까다로울 수 있다는 내용입니다. 이는 AI 분야에서 합의된 속도 조절을 실제로 강제하고 유지하는 데 있어 근본적인 어려움이 있음을 시사합니다.

AI 시스템의 속도 조절을 효과적으로 시행하기 위해서는 단순히 기업 간의 합의를 넘어, 경쟁자들이 합의된 제약을 우회하거나 속도를 높이는 행위를 실시간으로 감시하고 차단하는 메커니즘이 필요합니다. 이러한 '몰래 앞서나가기'를 방지하는 것이 기술적으로 복잡한 과제로 작용합니다.

따라서 AI 분야의 규제 및 통제는 단순히 기업 간의 약속에 의존하기보다는, 기술적 감시와 강력한 집행 메커니즘을 결합해야만 실효성을 확보할 수 있습니다. 개발자들은 이러한 환경에서 AI의 속도와 안전성을 보장하기 위한 기술적, 정책적 해결책을 모색해야 할 것입니다.

미국 연방항공청(FAA)이 항공 교통 혼잡을 관리하기 위한 인공지능(AI) 도구를 개발하고 있습니다. 이 AI 도구는 워싱턴 D.C. 지역의 혼잡한 공역 관리를 돕는 것으로 시작하며, 향후 미국 국토 전체의 2,900만 제곱마일 공역을 포괄하는 전국적인 배포를 목표로 합니다.

FAA는 이 시스템을 SMART 시스템이라고 칭하며, 항공기 스케줄, 기상, 공항 수용 능력, 공역 조건과 같은 운영 요소를 기반으로 항공 교통 흐름을 예측하고 잠재적인 충돌을 식별하는 AI 모델을 사용합니다. 이 SMART 시스템은 항공 교통 관리에 있어 예측 및 충돌 방지라는 구체적인 목표를 가지고 있습니다.

이러한 전국적인 확산에 앞서 제한된 범위에서 먼저 시스템을 도입하는 결정은 항공 안전 및 AI 거버넌스 분야의 전문가들이 지지하고 있습니다. 이는 대규모 시스템을 도입하기 전에 단계적으로 접근하는 것이 안전하고 효과적인 접근 방식이라는 판단에 따른 것입니다.

이 계획은 8억 7,500만 달러 규모로 진행되며, SMART 시스템은 9월 21일 월요일에 워싱턴 D.C. 지역의 주요 세 공항에서 시범 운영을 시작할 예정입니다.

거대 언어 모델(LLM) 시스템에서 캐시 간 직접 의미 전달 방식을 제안하는 연구가 발표되었습니다. 기존의 LLM 통신 방식은 텍스트를 통해 정보를 교환해야 하므로 풍부한 의미 정보를 손실하고 토큰 단위 생성 지연이 발생한다는 한계가 있었습니다.

연구진은 이러한 한계를 극복하기 위해 캐시 간 직접 의미 전달(Cache-to-Cache, C2C) 패러다임을 제안했습니다. C2C는 신경망을 사용하여 소스 모델과 타겟 모델의 KV-캐시를 직접 투영하고 융합함으로써 모델 간에 의미를 직접 전달합니다. 이는 중간 텍스트 생성을 피하고 두 모델의 깊고 전문화된 의미를 활용하여 효율적인 통신을 가능하게 합니다.

이 방법은 학습 가능한 게이팅 메커니즘을 사용하여 캐시 통신으로부터 이점을 얻는 타겟 레이어를 선택합니다. 실험 결과, C2C는 개별 모델보다 평균 6.4%에서 14.2% 더 높은 정확도를 달성했습니다. 또한 텍스트 통신 방식보다 약 3.1%에서 5.4% 더 우수한 성능을 보였으며, 지연 시간은 평균 2.5배 단축하는 효과를 보였습니다.

고대 그리스어의 약 1,000개 단어는 인도유럽어족이나 주변의 알려진 언어로 기원을 추적하기가 매우 어렵습니다. 이러한 단어들은 그리스인들이 도래하기 이전 에게해 지역 주민들의 언어가 남긴 흔적으로 볼 수 있습니다.

이러한 언어적 흔적을 분석하고 차용어를 판별하는 과정은 단순한 어원 추적을 넘어섭니다. 차용어의 기원을 파악하기 위해서는 어원 부재뿐만 아니라 규칙적인 음운 변화로 설명되지 않는 소리나 불규칙한 변화까지 고려해야 합니다.

따라서 고대 그리스어의 언어학적 분석은 일반적인 언어학적 방법으로는 설명하기 어려운 복잡한 음운 변화와 불규칙성을 다루어야 하는 난이도를 가집니다. 이는 고대 언어의 특성과 역사적 맥락을 이해하는 데 중요한 통찰을 제공합니다.

ChatGPT 발명가 출신인 TypeSafe AI가 새로운 AI 모델 Jev를 출시하여 개발자들에게 흥미를 주고 있습니다. Jev는 텍스트를 출력하는 거대 언어 모델(LLM)이 아닌 확률 또는 "보정된 결정(calibrated decisions)"을 생성하는 모델로, 언어를 배제함으로써 모델을 훨씬 저렴하고 빠르게 만들었습니다. 이 모델은 환각(hallucination) 현상을 방지하며, 입력 토큰은 백만 단위가 아닌 10억 단위로 측정되어 비용 효율성을 높입니다.

개발자들은 Jev를 소프트웨어 자동화에 통합하는 데 큰 관심을 보이고 있으며, 이는 코드를 통해 지능을 구현하는 더 저렴하고 강력한 방법으로 평가됩니다. 예를 들어, Jev는 작업 흐름 자동화에 유용하며, LLM 에이전트의 추적을 모니터링하고 탈옥(jailbreak)을 방지하는 데 사용될 수 있습니다. 이는 에이전트 간의 상호작용에서 발생하는 문제를 사용자에게 확률 형태로 제시하여 사용자가 판단하게 함으로써 환각 문제를 사용자에게 위임하는 방식입니다.

또한 Jev는 특정 작업에 가장 적합한 모델을 예측하는 모델 라우팅에도 활용될 수 있어 실시간 분류가 가능합니다. 이 모델은 보상 학습을 통한 보정된 결정이라는 기법으로 합성 데이터만을 사용하여 훈련되었으며, 이는 직관보다는 특정 작업에 초점을 맞춘 "시스템 원 모델(System One model)"로 정의됩니다.

이러한 유틸리티가 입증되면서 경쟁자들이 빠르게 등장할 것으로 예상되며, Jev는 지능의 비용이 하락함에 따라 광범위하게 배포되어야 한다는 경제학적 역설을 보여줍니다.

애플이 아이폰 듀오 시뮬레이터와 Xcode 27.1 베타 버전을 출시했습니다. 이는 iOS 개발을 진행하는 개발자들에게 새로운 시뮬레이션 환경과 최신 개발 도구를 제공한다는 점에서 중요한 업데이트입니다.

새롭게 제공된 아이폰 듀오 시뮬레이터는 개발자들이 실제 기기 환경과 유사한 조건에서 애플리케이션을 테스트하고 디버깅할 수 있도록 돕습니다. 이를 통해 개발 과정에서 발생할 수 있는 오류를 사전에 발견하고 보다 현실적인 사용자 경험을 구현하는 데 도움이 될 것입니다.

또한 Xcode 27.1 베타 버전의 배포는 최신 기능과 성능 개선 사항을 개발 환경에 적용할 기회를 제공합니다. 개발자들은 이 베타 버전을 통해 새로운 API 및 기능들을 미리 탐색하고 자신의 프로젝트에 적용해 볼 수 있습니다.

개발자들은 이 업데이트를 통해 새로운 시뮬레이션 환경과 최신 Xcode 기능을 활용하여 iOS 애플리케이션 개발의 효율성과 품질을 높일 수 있습니다. 다만 베타 버전의 특성상 일부 기능에 대한 불안정성이나 예상치 못한 버그가 발생할 수 있으므로 실제 상용 프로젝트에 적용하기 전에 충분한 테스트가 필요합니다.

버지니아 주지사 아비게일 스팬버거는 데이터 센터 개발에 대한 지역 사회의 참여를 강화하고 승인 절차를 늦추기 위한 조치를 주 정부에 명령했습니다. 이 조치는 세계 데이터 센터의 중심지인 버지니아 주에서 이루어졌으며, 데이터 센터 프로젝트에 대한 규제 환경에 변화를 가져올 것으로 보입니다.

주지사가 발동한 행정명령 22호는 데이터 센터 프로젝트에 대해 행정부 관계자가 기밀유지협약(NDA)에 서명하는 것을 금지하고, 소음 규제를 신속하게 처리하며 데이터 센터가 사용하는 백업 발전 운영에 대한 검토를 요구하는 등 여러 요구 사항을 포함하고 있습니다. 이는 데이터 센터 운영과 관련된 환경 및 운영상의 규제 기준을 강화하는 조치입니다.

또한 이 행정명령은 주 정부가 버지니아 주민들에게 미치는 위험을 해결하기 위해 AI 태스크 포스를 설립하여 평가하도록 지시했습니다. 개발자들은 데이터 센터 인프라 구축 시 환경 규제, 소음 문제, 그리고 AI 관련 위험 평가가 중요한 고려 사항이 될 것입니다.

디즈니가 첫 최고기술책임자(CTO)로 카란데프 아난드(Karandeep Anand)를 임명하며 기술 리더십에 변화를 주었습니다. 아난드는 디즈니의 조쉬 다마로(Josh D'Amaro) CEO에게 직접 보고하며 회사의 인프라, 제품, 엔지니어링, 데이터 및 AI 플랫폼 팀을 총괄하게 됩니다.

그는 챗봇 스타트업인 캐릭터AI(Character.AI)에서 경력을 쌓았으며, 특히 마이크로드라마 분야로 회사를 확장하는 데 주도적인 역할을 했습니다. 이러한 배경을 바탕으로 아난드는 디즈니의 기술 전략에 인공지능과 플랫폼 구축 경험을 접목시키는 역할을 맡게 됩니다.

아난드는 캐릭터AI에서 CEO로 약 1년 반을 재직하며 AI 기반 서비스와 미디어 콘텐츠 제작에 대한 깊은 이해를 쌓았습니다. 따라서 디즈니 내에서 그는 회사의 기술적 기반을 다지고 새로운 AI 플랫폼을 구축하는 데 중요한 역할을 수행할 것으로 기대됩니다.

미국 연방 법원에서 국경 수비대 요원이 영장이나 합리적인 의심 없이 휴대전화를 수색할 수 있다는 주장에 정부가 정당하다고 판결했습니다. 이는 국경 수비대 요원들이 국경 통제 과정에서 휴대폰을 수색할 수 있는 권한에 대한 법적 기준을 확장하는 중요한 판례입니다.

이번 판결은 국경 수비대 요원들이 특정 상황에서 영장이나 구체적인 소명(probable cause) 또는 합리적인 의심(reasonable suspicion) 없이도 휴대폰을 수색할 수 있는 권한을 인정받았다는 점에서 의미가 큽니다. 이는 국경 보안 및 통제 업무를 수행하는 요원들의 권한 범위에 변화를 가져올 수 있습니다.

이러한 결정은 국경 통제 상황에서 보안상의 필요성을 강조하며, 요원들이 보다 신속하게 정보에 접근할 수 있도록 법적 근거를 제공합니다. 다만, 이 판결이 모든 상황에 적용되는 것은 아니며, 수색의 범위와 절차에 대해서는 여전히 법적 논쟁이 남아있습니다.

전문적인 그래픽 디자인은 많은 상호 의존적인 행동에서 구조화되고 편집 가능한 결과물이 나타나지만, 이를 예측할 수 있는 프로그램적인 예측 도구가 없는 장기 에이전트 작업입니다. 이 논문은 고정된 프론티어 모델이 230개 이상의 도구를 사용하여 전문 디자인 소프트웨어를 작동하게 하면서, 경험을 통해 재사용 가능한 디자인 절차를 축적하고 정제하는 외부 절차적 기억(procedural memory)을 도입하는 지속적인 적응 프레임워크를 제안합니다.

이 기억은 반복되는 미해결 하위 작업에 대한 절차를 습득함으로써 확장되고, 성공 및 실패 실행을 통해 기존 절차를 수정함으로써 심화됩니다. 또한, 일치하는 재생 게이트(matched replay gate)는 성공을 저해하지 않으면서 실패를 복구하는 변경 사항만을 허용하여 안정성을 확보합니다. 연구진은 1,406건의 실제 사용자 브리프와 1,869개의 자동 평가 궤적을 대상으로 다섯 차례의 반복 실험을 진행했으며, 이 과정에서 가중치 업데이트나 인간 레이블 없이 기억 저장소의 규모를 76개 문서 기반 기술에서 139개로 늘렸습니다.

이러한 방법은 Claude-Sonnet-4 모델의 GenEval2 실행 성공률을 72.7%에서 99.3%로 크게 향상시켰으며, Claude-Sonnet-4와 Claude-Opus-4.6에서 무기술 에이전트 대비 61.8%와 67.6%의 승률을 기록했습니다. 특히 두 메커니즘을 결합했을 때, 기억 확장 또는 심화만으로는 승률이 49.4%/48.6%에 불과했지만, 두 메커니즘을 결합하면 58.5%의 승률을 달성하여 노이즈가 많고 검증 불가능한 피드백 하에서 에이전트를 지속적으로 적응시키는 실용적인 경로를 제공합니다.

디즈니가 과거 저작권 침해를 주장했던 AI 스타트업의 전 CEO를 첫 최고기술책임자(CTO)로 영입했습니다. 이 인물은 Character.AI의 전 CEO인 카란데프 아난드이며, 이는 디즈니가 인공지능 기술을 수용하려는 전략적 움직임으로 해석됩니다.

디즈니는 2025년 9월, Character.AI가 디즈니의 캐릭터 IP를 침해했다고 주장하며 해당 회사에 사용 중지 및 금지 명령서를 보낸 바 있습니다. Character.AI는 생성형 AI를 사용하여 사용자가 고유한 가상 캐릭터를 만들고 상호작용할 수 있게 하는 플랫폼입니다.

아난드는 디즈니의 새로운 CEO인 조시 다마로가 이 인물을 채용하면서 이러한 기술적 논쟁을 넘어 새로운 기술을 포용하려는 의도를 보인 것으로 보입니다. 그는 페이스북과 마이크로소프트에서 근무한 경력을 가지고 있으며, 이는 AI 및 엔터테인먼트 분야의 기술적 배경을 보여줍니다.

직업 재해 서술에는 작업 상황, 불리한 조건, 사고 발생 또는 이탈, 그리고 결과와 같은 귀중한 정보가 포함되어 있어 자동 구조화가 대규모 사고 분석과 직업 위험 예방을 지원할 수 있습니다. 그러나 사고를 기술하는 데 사용되는 용어와 문체는 산업 및 조직에 따라 상당히 다르기 때문에, 자동 코딩 시스템이 훈련 범위를 넘어 일반화할 수 있는지에 대한 의문이 제기됩니다.

본 연구는 프랑스 직업 재해 서술에서 사고 과정 역할 분류의 분야 간 일반화 가능성을 평가합니다. 연구진은 전문가 주석을 통해 구축된 코퍼스를 사용하여 사실 단위들을 작업 상황(A0), 명시적으로 보고된 불리한 조건(A1), 사고 사건 또는 이탈(B), 보고된 결과(C)의 네 가지 역할로 분류했습니다. 이 역할 분류기는 건설 부문 서술에서 추출된 42,244개의 사실 단위만을 사용하여 개발되었으며, 이후 재학습이나 목표 도메인 튜닝 없이 야금 및 화학-플라스틱 부문 서술 및 독립적으로 수집된 회사 코퍼스에서 평가되었습니다.

실험 결과, 작업별 적응(task-specific adaptation) 전략이 고정된 표현(frozen representations)보다 분야 간 전이(cross-domain transfer)를 일관되게 개선함을 보여줍니다. 반복적인 훈련 실행에서 세 가지 주요 작업 적응 전략은 세 대상 코퍼스 전반에 걸쳐 평균 균형 정확도 85.6%에서 85.8%를 달성했습니다.

이러한 발견은 전문가 검토 및 분야 간 예방 분석을 위해 이질적인 직업 재해 서술을 일관되게 구조화할 수 있는 전이 가능한 보조 코딩 시스템 개발을 뒷받침합니다. 즉, 모델이 훈련되지 않은 새로운 산업 분야에서도 효과적으로 작동하도록 하는 시스템 구축이 가능해집니다.

페라마운트 스카이댄스가 사우디아라비아, 아랍에미리트, 카타르의 국부 펀드에 지분 일부를 매각하는 계획을 연방통신위원회(FCC)가 승인했습니다. 이는 방송국 운영에 필요한 외국인 소유권 제한을 면제해 달라는 청원과 함께 진행되었습니다.

미국 법에 따르면 방송국 운영에 필요한 주식의 직접 또는 간접적인 외국인 소유권이 25%를 초과할 경우 FCC의 승인이 필요합니다. 페라마운트는 국부 펀드로부터 투자를 받음으로써 외국인 소유권이 49.5%에 달할 것이며, 이 제한을 면제해 달라는 청원을 통해 이를 승인받았습니다.

페라마운트는 CBS의 소유주로서 28개의 지역 CBS 방송국에 대한 FCC 라이선스를 보유하고 있습니다. 이 결정은 페라마운트가 워너 브로스 디스커버리를 1,110억 달러 규모로 인수하는 과정에서 외국인 투자가 일부 포함되었음에도 불구하고, 이 인수가 소송으로 인해 아직 완료되지 않은 상황에서 외국인 소유권 문제를 해결하는 데 중요한 선례를 제공합니다.

이러한 승인은 정부가 CBS 소유주에 대한 영향력 행사에 대한 우려를 불식시키는 데 기여했다는 평가를 받습니다. 이는 미디어 소유권과 외국인 투자에 대한 규제 환경에서 중요한 맥락을 제시합니다.

강화 학습(RL)을 통해 코딩 에이전트를 훈련시키기 위해서는 다양하고 신뢰할 수 있는 작업과 검증기가 필요합니다. 기존 방법들은 이슈나 커밋 같은 개발 산출물에 의존하여 추출 가능한 작업의 범위가 제한적이라는 한계가 있었습니다.

이에 본 연구는 기존 코드베이스의 구현된 기능을 실행 가능한 RL 환경으로 전환하는 에이전트 파이프라인인 CodeMidas를 제안합니다. CodeMidas는 소스 코드를 유일한 작업 입력으로 사용하여 환경 구축의 모든 단계에 에이전트 컴퓨팅을 할당합니다. 에이전트는 구현된 기능을 탐색하여 행동 사양을 수립하고, 원본 코드 실행에 기반한 테스트를 구성하며, 실행 검사와 반복적인 해결책 시도를 통해 후보 작업을 검증하고 필터링합니다.

이 방법을 통해 구축된 데이터셋은 3,185개의 오픈 소스 코드베이스에서 23개 프로그래밍 언어와 15개 기술 도메인을 포괄하는 5,545개의 훈련 작업을 포함합니다. 이 데이터셋으로 MiMo-V2.5를 훈련하면 이슈 수정(DeepSWE + 11.7%), 전체 프로그램 구성(ProgramBench +17%), 터미널 작업(Terminal-Bench v2.1 +8.5%) 등 다섯 가지 다양한 벤치마크에서 성능이 향상되었습니다.

또한, 분석 결과 에이전트는 코드베이스 탐색을 늘리고 더 다양한 자체 검증을 수행하는 등 개선된 행동을 보였습니다. 이는 소스 코드가 다양한 소프트웨어 작업에 걸쳐 코딩 에이전트를 개선하기 위한 RL 환경을 구축하는 확장 가능한 기반이 될 수 있음을 입증합니다.

사용자들이 자율 AI 에이전트에게 작업을 위임하는 추세에도 불구하고, 기존의 평가는 주로 작업 완료 여부에 초점을 맞추고 사용자가 우선시하는 가치에 대해서는 측정하지 못하고 있습니다. 본 연구는 이러한 문제를 해결하기 위해 가치 민감 설계(Value Sensitive Design)를 적용하여 LLM의 도움을 받아 OpenClaw 사용에 관한 73,093개의 레딧 게시물을 분석했습니다.

분석 결과, 연구진은 자율 에이전트의 출력 결과보다는 사용자가 실행 환경에 설정하는 운영 조건에 따라 가치들이 군집화된다는 것을 발견했습니다. 이 가치들은 자율성, 신뢰성, 합리적인 운영, 제한된 도달 범위, 검토 가능성, 공평한 접근성 등 21가지 가치 그룹으로 분류됩니다.

실제로 사용자들은 에이전트가 제공한 결과에 대해서는 대부분의 가치 그룹에서 만족을 표현했지만, 에이전트를 감독하는 과정에 대해서는 모든 그룹에서 가치가 충족되지 않는 것으로 나타났습니다. 이러한 패턴은 가치 민감 위임(value-sensitive delegation)으로 개념화될 수 있습니다. 따라서 인간의 가치를 지원하기 위해서는 에이전트가 달성한 결과뿐만 아니라 비용, 접근성, 감독과 같은 위임 환경에 대한 고려가 필수적입니다.

대규모 신경 기록의 발전은 많은 동물과 분산된 뇌 영역에 걸친 데이터를 수집할 수 있게 했으며, 이러한 규모를 활용하여 다양한 다운스트림 작업에 전이 가능한 일반 목적 신경 표현을 학습할 수 있는지에 대한 질문을 제기합니다. 그러나 이러한 목표를 향한 발전은 파편화된 평가 프로토콜과 개별 작업 도메인에 대한 좁은 초점으로 인해 제한되어 왔습니다.

이에 본 연구는 다중 영역 신경 기록에 대한 동물 간 전이를 평가하기 위한 벤치마크인 BrainWideBench를 제시합니다. 이 벤치마크는 국제 뇌 실험실의 Brainwide Map 데이터셋을 기반으로 하며, 감각 유도 의사결정 작업을 수행한 139마리의 생쥐로부터 276개 뇌 영역에 걸친 신경 및 행동 기록을 포함합니다. BrainWideBench는 학습된 표현이 행동 디코딩, 마스킹되거나 미래의 신경 활동 예측, 그리고 생물학적으로 의미 있는 해부학적 조직 복원을 지원하는지 평가하는 세 가지 상호 보완적인 작업 세트로 구성되어 있습니다.

이 벤치마크를 통해 연구진은 다운스트림 목표에 대한 미세 조정과 보지 못한 동물에 대한 제로샷 일반화 등 다양한 전이 설정에 걸쳐 사전 학습 방법을 체계적으로 평가했습니다. 결과는 사전 학습이 일치하는 단일 세션 기준선보다 성능을 향상시킨다는 것을 확인했지만, 현재 방법들은 전이 능력에서 이질성을 보인다는 것을 보여줍니다. 성능 향상은 사전 학습 목표와 다운스트림 작업 간의 정렬에 크게 의존하며, 단일 접근 방식이 세 가지 작업 세트 모두에서 균일하게 우수하지 않습니다.

이러한 발견들은 행동, 역학, 해부학을 공동으로 일반화하는 표현을 학습하는 것이 여전히 해결해야 할 과제임을 시사합니다. BrainWideBench는 통일되고 재현 가능한 평가 환경을 제공함으로써 생쥐 뇌의 일반 목적 모델에 대한 진전을 측정하는 프레임워크를 확립합니다.

SpaceXAI가 Grok Voice Transcribe 2.0이라는 최신 음성 인식 모델을 출시하며 정확성과 비용 효율성을 크게 개선했습니다. 이 새로운 모델은 Grok Voice의 오디오 기반 모델을 바탕으로 개발되었으며, 실제 환경의 잡음, 다양한 환경, 다국어 환경에서 녹음된 오디오를 학습하여 현장 상황에 최적화된 전례 없는 정확도를 달성했습니다.

Grok Voice Transcribe 2.0은 기존 Grok Voice Transcribe 1.0보다 동일한 가격으로 두 배의 정확도를 제공하며, 특히 실시간 환경에서 발생하는 전화 잡음, 다른 목소리, 다양한 억양 문제를 해결하는 데 중점을 두었습니다. 인공지능 분석 리더보드에서 32개의 스트리밍 모델 중 정확도 부문에서 1위를 차지했으며, 짧은 구절의 경우 단어 오류율(WER)이 20.6%에서 6.8%로 대폭 감소했습니다.

개발자들을 위해 Grok Voice Transcribe 2.0은 고급 기능을 추가했습니다. 실시간으로 파일이나 URL을 전사하거나 오디오 스트림을 처리할 수 있으며, 각 단어에 대한 정확한 시작/종료 시간과 신뢰도 점수를 제공합니다. 또한 화자 분리(Speaker diarization), 다채널 전사(최대 8채널), 키워드 편향 처리, 그리고 'um', 'uh'와 같은 필러 단어 제거 기능이 포함되어 있습니다.

이러한 기능들은 기존의 Speech-to-Text API 통합에 코드를 변경하지 않고도 정확도를 향상시키며, Grok Voice Transcribe 1.0은 곧 사용 중단될 예정이며 Grok Voice Transcribe 2.0이 새로운 기본 모델로 자리 잡을 것입니다.

최근 연구에 따르면 뇌의 피질 세포가 스스로 수면을 유발할 수 있다는 사실이 밝혀져 수면 조절에 대한 기존의 이해가 변화하고 있습니다. 이 연구는 수면이 깊은 뇌 영역의 신호에 의해 통제된다는 기존의 가정에 도전하며, 피질이 수면 리듬을 단순히 반응하는 것을 넘어 스스로 시작할 수 있음을 시사합니다.

연구진은 피질 세포 중 약 1퍼센트에 불과한 억제 뉴런 집단이 수면을 유발하는 핵심 역할을 한다는 것을 발견했습니다. 이 세포들을 마우스에서 활성화시키자 동물이 잠드는 것을 확인했으며, 이는 피질이 수면 리듬을 감지할 뿐만 아니라 스스로 시작할 수 있음을 보여줍니다.

이러한 발견은 수면 조절 메커니즘이 하부 구조뿐만 아니라 피질의 특정 세포 활동에 의해 직접적으로 발생할 수 있음을 의미합니다. 이는 수면 연구의 패러다임을 바꾸며, 뇌의 각 영역이 수면 상태에 기여하는 능동적인 역할을 한다는 점을 강조합니다.