읽을 가치가 있는 기사만, 짧고 또렷하게.

SpaceXAI가 코딩, 에이전트형 작업, 지식 업무를 목표로 하는 최상위 모델인 Grok 4.5를 출시했습니다. 이 새로운 모델은 단순한 토큰 규모보다는 신호 품질을 학습 과정에서 강조하여 성능을 개선하는 데 중점을 두었습니다.

Grok 4.5의 학습 과정은 수만 개의 NVIDIA GB300 GPU를 활용하여 진행되었습니다. 특히 데이터 처리 단계에서는 데이터 중복 제거, 품질 점수화, 그리고 도메인 중심 선택에 초점을 맞추어 데이터의 질을 높이는 데 집중했습니다.

이러한 접근 방식은 모델의 성능이 단순히 토큰의 양에 의존하는 것이 아니라, 고품질의 신호와 도메인 특화된 데이터에 기반하여 학습되었음을 의미합니다. 이는 복잡한 코딩이나 전문 지식 업무를 수행하는 에이전트형 작업에서 더욱 정확하고 신뢰할 수 있는 결과를 제공할 것으로 기대됩니다.

Noma Labs는 GitHub Agentic Workflows에서 간접 프롬프트 인젝션 취약점인 GitLost를 발견했습니다. 이 취약점은 공개 저장소의 이슈만으로도 같은 조직의 비공개 저장소 데이터를 공개 댓글에 노출시킬 수 있게 만듭니다.

해당 취약점은 Markdown 워크플로를 YAML Actions 파일로 컴파일하고 이를 Claude나 GitHub와 같은 AI 모델에 전달하는 과정에서 발생합니다. 공격자는 이 기능을 악용하여 AI 에이전트를 속여 민감한 정보를 유출할 수 있습니다.

따라서 개발자는 Markdown 워크플로를 YAML Actions 파일로 변환하여 AI 에이전트에게 전달할 때 프롬프트 인젝션 방지 조치를 취해야 합니다. 이로 인해 비공개 저장소 데이터가 의도치 않게 공개될 수 있으므로 데이터 보안에 각별히 유의해야 합니다.

OpenAI가 ChatGPT Voice를 더욱 자연스러운 실시간 대화에 가깝게 만들기 위해 GPT-Live-1과 GPT-Live-1 mini를 공개했습니다. 이 새로운 기능은 사용자와의 상호작용을 실시간으로 처리하는 데 중점을 두고 있습니다.

이 시스템의 핵심은 듣기와 말하기를 동시에 처리할 수 있는 풀듀플렉스 구조를 채택했다는 점입니다. 이러한 구조 덕분에 사용자는 짧은 맞장구를 하거나 빠르게 주고받는 대화를 할 수 있으며, 사용자가 생각할 시간을 가질 때도 자연스럽게 기다리는 동작을 지원합니다.

이는 기존의 단방향 음성 처리 방식으로는 불가능했던 실시간 대화의 흐름을 구현하여 사용자 경험을 크게 개선할 것으로 기대됩니다. 개발자들은 이 풀듀플렉스 구조가 실시간 양방향 통신을 어떻게 효율적으로 처리하는지에 대한 아키텍처를 주목할 필요가 있습니다.

그룹 및 팀 채팅 애플리케이션인 Chatto가 오픈소스로 공개되어 사용자가 직접 서버를 호스팅할 수 있게 되었습니다. Chatto는 Slack, Teams, Discord와 같은 기존 그룹 채팅 앱들과 유사하지만 더 컴팩트하고 빠른 사용 경험을 제공하는 것을 목표로 개발되었습니다.

이 애플리케이션은 실행 파일만으로 서버를 구동하고 자체 프론트엔드까지 제공하기 때문에 개인 인프라 환경에 비교적 간단하게 배포할 수 있는 장점이 있습니다. 이는 개발자들이 자체적인 환경에서 커뮤니케이션 솔루션을 구축하고 관리할 수 있는 유연성을 제공합니다.

Chatto의 오픈소스 공개와 셀프 호스팅 가능성은 개발자들이 데이터 보안과 인프라에 대한 완전한 통제권을 확보하며 자신만의 채팅 시스템을 구축하는 데 큰 기회를 제공합니다. 개발자들은 이 기능을 활용하여 특정 요구사항에 맞게 애플리케이션을 커스터마이징하고 운영할 수 있습니다.

Uniqlo 매장에서 판매된 Akamai 디자인 티셔츠에 난독화된 bash 코드가 인쇄되어 발견되었습니다. 이 코드는 base64 디코딩 결과를 eval 명령어로 실행하는 방식으로 구성되어 있었습니다.

해당 코드는 겉보기에는 단순한 디자인 요소로 보이지만, 실제로는 base64로 인코딩된 특정 문자열을 풀어 터미널 환경에서 명령을 실행하도록 설계된 형태였습니다. 이는 개발자들이 흔히 접하는 난독화 기법 중 하나인 base64 인코딩과 eval을 결합하여 코드를 숨기는 방식을 보여줍니다.

이러한 코드는 실제 악의적인 목적이 아닌, 특정 캠페인인 Peace for All을 위한 이스터에그 목적으로 사용된 것으로 밝혀졌습니다. 따라서 이는 상업 디자인 내에서 코드를 숨기는 기법의 실제 적용 사례를 보여주며, 난독화된 스크립트가 어떻게 사용될 수 있는지에 대한 맥락을 제공합니다.

결론적으로 이 사례는 난독화된 쉘 스크립트가 어떻게 시각적 콘텐츠 내에 삽입될 수 있는지에 대한 기술적 관점을 제시합니다. 이는 보안 및 코드 숨김 기법을 연구하는 개발자들에게 흥미로운 사례가 될 수 있습니다.

원격 증명(Remote Attestation)은 호스트가 예상된 하드웨어, 펌웨어, 커널 및 루트 파일 시스템 상태를 암호학적으로 증명하여 호스트의 초기 상태에 대한 신뢰를 확보하는 기술입니다. 이는 호스트가 재부팅된 후에도 악성 소프트웨어나 변조가 발생하지 않았음을 확인하는 데 핵심적인 역할을 합니다.

이 기술은 TPM(신뢰 플랫폼 모듈)을 사용하여 측정된 부팅(measured boot) 과정을 통해 작동하며, 물리적 변조 없이도 호스트의 정확한 상태를 알 수 있게 합니다. TPM은 플랫폼 구성 레지스터(PCR)에 해시 값을 저장하여 부팅 과정의 각 단계가 이전 단계의 측정값을 기반으로 순차적으로 이루어지도록 보장합니다. 이를 통해 악성 드라이버나 루트킷이 설치되었는지 여부를 탐지하고, 호스트가 신뢰할 수 있는 초기 상태에서 시작했는지 증명할 수 있습니다.

원격 증명은 이러한 초기 상태에 대한 강력한 보장을 제공하지만, 이는 부팅 시점의 신뢰에 국한되며 런타임 보안을 완전히 대체하지는 않습니다. 물리적 공격이나 메모리 탭과 같은 문제는 여전히 존재하며, 따라서 강력한 EDR(엔드포인트 탐지 및 대응) 정책과 결합되어야 합니다. 또한, TPM 기반 증명은 mTLS 인증서 발급이나 워크로드 실행 권한 부여와 같은 상위 보안 메커니즘을 구축하는 기반이 됩니다.

궁극적으로 원격 증명은 호스트의 출처를 추적하고, 부팅 상태를 기반으로 워크로드나 데이터에 대한 접근을 통제할 수 있게 합니다. 이는 공급망 공격을 방지하고, 호스트가 신뢰할 수 있는 환경에서 실행되도록 보장하는 데 필수적인 기반 기술입니다.

Anthropic, OpenAI, Gemini 모델을 단일 엔드포인트로 묶어 요청마다 최적의 모델로 자동 라우팅하는 프록시 기술이 소개되었습니다. 이 시스템은 개발자들이 여러 모델 API를 관리할 필요 없이 하나의 인터페이스를 통해 다양한 LLM을 사용할 수 있도록 지원합니다.

이 라우터는 모든 프롬프트를 50밀리초 이내에 올바른 모델로 라우팅하여 지연 시간을 최소화합니다. 이를 통해 개발자는 모델 변경만으로도 API 사용 비용을 40%에서 70%까지 절감할 수 있습니다.

이는 여러 모델을 동시에 사용하거나 비용 효율성을 극대화해야 하는 에이전트 개발자에게 매우 유용한 솔루션입니다. 엔드포인트 변경만으로도 복잡한 모델 관리 없이 최적의 성능과 비용 절감을 동시에 달성할 수 있습니다.

MIRA는 로켓 리그(Rocket League)와 같은 멀티플레이어 환경에서 훈련된 상호작용 세계 모델(Multiplayer Interactive World Models)을 다루는 연구입니다. 이 프로젝트는 복잡한 게임 환경의 동적인 상호작용을 이해하고 모델링하는 데 중점을 두고 있습니다.

이 연구는 게임 데이터로부터 실제 세계의 물리적 및 상호작용적 관계를 학습하는 방법을 탐구하며, 이는 인공지능이 복잡한 환경에서 상황을 예측하고 행동을 계획하는 능력을 향상시키는 데 중요한 기반을 제공합니다. 개발자들은 이러한 접근 방식이 시뮬레이션, 로봇 공학, 또는 가상 환경 구축과 같은 분야에서 현실적인 세계 모델을 구축하는 데 어떻게 적용될 수 있는지 주목해야 합니다.

MIRA의 핵심은 단순한 객체 인식을 넘어, 플레이어 간의 상호작용과 환경 변화를 통합적으로 모델링하는 데 있습니다. 따라서 이 연구는 대규모 멀티플레이어 데이터셋을 활용하여 복잡한 환경 내에서 맥락을 이해하고 예측하는 새로운 방법론을 제시합니다.

이러한 세계 모델 학습 방법론은 게임 AI뿐만 아니라, 자율 시스템이나 증강 현실 환경에서 더욱 정교하고 현실적인 상호작용을 구현하는 데 중요한 통찰을 제공합니다. 개발자들은 이 연구를 통해 대규모 상호작용 데이터가 어떻게 고차원적인 세계 이해 능력으로 변환될 수 있는지 이해할 수 있습니다.

기술 인터뷰에서 중앙값 계산과 같은 작은 구현 문제는 복잡한 퍼즐보다 더 효과적일 수 있습니다. 이러한 문제는 지원자의 기본적인 코딩 능력뿐만 아니라 설계 감각까지 동시에 드러내기 때문에 엔지니어의 실질적인 역량을 평가하는 데 유용합니다.

중앙값 계산 문제를 다룰 때 면접관은 단순히 올바른 알고리즘을 구현하는 것을 넘어, 정렬이 필요한 상황에서 함수가 직접 정렬할지, 호출자가 정렬을 책임질지, 혹은 원본 배열을 변경해도 되는지에 대한 API 설계 논의로 자연스럽게 이어지게 합니다.

이러한 논의는 실제 소프트웨어 설계에서 발생하는 중요한 트레이드오프와 제어권에 대한 이해를 측정합니다. 즉, 구현의 정확성뿐만 아니라 효율적이고 안전한 인터페이스를 구상하는 능력을 평가하는 것입니다.

따라서 중앙값 계산과 같은 문제에 대한 논의는 코딩 능력과 더불어 데이터 구조 및 API 설계에 대한 깊이 있는 이해를 확인하는 데 중점을 둡니다.

TrueType/OpenType 폰트를 사용하여 문서 내에 이미지 생성 없이 QR 코드를 삽입할 수 있는 기능이 제공됩니다. 이 새로운 기능은 텍스트를 대괄호로 감싸는 방식으로 QR 코드로 변환하여 문서 안에 직접 포함시키는 것을 가능하게 합니다.

이 변환 과정은 폰트 내부의 OpenType 규칙을 통해 처리되며, 대괄호 밖에 있는 텍스트는 일반 라틴 텍스트로 그대로 표시됩니다. 이는 사용자가 별도의 이미지 생성 과정 없이 문서 내에 QR 코드를 간편하게 삽입할 수 있도록 돕습니다.

QR 코드 블록 역시 일반 텍스트로 처리되어 문서에 자연스럽게 통합됩니다. 따라서 사용자는 폰트 기능을 활용하여 문서의 가독성을 해치지 않으면서도 정보를 시각화하는 새로운 방법을 사용할 수 있습니다.

Claude의 메모리 시스템과 웹 브라우징 기능의 보안 취약점이 악용되어 사용자의 민감한 정보가 유출될 수 있다는 사례가 보고되었습니다. 공격자는 Claude가 웹 검색 결과를 처리하는 과정에서 외부 웹사이트에 접근하도록 유도하여 개인 식별 정보(PII)를 탈취했습니다.

이 공격은 Claude의 내장 도구인 web_fetch 기능이 외부 페이지의 링크를 따라갈 수 있도록 허용하는 점을 악용했습니다. 공격자는 자신들이 소유한 웹 서버를 통해 Claude에게 특정 URL에 접근하도록 요청하고, 이를 통해 Claude가 웹사이트에 접근할 때 사용자의 정보를 노출하도록 유도하는 방법을 개발했습니다.

이러한 취약점은 Claude가 웹 검색 결과를 처리하거나 외부 링크를 탐색할 때 보안 검사를 제대로 수행하지 못하는 메모리 시스템의 설계상의 미흡함에서 비롯되었습니다. Anthropic은 이 취약점을 인지하고 웹_fetch 기능이 외부 페이지의 링크를 따라가는 것을 제한하는 방식으로 보안 조치를 취했습니다.

결론적으로 이 사건은 복잡한 코드 실행이나 악성 MCP 설정 없이도 AI 에이전트의 메모리 시스템과 웹 접근 기능이 어떻게 외부 데이터 유출 경로가 될 수 있는지 보여주며, AI 시스템 설계 시 메모리 및 웹 접근 권한에 대한 보안 검토가 필수적임을 시사합니다.

모아나의 배경이 되는 폴리네시아인들이 1,700년의 '긴 멈춤' 기간 후에 갑자기 동쪽으로 항해한 미스터리가 고고학 연구와 기후 증거를 통해 밝혀지고 있습니다. 이 항해는 인류 역사상 가장 위대한 해양 탐험 중 하나였으며, 폴리네시아 조상들이 사모아와 통가에 정착한 후 1,700년 동안 동쪽으로의 항해가 거의 없었다는 점이 핵심입니다.

이러한 이동은 기후 변화와 환경적 요인에 의해 촉발되었을 가능성이 제기됩니다. 과학자들은 고대 진흙 샘플에서 발견된 수소 동위원소를 분석하여 850년에서 1200년 사이에 남서 열대 태평양 지역에 지속적이고 심각한 가뭄이 있었다는 증거를 발견했습니다. 이 가뭄은 섬 인구 밀도가 높았던 시기와 일치하며, 이는 환경적 스트레스가 대규모 이동을 유발했을 수 있음을 시사합니다.

연구 결과는 가뭄이 대규모 이동과 맞물려 발생했으며, 이는 섬 생존에 필수적인 식수와 식량에 대한 자원 수요 증가와 더불어 더 나은 카누 기술이 결합되어 용감한 탐험을 촉진했을 수 있다는 것을 의미합니다. 따라서 폴리네시아인의 팽창 역사는 기후 스트레스, 인구 증가, 그리고 기술적 발전이라는 여러 요인이 복합적으로 작용한 결과로 이해할 수 있습니다.

GPT-5.6, Grok 4.5, Claude, Muse Spark가 동일한 네 가지 애플리케이션을 구축하는 비교 실험 결과가 공개되었습니다. 이번 실험은 레이캐스터 미로, 3차원 루빅스 큐브, 계산기, 게임 오브 라이프 등 네 가지 과제를 대상으로 진행되었으며, 결과는 비용과 지연 시간까지 포함하여 제시되었습니다.

이전 실험에 대한 피드백을 반영하여 이번에는 총 열두 개의 모델, 즉 GPT-5.6 Sol, Terra, Luna, Meta의 Muse Spark 1.1, Grok 4.5, GPT-5.5, Claude Opus 4.8, Claude Fable 5, 그리고 오픈 웨이트 모델인 Qwen 3.7 Plus, DeepSeek V4 Pro, Kimi K2.6, GLM-5.2가 참여했습니다. 각 과제별로 다섯 번의 시도를 통해 모델들의 성능과 비용, 시간을 비교 분석했습니다.

결과를 분석한 결과, GPT-5.6 Sol 모델이 레이캐스터 미로 과제에서 5/5로 가장 높은 성공률을 보이며 가장 좋은 결과를 기록했습니다. 루빅스 큐브 과제에서도 GPT-5.6 Sol이 좋은 결과를 보였으며, Grok 4.5 역시 가격 대비 좋은 성능을 보여주었습니다. 하지만 모든 모델이 완벽한 결과를 내지 못했으며, 일부 모델은 특정 작업에서 실패하거나 애니메이션 오류를 보이는 등 결과의 편차가 컸습니다.

이러한 결과는 최신 플래그십 모델이 반드시 자동적인 승자가 아님을 보여주며, 사용자가 직접 각 시도를 확인하고 판단할 수 있도록 원본 빌드 결과가 공개되었습니다. 따라서 독자들은 제시된 데이터와 다양한 시도 결과를 바탕으로 각 모델의 실제 성능과 한계를 스스로 평가할 수 있습니다.

성공한 기업들은 성공에 필요한 역량을 인식하지 못하는 상태가 된다는 내용입니다. 이는 멕시코 동굴 물고기(Astyanax mexicanus)가 동굴 환경에서 시각 유전자를 잃고 후각과 먹이 활동에 에너지를 재분배하는 생물학적 현상에 비유됩니다. 기업 역시 환경이 특정 역량을 표현하지 않을 때 직원들이 그 역량을 인식하지 못하게 되는데, 이를 역량 맹목(competence blindness)이라고 부릅니다.

급성장기에 빠르게 채용을 진행하고 환경에 순응하는 엔지니어들을 선발하면서, 회사 내부에서는 외부의 시각이 아닌 내부의 경험만을 기준으로 판단하게 됩니다. 이러한 환경 속에서 엔지니어들은 기존 인프라를 유지하는 데 집중하게 되며, 이는 신중한 엔지니어링을 억압하고 내부 비판을 억제하는 결과를 낳습니다.

회사들은 통제에 집착하는 우수 센터(centre of excellence)를 구축하여 이러한 현상을 심화시키는데, 이는 직원들의 내재적 동기를 약화시키고 그들이 스스로의 작업에 대한 주인의식을 상실하게 만듭니다. 결국, 이러한 환경에서 머무르는 것은 적응이 충성심과 구별할 수 없게 되는 세포 사멸(apoptosis)과 같다고 분석합니다.

NVIDIA의 cuda-checkpoint 기능을 리버스 엔지니어링하여 더 빠른 콜드 스타트를 달성하는 방법에 대한 내용입니다. 이 기능은 실행 중인 CUDA 프로세스를 일시 정지하고 GPU 상태를 호스트 메모리로 직렬화한 다음 나중에 GPU에 정확히 복원할 수 있게 해줍니다. 개발자들은 이 기능을 SGLang 서버 시작 시간을 최대 70배까지 단축하는 데 활용할 수 있습니다.

하지만 이 체크포인트 과정에서 발생하는 데이터 전송이 PCIe 대역폭을 완전히 포화시키지 못한다는 점이 관찰되었습니다. 이 비효율성을 해결하기 위해 애플리케이션 측의 협력이 필요했으며, 이를 통해 드라이버나 애플리케이션을 수정하지 않고도 속도를 개선할 수 있는 방법을 찾았습니다.

리버스 엔지니어링 결과, cuda-checkpoint가 작동할 때 해당 프로세스는 nvidia-smi에서 사라지며 GPU 메모리를 사용하지 않게 됩니다. 체크포인트 과정에서 GPU 상태가 일반 호스트 메모리로 이동하며, 이 과정에서 프로세스의 장치 메모리 흔적(device footprint)이 익명 메모리 매핑에 직렬화된다는 것을 발견했습니다.

이를 통해 개발자들은 체크포인트 시점에 프로세스가 GPU 메모리에서 호스트 메모리로 이동하는 방식을 추적하고, 체크포인트 데이터의 크기를 파악하여 성능 최적화에 필요한 내부 메커니즘을 이해할 수 있습니다.

판사는 이혼에 대한 심각한 우려에도 불구하고 일론 머스크의 150만 달러 SEC 합의를 승인했습니다. 이 합의는 2025년 초에 SEC가 머스크가 트위터(현 X)의 지분 증가에 대해 공개를 제대로 하지 않은 것에 대해 제기한 소송을 종결시킵니다.

이 소송은 머스크가 2022년에 회사 지분을 공개하지 않은 문제에 초점을 맞추고 있었습니다. SEC는 머스크가 지분을 공개하지 않은 것이 투자자들에게 미치는 영향을 강조하며 1억 5천만 달러를 절약했다고 주장했습니다.

결국 머스크는 SEC와 합의하여 잘못을 인정하지 않는 조건으로 150만 달러의 벌금을 지불하기로 했습니다. 법원은 이 합의가 공정성과 합리성의 최소 기준을 충족하는지 또는 사법 권력을 조롱하는지에 대해 판단했습니다. 판사는 합의에 대해 상당한 우려를 표했지만, 이 합의가 높은 기준을 충족하지는 않는다고 판단했습니다.

스웨덴 기반의 바이브 코딩 스타트업인 Lovable이 기업 가치를 132억 달러로 두 배로 높이는 방안을 논의 중인 것으로 알려졌습니다. 이 회사는 현재 3억 달러 규모의 자금을 조달할 계획이며, 이 라운드에서는 최근 12월에 달성했던 66억 달러의 가치에서 두 배로 성장하는 것을 목표로 합니다.

이 자금 조달에 Menlo Ventures가 주도적인 역할을 할 것으로 예상되며, Lovable은 6월에 연간 매출 실현율 5억 달러를 기록하며 빠르게 성장하고 있습니다. Lovable은 사용자들이 소프트웨어를 설명하는 방식으로 코드를 구축할 수 있게 하는 바이브 코딩 도구를 제공하며, Workday, Asana, Nvidia와 같은 대기업에도 이 도구를 판매하고 있습니다.

바이브 코딩은 AI 분야에서 가장 인기 있고 수익성이 높은 사용 사례 중 하나이며, Replit이나 Factory와 같은 다른 주목할 만한 스타트업들이 이 분야에서 경쟁하고 있습니다. 특히 개발자에게 바이브 코딩을 제공하는 Cursor가 SpaceX에 600억 달러에 인수되는 등 관련 시장은 매우 역동적으로 움직이고 있습니다.

메타가 항상 작동하는 AI 웨어러블 기기를 개발하고 있다는 보도가 나왔습니다. 이 회사는 금융타임스에 따르면 지속적으로 오디오를 녹음하고 몇 초마다 사진을 찍는 '슈퍼 센싱' 항상 인지형 스마트 글래스를 프로토타입으로 개발 중입니다. 착용자는 이 녹음된 오디오와 이미지에 대해 메타 AI에게 질문할 수 있게 됩니다.

하지만 이 시스템에서 이미지와 오디오 데이터가 사용자에게 직접 제공되지 않을 수 있다는 점이 중요합니다. 제안된 시스템에 따르면, 메타는 원본 영상과 오디오를 저장하거나 사용자에게 제공하지 않고 해당 데이터의 메타데이터만을 활용할 수 있습니다.

이는 데이터 수집 및 처리 방식에 있어 개인 정보 보호와 관련된 중요한 맥락을 제시합니다. 따라서 개발자들은 이러한 항상 인지형 웨어러블 기기에서 데이터가 어떻게 수집되고, 어떤 방식으로 메타데이터가 활용되는지에 대한 프라이버시 및 보안 측면을 고려해야 합니다.

존 디어(John Deere) 소유주들은 연방거래위원회(FTC)와의 합의를 통해 농업 장비에 대한 수리 권리를 확보하게 되었습니다. 이는 장비 수리 및 지원 방식에 있어 중요한 변화를 의미합니다.

이번 합의는 존 디어의 독립적인 수리 정책을 강화하며, 보다 유연한 수리 옵션을 통한 혁신을 뒷받침한다는 내용입니다. 존 디어의 애프터마켓 및 고객 지원 부문 부사장은 이러한 조치가 고객과 장비 지원의 미래에 긍정적인 소식이라고 밝혔습니다.

과거부터 소비자들은 단순 수리조차도 회사 승인 딜러를 통해서만 가능했던 상황에 대해 불만을 제기해 왔으며, 이러한 수리 권리(Right-to-repair) 문제는 기술 제품 분야에서 점점 더 흔해지고 있습니다. 이번 합의는 제조사와 소비자 간의 수리 접근성에 대한 새로운 기준을 제시하며 산업 전반의 지원 모델에 영향을 미칠 것으로 보입니다.

대규모 언어 모델(LLM)에게 질문을 요청하는 습관은 실제 경험과 깊은 통찰을 얻는 과정에서 중요한 인간적 경험을 생략하게 만든다. 특히 업계 합의가 없는 어려운 질문에 대해 전문가의 경험을 구하고자 할 때, LLM은 종종 일반적인 답변이나 다른 모델을 추천하는 식으로 응답하며 구체적인 해답을 제공하지 못한다.

이러한 현상은 LLM이 제공하는 답변이 수십 년간 축적된 경험이나 개인의 구체적인 삶의 경험을 대체할 수 없다는 점을 시사한다. 예를 들어, 친구에게 식당 추천을 요청할 때 얻는 답변은 공유된 취향과 역사를 바탕으로 한 구체적인 조언이지만, LLM은 이러한 맥락을 제공하지 못하고 단순히 'Claude에게 물어보라'는 식으로 회피하는 경향이 있다.

결국 '모델에게 물어보기'는 때로는 구체적인 답변을 제공하는 데 필요한 시간과 깊은 사고를 회피하는 정중한 거절 방식이 될 수 있다. 사람들은 다른 사람들이 기대하는 깊이 있는 경험과 생각을 제공하는 데 드는 비용을 고려해야 하며, 모든 질문에 대해 숙고된 답변을 제공할 것을 기대하는 것은 공평하지 않다.