읽을 가치가 있는 기사만, 짧고 또렷하게.

테드 창(Ted Chiang)의 단편 소설 「테이블에서 부스러기를 잡다(Catching crumbs from the table)」가 2000년 6월 1일에 네이처(Nature) 저널에 게재된 내용을 소개합니다. 이 기사는 과학 소설의 영역을 다루면서도 과학적 개념과 철학적 질문을 깊이 있게 탐구하는 작품으로 평가받고 있습니다.

해당 논문은 네이처 405권 517페이지에 실려 있으며, 인간이 메타휴먼 과학에 직면하면서 메타과학자가 되었다는 주제를 다룹니다. 이는 과학적 사고방식과 인간 존재에 대한 근본적인 질문을 연결하는 흥미로운 시각을 제공합니다.

이 글은 과학적 발견과 인간의 인식 사이의 관계를 탐구하는 문학적 접근 방식을 보여줍니다. 독자들은 과학적 배경을 가진 서사를 통해 복잡한 개념을 이해하고 새로운 관점을 얻을 수 있습니다.

작가 로브 웨이처트의 웹사이트는 예술, 디자인, 영화, 음악에 대한 개인적인 기록과 아카이브를 공유하는 공간입니다. 그는 필름과 음악에 대한 집착을 바탕으로 방대한 사소한 기록 데이터를 수집하고 공유하는 데 중점을 두고 있습니다.

최근 포스팅에서는 영화와 음악에 대한 깊은 성찰이 담겨 있으며, 예를 들어 영화 <Almost Invisible>에 대한 평론이나 <The Odyssey>와 같은 고전 영화에 대한 감상 등을 통해 예술적 실패와 성공에 대한 개인적인 관점을 제시합니다. 또한 펑크 록 밴드 Nomeansno나 Andrew W.K.와 같은 아티스트들의 작품에 대한 기록을 통해 대중문화 속의 역사적 맥락을 탐구합니다.

이러한 콘텐츠는 단순히 개인적인 취미를 넘어, 미학적 실패와 예술적 비전의 충돌이라는 주제를 다루며 독자들에게 깊이 있는 시각을 제공합니다. 특히 영화 복원 기술이나 음악 사운드에 대한 언급은 창작 과정에서 기술적 디테일이 어떻게 감성적인 경험으로 이어지는지에 대한 맥락을 제공합니다.

결론적으로 이 사이트는 창작자와 아카이브에 관심 있는 독자들에게 예술과 미디어의 교차점에서 발견되는 흥미로운 기록과 사색을 제공하는 데 의미가 있습니다.

로봇이 이전에 보지 못한 언어로 글을 작성했다는 내용의 기사입니다. 이 기사는 2019년에 발표된 내용을 다루고 있으며, 인공지능이 학습한 데이터를 기반으로 새로운 언어 생성 능력을 탐구하는 주제를 다룹니다.

해당 기사는 로봇이 이전에 접하지 못한 언어로 텍스트를 생성하는 현상을 다루고 있습니다. 이는 기계 학습 모델이 훈련 데이터의 경계를 넘어선 추론 능력을 발휘할 수 있는지에 대한 중요한 질문을 던집니다. 개발자들은 AI가 기존에 학습한 패턴을 재조합하는 것을 넘어 완전히 새로운 언어 구조를 이해하고 생성할 수 있는지에 주목해야 합니다.

이러한 연구 결과는 언어 모델의 확장성과 일반화 능력에 대한 이해를 심화시키는 데 기여합니다. 특히, AI가 언어의 문법적 규칙뿐만 아니라 의미론적 맥락까지 이해하여 새로운 언어를 창조하는 과정은 언어 처리 기술의 다음 단계에 대한 통찰을 제공합니다.

따라서 이 기사는 AI가 언어 생성에서 보이는 능력의 한계를 탐색하고, 미래의 자연어 처리 시스템이 어떤 방향으로 발전해야 하는지에 대한 맥락을 제공합니다.

Claude 모델 3종을 활용한 코드 탐색 및 편집 실험에서 단순 위치 찾기를 위한 의미 기반 도구 호출 비중은 0~6%에 불과했습니다. 연구진은 이러한 단순 검색 방식이 실제 작업에 충분하지 않다고 보고, 도구를 먼저 사용하도록 강제했을 때 해당 실험군의 성공률이 100%에서 89%로 하락하는 결과를 얻었습니다.

이는 코딩 에이전트가 단순히 검색 정확도만을 기준으로 도구를 사용하는 것이 아니라, 도구가 제공하는 맥락과 출력 형식의 질을 중요하게 고려해야 함을 시사합니다. 검색 결과의 정확성만큼이나 반환되는 맥락과 출력 형식이 코드 편집 작업의 효율성에 결정적인 영향을 미치는 것으로 나타났습니다.

따라서 개발 환경에서 도구를 활용하는 AI 에이전트의 성능을 높이려면, 단순한 위치 정보 제공을 넘어 LSP 결과와 같은 복잡한 정보를 포함하는 맥락적이고 구조화된 출력을 제공하는 것이 필수적입니다.

개발자로서 애플 플랫폼용 소프트웨어를 배포하고 판매하려면 맥 하드웨어가 필수적이라는 점을 전제로 맥을 선택하는 과정에 대한 경험을 공유합니다. 가상 머신 환경에서 macOS를 구동하는 것은 비효율적이며, CI/CD 서비스인 Codemagic도 유용하지만 원격 환경에서 앱 사용 경험을 완벽하게 검증하기는 어렵다는 점을 언급합니다.

맥을 선택할 때 가장 중요하게 고려한 요소는 비용과 전력 사용량이었으며, 이로 인해 ARM 기반의 Apple Silicon 칩이 전력 대비 성능(performance-per-Watt) 측면에서 가장 합리적인 선택이라고 판단했습니다. 초기에는 비용 절감을 위해 M1 칩을 고려했으나, M1 Mac Mini의 팬과 전력 공급 시스템에 대한 우려가 생겼습니다.

특히 전력 공급 방식에 대해 논의하며, 외부 전원과 인버터를 거치는 과정에서 전력 손실이 발생하고, 전원 어댑터를 분리하여 사용하는 모딩(modding) 과정에서 발생할 수 있는 위험과 Apple의 제한적인 정책을 고려하여 M1 Mac Mini는 최종적으로 포기했습니다. 이 경험은 개발 환경에서 하드웨어 선택과 전력 관리가 실제 작업 효율에 미치는 영향을 이해하는 데 중요한 맥락을 제공합니다.

기존 PDF 편집 프로그램들은 대부분 유료이거나 광고가 포함되어 있거나, 웹 기반이거나 복잡하고 기능 제한이 많은 경우가 많습니다. 이러한 문제점을 해결하기 위해 자주 사용하는 기능에 집중한 간단한 무료 포터블 Windows용 PDF 편집기가 개발되었습니다.

이 편집기는 WinUI 3를 사용하여 제작되었으며, 사용자들이 자주 필요로 하는 핵심 기능에 초점을 맞추어 개발되었습니다. 주요 기능으로는 PDF 내의 기존 텍스트를 선택하고 이동하거나 삭제할 수 있으며, 더블클릭만으로 직접 텍스트를 수정할 수 있습니다.

특히 텍스트를 수정할 때 기존 폰트는 그대로 유지되도록 설계되어 있어 사용 편의성을 높였습니다. 이 도구는 복잡한 기능보다는 필수적인 편집 작업에 집중하여 누구나 쉽게 접근하고 사용할 수 있도록 제작되었습니다.

밴쿠버의 한 스트립 클럽 인스타그램 계정이 트럼프 전 대통령 관련 표지판 때문에 삭제되었습니다. 이 표지판에는 "수영장(pool)은 감당 못 하지만 우리의 호수(lake)는 원한다"는 내용이 담겨 있었는데, 이는 트럼프가 캐나다와의 협상에서 제기한 오타와 워싱턴 반영 풀(reflecting pool) 사건을 언급하며 캐나다와 미국의 관계에 대한 긴장을 반영한 내용이었습니다.

이 사건은 캐나다와 미국의 호수 문제와 관련된 외교적 논쟁이 사회적 이슈로 부각되면서 발생했습니다. 표지판은 캐나다와 미국의 관계에 대한 긴장감을 보여주는 상징적인 메시지로 여겨졌으며, 클럽 소유주와 직원들은 이 표지판이 웃음을 유발한다고 생각했지만, 소셜 미디어 플랫폼 측에서 계정을 삭제 조치했습니다.

계정 삭제 후 소유주는 표지판이 캐나다와 미국 간의 긴장 관계를 보여준다고 강조하며 이에 대한 지지를 받고 있습니다. 현재 소유주는 메타(Meta) 측과 연락하여 계정 권한을 되찾기 위해 노력하고 있으며, 표지판 자체는 여전히 건물에 걸려 있습니다.

도널드 트럼프 대통령은 늑대와 멕시코 늑대 보호종에 대한 멸종위기종 보호 조치를 철회하는 행정 명령에 서명했습니다. 이 결정은 목축업자들이 가축을 보호하기 위해 늑대를 사살할 수 있는 길을 열어줄 수 있다는 점에서 논란이 되고 있습니다.

행정 명령은 목축업자들이 가축을 보호하기 위해 늑대를 사살할 수 있도록 허용하며, 이는 늑대가 식품 공급망과 미국 문화유산에 "필수적인 역할"을 한다고 명시한 것입니다. 그러나 환경 보호 단체들은 이 조치가 멸종 위기 늑대 개체군 회복 노력을 좌절시킬 수 있다고 비판했습니다.

이 명령에 따라 내무부 장관 더그 버거는 늑대와 멕시코 늑대 개체군이 멸종 위기종 목록에서 제외될 만큼 충분히 회복되었는지 판단하기 위해 90일의 시간을 부여받았습니다. 환경 단체들은 늑대가 가축에 가하는 공격이 드물고 목축업자의 수입에 큰 영향을 미치지 않는다는 연구 결과를 제시하며 이러한 조치가 목축업자들을 달래기 위한 방해 요소라고 지적했습니다.

현재 미국 내에는 약 18,000마리의 회색 늑대가 존재하지만, 서식지 파괴로 인해 여전히 멸종 위기에 놓여 있습니다. 늑대 보존 센터는 현재 시스템 하에서 목축업자들이 늑대로 인해 발생한 가축 손실에 대해 최대 100% 보상을 받을 자격이 있다고 밝혔습니다.

Bespoke는 명령 대신 정중한 요청과 감사 인사를 요구하는 정적 타입 언어 구상입니다. 이 언어는 소스 파일인 .charming에 빅토리아 시대식 예절을 담아내는 것을 목표로 합니다.

Bespoke는 프로그래밍 과정에서 주체별로 요청을 분리하여 처리하는 방식을 제안합니다. 할당이나 변경 요청은 컴파일러에게, 출력은 출력 콘솔에, 파일 및 런타임 작업은 호스트 환경에 요청하도록 설계되었습니다.

이러한 구조는 단순히 코드를 실행하는 것을 넘어, 호칭, 문장 부호, 문장의 맺음 등 언어적 요소까지 고려하여 상호작용을 정의하고자 합니다. Bespoke는 프로그래밍에 예의와 정중함을 도입하여 사용자에게 더 부드러운 상호작용을 제공하는 데 중점을 둡니다.

AMD 기반 FreeBSD 데스크톱 시스템 구축 경험을 공유하며 하드웨어 선택과 드라이버 설정에 대한 구체적인 내용을 다룹니다. 작성자는 AMD Ryzen 4750GE CPU와 AM4 플랫폼을 선택하여 DDR5/AM5 대신 AM4 환경을 유지함으로써 가격 대비 성능을 고려했으며, 이 과정에서 Silverstone SG05 케이스 대신 SG13 케이스를 사용하여 크기를 최소한으로 늘렸습니다.

시스템 조립 과정에서 GPU를 케이스에 장착하는 과정에서 물리적인 제약이 발생했으며, 특히 GPU의 플라스틱 커버를 케이스에 맞게 절단하고 확장 슬롯 브래킷을 수정하는 등 물리적인 해결책을 찾아야 했습니다. 이러한 과정은 하드웨어 호환성을 확보하는 데 있어 실제적인 어려움을 보여줍니다.

결과적으로 AMD Radeon GPU를 FreeBSD 환경에서 성공적으로 구동하기 위해 drm-kmod 및 x11-drivers/xlibre-xf86-video-amdgpu 드라이버를 사용했으며, 펌웨어 업데이트 명령어를 통해 시스템을 성공적으로 업그레이드했습니다. 이는 FreeBSD 환경에서 XLibre X11 드라이버를 활용하여 AMD GPU를 안정적으로 사용하는 것이 가능함을 입증합니다.

GPT-6 Astra가 로봇 팔을 사용하여 물체를 조작하는 작업에서 Claude Fable 5 및 5.1 모델보다 월등한 성능을 보였습니다. 동일한 YAM 로봇 팔과 Inspect Robots 에이전트 정책을 사용하여 '빨간 블록을 테이블에서 집어 그릇에 넣기'와 '둥근 퍼즐 조각을 홈에 삽입하기' 두 가지 과제를 비교한 결과입니다.

블록을 그릇에 넣는 작업에서는 Astra가 20번 시도 중 19번 성공하여 Fable 5.1(8/20)이나 Fable 5(1/20)보다 훨씬 높은 완료율을 기록했습니다. 또한 Astra는 Fable 5.1보다 약 2.4배 더 저렴한 비용으로 작업을 수행했으며, 이는 실행당 비용 면에서 상당한 이점을 제공합니다. 퍼즐 조각을 홈에 삽입하는 작업에서도 Astra는 Fable 5.1보다 더 높은 성공률을 보였고, 비용 효율성 측면에서도 우위를 점했습니다.

이러한 결과는 모델의 추론 능력과 효율성이 실제 로봇 조작 작업에서 어떻게 발현되는지를 보여줍니다. 다만, 실험 과정에서 몇 가지 맥락을 고려해야 합니다. Astra의 실험은 Fable 모델의 실험과 시간적으로 분리되어 진행되었으며, 비용 산정 시 OpenAI의 입력 캐싱으로 인해 Astra의 비용이 과대평가되었을 가능성이 있습니다. 또한 모든 평가는 인간 평가자에 의해 이루어졌기 때문에 잠재적인 편향이 존재할 수 있습니다.

TSA PreCheck를 이용하는 승객은 보안 검색대 너머의 공항 내 식당이나 소매점에서 직원, 직원 동반자 또는 방문객이 될 수 있습니다. 이 프로그램은 TSA PreCheck 회원에게 제공되는 혜택이며 별도의 수수료는 없습니다.

게이트사이드(Gateside by TSA PreCheck)를 이용하려면 공항 도착 시 포털에 로그인하여 등록된 방문객을 추가해야 하며, 이 과정에서 TSA 요원에게 모든 인원이 승인된 등록 상태임을 보여주어야 합니다. 이 서비스는 초기 단계에서 14개 공항에서만 제공되며 TSA는 단계적으로 공항 접근성을 확대하고 있습니다.

게이트사이드 패스를 사용할 경우 TSA PreCheck 전용 검색 차선만 이용할 수 있으며 TSA PreCheck Touchless ID 차선은 사용할 수 없습니다. 패스는 하루 단위로 유효하며 재입국이 허용되지만, 각 공항은 일별 발급 패스 수에 제한을 두고 있으므로 등록 정보가 정확해야 합니다.

등록 시 이름, 생년월일, KTN 정보가 TSA PreCheck 신청서와 정확히 일치해야 하며, 만약 허용되지 않는 신분증을 소지한 경우 TSA ConfirmID를 사용하여 신원을 확인할 수 있습니다.

Bash 명령어와 스크립트를 실행하지 않고도 그 구조를 분석하는 TypeScript 파서인 unbash가 개발자들에게 새로운 분석 도구로 주목받고 있습니다. 이 도구는 명령어, 인자, 조건문, 파이프, 리다이렉트 등의 복잡한 구조를 추상 구문 트리(AST) 형태로 반환하여 스크립트의 논리적 흐름을 파악할 수 있게 해줍니다.

이러한 정적 분석 방식은 셸 명령을 실제로 실행할 때 발생할 수 있는 보안 위험을 완전히 배제하면서 스크립트의 잠재적인 문제를 미리 식별할 수 있다는 점에서 큰 장점을 가집니다. 개발자는 이를 통해 CI/CD 환경이나 패키지 스크립트가 어떤 프로그램과 파일을 사용하고 있는지 안전하게 조사할 수 있습니다.

특히 unbash는 셸 명령의 실행 권한을 확인하거나, 복잡한 파이프라인 구조를 분석하여 스크립트의 의도를 명확히 이해하는 데 도움을 줍니다. 이는 스크립트의 안정성과 보안성을 높이고, 복잡한 시스템 환경에서 의존성을 정확하게 파악해야 하는 개발자에게 매우 유용한 정보입니다.

독일 Isar Aerospace가 첫 비행 실패를 극복하고 두 번째 Spectrum 발사에 성공하며 민간 주도로 서유럽 영토에서 궤도에 오른 최초의 사례를 만들었습니다. 이 사건은 민간 기업이 로켓 발사와 궤도 진입을 성공적으로 수행했다는 점에서 주목받고 있습니다.

하지만 첫 발사는 2025년 3월 불과 1분도 지나지 않아 추락했으며, 이는 기술적인 문제로 인해 발생했습니다. 구체적으로 벤트 밸브의 의도치 않은 개방과 롤 기동 중 자세 제어 상실이 발사 실패의 주요 원인으로 지목되었습니다.

이러한 실패와 성공 사례는 민간 우주 개발의 가능성을 보여주지만, 로켓 시스템의 안정성과 자세 제어 기술에 대한 추가적인 검증이 필요함을 시사합니다. Isar Aerospace의 이번 성과는 민간 우주 접근의 새로운 이정표를 제시하며 향후 로켓 기술 개발에 중요한 참고 자료가 될 것입니다.

대규모 언어 모델(LLM)을 활용한 페르소나 시뮬레이션은 기존에 피상적인 캐릭터 설명에 의존하여 장시간 상호작용에서 일관된 캐릭터 행동을 유지하는 데 어려움을 겪어왔습니다. 이에 본 연구는 고도로 설득력 있는 역할극 에이전트를 구축하기 위해 페르소나를 관찰 가능한 표현, 잠재적 신념, 핵심 동기 부여라는 세 가지 계층으로 조직하는 심리학적으로 기반한 아키텍처인 딥 페르소나(Deep Persona)를 제안합니다.

이 아키텍처는 스크립트 결정론과 제한된 행위의 원칙에 의해 구동되며, 모델을 구조화된 내부 스크립트에 의해 안내되는 반응형 엔진으로 제한합니다. 또한, 본 연구는 심리학적 임상 도구와 적대적 스트레스 테스트를 사용하여 대화의 자연스러움을 실증적인 인간 분포와 비교하는 참조 없는 평가 프레임워크를 제시합니다.

실증적 평가 결과, LLM은 높은 화용적 유창성을 달성하지만 감정 표현과 공동 주의(joint attention)에서는 체계적인 한계를 보였습니다. 두 개의 딥 페르소나 사례 연구를 통해 제안된 프레임워크를 적용한 결과, 구조화된 페르소나가 인간의 대화 행동과 더 밀접하게 일치하는 상호작용을 생성할 수 있음을 입증했습니다.

2026년 AI 채용 시장은 수요가 공급을 크게 앞지르며 AI 엔지니어의 인기가 압도적으로 높습니다. 링크드인, WEF, 스탠퍼드 등의 데이터를 종합했을 때 AI 엔지니어는 가장 채용이 많이 되는 역할이며, 특히 RAG, 에이전트 시스템, 포워드 디플로이드 엔지니어링과 같은 분야가 가장 빠르게 성장하는 틈새 시장으로 나타났습니다.

가장 수요가 높은 직무는 AI 엔지니어와 머신러닝 엔지니어이며, 데이터 과학자는 2030년까지 113% 성장할 것으로 예측됩니다. 반면, 프롬프트 엔지니어는 직무 명칭으로서의 인기는 감소하고 있으며, 실제 채용에서는 RAG 기술 적용 능력이 더 중요하게 평가되고 있습니다. 이는 AI 관련 기술이 제품에 통합되는 과정에서 엔지니어링 역량이 핵심이 되고 있음을 의미합니다.

AI 기술 관련 직무의 임금 프리미엄은 해당 직업 내에서 62%에 달하며, 미국에서 AI 엔지니어의 연봉은 146,000달러에서 189,000달러 사이로 형성되어 있습니다. 또한, OpenAI나 Anthropic 같은 선도 연구소의 리서치 과학자들은 연봉이 수십만 달러에 달하며, 학위보다는 실제 구축 역량이 더 중요하게 작용하는 시장이 형성되고 있습니다.

로봇 운영체제 2(ROS 2)와 데이터 분배 서비스(DDS) 기반 시스템에서, RELIABLE 토픽의 단일 구독자가 네트워크 문제나 속도 제한으로 인해 백프레셔를 발생시키면 퍼블리셔가 새로운 샘플을 수용할 수 없게 되어 모든 구독자, 특히 안전 필수 구독자의 처리량과 지연 시간이 저하됩니다. 이러한 문제는 퍼블리셔와 안전 필수 노드를 공유하는 시스템에서 심각한 성능 저하를 초래합니다.

이에 본 연구는 주제 분할 및 동적 속도 제어를 통해 중요한 구독자와 덜 중요한 구독자를 분리하는 프록시 기반 계층인 Adaptive Bridge를 제안합니다. 이 프록시는 원래 토픽을 구독하고 메시지를 두 개의 독립적인 DDS 라이터로 재게시하는데, 하나는 중요한 노드를 위한 RELIABLE 라이터이고 다른 하나는 덜 중요한 노드를 위한 BEST EFFORT 라이터입니다. 이를 통해 성능 저하 노드를 격리하고 퍼블리셔와 중요한 노드를 백프레셔로부터 보호합니다.

Adaptive Bridge는 히스테리시스를 사용한 샘플링을 통해 구독자 상태를 능동적으로 모니터링하고 구독자 속도 제한을 실시간으로 조정하는 프로브 기반 분류기를 포함합니다. 이 시스템은 길버트-엘리엇 버스트 무선 손실 모델을 사용하여 평가되었으며, 결과적으로 Adaptive Bridge를 사용했을 때 중요한 구독자의 꼬리 p95 지연 시간이 최대 15초에서 1.55밀리초로 감소하면서도 퍼블리셔의 설정된 처리량을 유지할 수 있었습니다.

순차적 메모리 에이전트는 긴 문서를 청크 단위로 순차적으로 읽으면서 메모리 상태를 유지하는데, 이는 문서 탐색과 추론 깊이를 결합하여 증거 배치에 민감하고 추론 지연 시간이 문서 길이에 선형적으로 비례하게 만듭니다. 이를 해결하기 위해 읽기와 추론을 분리하는 PARSER를 제안합니다.

PARSER는 여러 개의 경량 서브 에이전트로 구성되어 각 에이전트가 단일 청크를 병렬로 읽고, 리드 에이전트가 반복적인 스캐터-가더(scatter-gather) 라운드를 통해 깊이 있는 추론을 수행합니다. 이 과정에서 리드 에이전트는 강화 학습으로 최적화되며 모든 학습 가능한 행동이 집중됩니다.

이러한 분리된 설계 덕분에 PARSER는 증거 위치, 순서, 거리에 대한 교란에 강하여 순차적 방법에서 발생하는 정확도 변동 문제를 줄입니다. 또한 추론 지연 시간을 최대 11배까지 줄여 효율성을 크게 향상시킵니다.

7K에서 896K 토큰 범위의 멀티홉 QA 작업에서 PARSER는 4B 백본으로 기존 순차적 메모리 기준선보다 평균 5.7점, 896K 토큰에서 12.0점 더 높은 성능을 보입니다. 9B 백본으로 확장했을 때 PARSER는 DeepSeek-V4-Pro를 6.3점 앞서며 성능 우위를 입증했습니다.

능동 학습에서 모델을 처음부터 재학습할지 이전 체크포인트에서 미세 조정할지 결정하는 학습 전략은 간과되어 온 변수입니다. 연구진은 이 선택에 활용 가능한 구조가 있음을 보여주며, 각 배치에서 레이블링된 분포를 크게 재형성할 수 있는 초기 라운드에서는 재학습이 가장 유용하고, 모델 궤적이 안정화되면 미세 조정이 더 안전하다는 것을 발견했습니다.

이를 해결하기 위해 연구진은 온라인 안정화 신호를 모니터링하여 재학습에서 미세 조정으로 전환하는 적응형 학습 스케줄인 HybridAL을 제안했습니다. 이 시스템은 스펙트럼 지수 변화($\Delta\alpha$, 가중치 기반)와 정확도 변화($\Delta\text{Acc}$, 검증 기반)라는 두 가지 상호 보완적인 신호를 사용하여 시간 보정(time-calibration) 트레이드오프의 다른 지점을 포괄합니다.

세 가지 인코더 백본과 여섯 가지 텍스트 분류 작업에서 HybridAL은 최종 macro-F1 점수가 재학습 및 미세 조정과 0.010 마진 내에서 비열등함을 유지하며, 재학습 시간의 최대 49%를 절약하고 음의 로그 우도(NLL)로 측정된 보정 이점의 상당 부분을 회복시켰습니다.

특히, HybridAL은 사전에 약속된 라운드에서 전환하는 스케줄과 비교했을 때, 중간 정도의 추가 비용으로 더 낮은 NLL을 달성하여 궤적에 따른 전환이 고정된 초기 전환보다 더 강력한 시간 보정 트레이드오프를 제공함을 입증했습니다.

화학 분야 인공지능(AI4Chem) 개발에 필수적인 고품질의 구조화된 유기 반응 데이터가 필요하지만, 이러한 지식은 특허 텍스트, 이미지, 반응식 등에 분산되어 있습니다. 이에 DianShi-RxnDB는 특허 텍스트, 이미지, 반응식을 통합하는 완전 자동화 파이프라인을 통해 대규모의 세밀한 유기 반응 데이터 플랫폼을 구축했습니다.

이 플랫폼은 1976년부터 2025년까지 USPTO와 EPO의 유기 합성 특허를 기반으로 약 2,400만 건의 반응 사례를 포함하고 있으며, 이 중 약 1,480만 건(61.7%)이 자동 자격 검사를 통과했습니다. 각 반응 사례는 참여자, 역할, 수량, 온도, 반응 시간, 수율, 실험 절차 및 출처 특허 링크를 기록하는 특정 단일 단계 실험을 나타냅니다.

수동 평가를 통해 검증된 1,300개의 샘플에서 마이크로 평균 필드 수준 정확도는 92.95%를 달성했으며, Pistachio과의 비교 분석 결과 중복 기록 수, 표현 세분성, 필드 수준의 정확성에서 이점이 확인되었습니다. DianShi-RxnDB는 검색, 필터링, 비교 및 출처 검증을 위한 웹 연구 작업대와 AI 에이전트를 위한 구조화된 검색 도구를 제공하는 모델 컨텍스트 프로토콜(MCP) 서비스를 제공합니다.