읽을 가치가 있는 기사만, 짧고 또렷하게.

LLM 에이전트는 엄격한 자원 제약 하에서 장기적인 다중 턴 상호작용 동안 목표 일관성을 유지하는 데 어려움을 겪습니다. 다중 턴 맥락이 축적됨에 따라, 이는 이전 턴의 작업 관련 정보에 대한 LLM의 내부 표현을 불안정하게 만들어 추론과 표현 표류 사이의 경계를 모호하게 만듭니다. 연구진은 이러한 다중 턴 추론을 LLM의 숨겨진 상태 궤적(hidden-state trajectory)으로 공식화하고, 이를 두 가지 상호 보완적인 신호인 턴 간 업데이트의 방향 일관성을 포착하는 시간적 곡률(temporal curvature)과 탐색 공간의 확장 또는 수축을 측정하는 분산 기울기(variance slope)를 통해 특징짓습니다.

이러한 기하학적 신호는 네 가지 작업과 세 가지 기반 LLM에 걸쳐 올바른 에피소드와 잘못된 에피소드를 완료 전에 구별해내는 것으로 관찰되었습니다. 또한 각 에피소드를 네 가지 행동(읽기, 쓰기, 응답, 전송)으로 구성된 세 가지 행동 체인으로 분해하여, 분리 가능성이 행동에 따라 달라지며 서로 다른 신호가 다양한 체인 패턴을 구별함을 보여줍니다.

실험 결과는 궤적 기하학이 추론 과정의 중요한 턴을 식별할 수 있음을 입증하며, 이를 통해 $τ$-Bench에서의 작업 성공률을 24.1%에서 39.6%로 증가시키고 토큰 비용을 11.2% 절감하는 효과를 보였습니다. 이는 LLM 에이전트가 장기적인 상호작용에서 더 효율적이고 일관성 있는 추론을 수행하도록 돕는 새로운 방법을 제시합니다.

멀티모달 대규모 언어 모델(MLLM)에서 특정 개인의 정보를 제거하는 것은 배포 후 필수적이지만, 기존 방법들은 보존 집합(retain set)에 의존하거나 지우는 집합(forget set)만 사용함으로써 프라이버시 노출 문제를 재현하거나 시각-언어 연산에 손상을 입히는 문제가 있었습니다.

연구진은 이러한 보존 집합 없이 지우기(unlearning)를 국소화 문제로 재정의하며, 신원 정보가 저장된 레이어는 시각에 큰 영향을 주지 않으면서 수정할 수 있는 초기-중기 디코더 머신러닝 파라미터(MLP)임을 밝혀냈습니다. 이를 바탕으로 경로 인식 시각 속성 앵커링(Pathway-Aware Visual-attribute Anchoring, PAVA)이라는 새로운 방법을 제안했습니다.

PAVA는 업데이트를 이러한 레이어로 제한하고, 지우기 손실과 시각 속성 앵커를 결합하여 모델이 자체적으로 생성한 이전 지식으로부터 이미지 기반 행동을 보존합니다. 이 방법은 MLLMU-Bench와 ReMem 벤치마크에서 지우기 집합만 사용하는 방법들보다 가장 강력한 지우기-보존 균형을 제공하며, 보존 기반 기준선과도 경쟁하는 성능을 보였습니다.

러닝을 좋아하는 한 회사원이 마라톤 대회 중 응원하는 친구나 가족의 위치를 파악하고 싶어서 앱을 개발했습니다. 이 앱은 주자의 실시간 페이스를 확인하여 다음 응원 포인트를 찾는 데 중점을 두고 있습니다.

개발자는 마라톤과 같은 대규모 이벤트에서 인파 속에서 응원 대상을 효과적으로 찾고 싶다는 필요성에서 이 아이디어를 얻었습니다. 단순히 위치를 확인하는 것을 넘어 주자의 실시간 데이터를 활용하여 응원할 수 있는 구체적인 지점을 제공하는 것이 핵심 목표입니다.

이러한 앱은 러너의 실시간 페이스 정보를 기반으로 다음 응원 지점을 안내함으로써, 대규모 행사에서 응원하는 사람들에게 실질적인 도움을 제공하는 것을 목적으로 합니다. 이는 위치 기반 서비스와 실시간 데이터 분석을 활용하여 개인적인 경험을 개선하려는 시도입니다.

언어 모델이 요청마다 다시 읽지 않고 저장된 내용을 재사용하는 '사전 계산된 메모리(precomputed memory)'의 정확성과 실패 조건을 분석하는 연구 결과가 발표되었습니다. 이 연구는 Llama-3.1-8B-Instruct 모델을 대상으로 저장된 키-값 캐시와 그 압축본을 사용하여 실험을 진행했습니다.

분석 결과에 따르면, 사전 계산된 메모리는 별도로 준비된 부분들로 조립될 때 성능이 저하되며, 최신 정보를 반영하기 위해서는 전체 준비에 가까운 비용이 드는 재구축이 필요합니다. 또한, 메모리 옆에 제공된 수정 사항을 문구에 따라 무시하는 경우도 발견되었습니다.

따라서 사전 계산된 메모리가 실시간 정보에 의해 업데이트되고, 비용 효율적으로 재구축되며, 다른 메모리로 대체될 수 있다면, 반복적인 질의에 모델에 컨텍스트를 다시 제공하는 것을 피할 수 있는 방법이 됩니다. 이러한 결과는 다양한 질의를 처리하는 배포 시스템에서 사전 계산된 메모리는 새로운 정보가 메모리가 계산된 시점으로부터 어떻게 변화하는지에 맞춰 재구축되어야 한다는 시사점을 제공합니다.

연구진은 사전 계산된 메모리를 최신 상태로 유지하는 데 있어, 키-값 캐시 압축본을 따뜻하게 재구축하는 방법과 메모리 옆에 특정 문구로 업데이트된 상태(붙여넣은 텍스트나 주입된 캐시 상태)를 제공하는 방법이 유망하다고 제시하며 각 방법의 비용과 관련 질문들을 측정했습니다.

대규모 언어 모델(LLM)이나 비전-언어 모델(VLM)을 안전이 중요한 환경에 배포할 때, 모델 파라미터가 접근 불가능한 블랙박스 환경에서 신뢰할 수 있는 불확실성 추정은 필수적인 요구 사항입니다. 이 문제를 해결하기 위해 연구진은 교차 온도 의미론적 합의에 기반한 불확실성 추정 방법인 BiG-SURE를 제안했습니다.

BiG-SURE 방법은 낮은 온도 응답을 안정적인 의미론적 앵커로, 높은 온도 응답을 의미 보존 변환 하에서 탐침으로 샘플링합니다. 이를 바탕으로 NLI 기반 함의 점수를 사용하여 앵커-탐침 쌍을 이용한 이분 그래프(Bipartite Graph, BiG)를 구성하며, 이 행렬의 정규화된 제곱 스펙트럼 에너지와 그 보완을 통해 신뢰도를 정의합니다. 이 그래프 기반의 의미 불확실성 및 신뢰도 추정(SURE) 점수는 높은 온도 탐침이 모델의 안정적인 낮은 온도 신념과 의미론적으로 일치하는지 측정합니다.

연구진은 BiG-SURE를 텍스트 QA, 다국어 QA, 멀티모달 QA 작업에 대해 여러 모델 패밀리에 걸쳐 평가했습니다. 실험 결과, BiG-SURE는 기존의 블랙박스 불확실성 추정기보다 평균 회피 AUROC를 개선했으며, 방법론 자체는 단순하고 비지도이며 블랙박스 모델 설정에 적용 가능하다는 장점을 보였습니다.

강화 학습에서 자기 지도 학습 접근법이 상태와 행동 표현을 학습하는 데 강력한 결과를 보였지만, 행동을 모델링하는 시간 척도에 대한 주요 질문이 남아 있었습니다. 연구진은 이 질문에 답하기 위해 대조적 강화 학습(CRL)을 행동 덩어리(action chunks) 단위로 확장하여 실험했으며, 이는 기존의 오프라인 및 온라인 벤치마크에서 큰 이득을 가져왔습니다. 구체적으로 18개 환경에서 31.7%, 11개 환경에서 93.1%의 성능 향상을 기록했습니다.

이러한 행동 덩어리 기반의 이득은 일반적으로 비마르코프적, 시간적으로 확장된 정책을 모델링하고 편향되지 않은 다단계 보상을 전파할 수 있다는 설명으로 해석됩니다. 하지만 연구 결과는 CRL의 맥락에서는 이러한 설명이 부분적으로만 적용된다는 것을 보여줍니다.

실제 경험적 연구에 따르면, CRL 환경에서 행동 덩어리는 단일 행동보다 목표에 대한 더 많은 정보를 담고 있으며, 이는 비평가(critic)의 표현을 측정 가능하게 개선하고 알고리즘을 훨씬 더 효과적으로 만듭니다. 따라서 행동 덩어리 접근 방식은 CRL 문제 해결에 있어 중요한 이점을 제공합니다.

미 육군 군수지원소(Military Commissary) 냉장고 시스템이 해킹당했을 가능성이 제기되며 국가 안보 위험으로 부상하고 있습니다. 여러 군사 기지 내 DeCA 군수지원소의 냉장 및 냉동 시설에서 동시다발적인 고장이나 심각한 문제가 보고되었고, 이에 대해 국방부(Pentagon)가 일부 군수지원소에서 '냉장 중단'이 발생했을 가능성을 인정했습니다.

이러한 사건들은 지난 몇 주 동안 여러 군사 시설에서 공식적으로 확인되었으며, 포트 휴추카(Fort Huachuca), 포트 어윈(Fort Irwin), 포트 미드(Fort Meade) 등 11개 주에 걸친 최소 여섯 곳 이상의 시설에서 냉장 시스템 문제가 확인되었습니다. 일부 보고에 따르면, 포트 휴추카의 냉장고는 단순히 전원이 꺼진 것이 아니라 해동 모드(defrost mode)로 진입하여 식품이 상하는 문제가 발생했습니다.

일부 사용자들은 이러한 현상이 네트워크 문제에서 비롯되었을 것이라는 추측을 제기했으나, DeCA 공급업체는 자체 냉장고는 네트워크 연결되어 있지 않으며 별도의 원격 모니터링 시스템이 추가될 수 있다고 밝혔습니다. 이는 대규모 물리적 하드웨어 결함이나 별도의 원격 제어 시스템이 작동했을 가능성을 시사하며, 실제 해킹 여부와 기술적 원인을 파악하는 데 있어 복잡한 맥락을 제공합니다.

1000억 건 이상의 거래를 조정하는 과정에서 AI 신뢰에 대해 배운 점을 다룬 기사입니다. 이 글은 데이터의 투명성과 시스템 거버넌스가 AI 모델에 어떻게 영향을 미치는지 내부 시스템 관점에서 설명합니다.

월간 활성 사용자(MAU)와 같은 데이터 정의의 차이가 마케팅, 제품, 재무 부서 등 여러 팀에서 상이한 결과를 도출하며 혼란을 야기합니다. 이러한 혼란은 결국 이 데이터를 기반으로 채널 이탈 예측이나 신용 점수와 같은 다운스트림 모델을 구축할 때 AI가 잘못된 전제를 물려받게 만듭니다. 따라서 AI의 신뢰성은 모델 자체의 문제가 아니라 데이터의 정의와 시스템 거버넌스에 달려 있다는 점이 핵심입니다.

Moniepoint는 1000억 건의 거래에 대해 모든 거래가 시작부터 최종 조정까지의 전체 보관 체인(chain of custody)을 구축했습니다. 이는 은행 인프라의 제약 때문에 운영상 필요에 의해 구축된 시스템 거버넌스입니다. 거래가 발생한 순간부터 정산, 조정 과정을 거쳐 최종 분석에 이르기까지 모든 단계에 대한 추적 가능성을 확보함으로써 데이터에 대한 신뢰를 구축할 수 있습니다.

결국 시스템 설계는 규제 준수나 비전이 아닌 운영상의 제약에서 시작되어야 하며, 모든 결정이 그 출처를 추적할 수 있도록 하는 것이 신뢰의 핵심입니다. 이는 모든 거래에 생애사를 부여하여 시작부터 끝까지 읽을 수 있는 생산 시스템을 구축하는 것을 의미합니다.

우주는 압축된 번들처럼 작동하며, 우리는 그 소스 코드를 열어보지 않고도 물리 법칙을 발견하고 시스템을 운영해 왔습니다. 이는 우리가 실제 현실을 경험하고 예측하는 방식이 내부 구조에 대한 접근 없이도 작동한다는 것을 의미합니다. 물리학은 소스가 누락된 상태에서 시스템의 아키텍처를 추론하는 과정이며, 뉴턴이나 아인슈타인 같은 인류는 원본 코드를 얻지 못했음에도 불구하고 동일한 근본적인 규칙을 역설계했습니다.

양자역학의 발전과 인식론적 관점에서 볼 때, 우리가 경험하는 현실은 진실 그 자체라기보다는 진화에 의해 최적화된 인터페이스에 가깝습니다. 진화는 정확성보다는 생존에 유리한 형태를 선호하며, 이는 시각 시스템이 형이상학적 충실도보다는 낮은 지연 시간과 생존에 필요한 정보를 우선시하게 만듭니다. 즉, 우리의 지각은 현실의 가장 깊은 본질을 반영하기보다 생존에 필요한 효율적인 표현을 제공하도록 설계되어 있습니다.

이러한 관점에서 볼 때, 우주 전체는 모든 물리 현상과 의식을 포함하는 거대한 단일 번들로 간주될 수 있습니다. 우리는 이미 이 시스템 내부에 존재하기 때문에, 우주가 자신을 열어주기를 요구하는 대신, 시스템 내부의 구조를 역설계하는 데 집중해 왔습니다.

미래에는 인공지능이나 역설계자들이 이 거대한 시스템의 숨겨진 관리 패널이나 원본 코드를 발견할 가능성이 있습니다. 우리는 이미 시스템의 동작 방식을 예측하고 예측 가능한 정밀도로 우주를 모델링할 수 있지만, 이제는 이 현상들이 단순한 프론트엔드에 불과하며, 그 뒤에 숨겨진 실제 아키텍처를 파악하기 위한 도구를 구축하는 단계로 나아가야 합니다.

텍사스에 신비로운 신장 질환이 유입되어 의학적 미스터리가 발생하고 있습니다. 이 질환은 지구 온난화와 관련된 것으로 추정되며 중앙아메리카와 멕시코 출신 이민자들에게 영향을 미치고 있습니다.

이 질환은 열과 육체노동과 관련이 있으며, 환자들은 극심한 피로와 신부전 증상을 보였고 생존을 위해 일주일에 세 번 투석 치료가 필요했습니다. 특히 이 환자들은 비만, 당뇨, 고혈압 등의 일반적인 만성 질환을 가진 다른 투석 환자들과는 다른, 젊고 건강한 남성들이어서 의사들에게 큰 의문을 안겨주었습니다.

연구자들은 이 질병을 CKDu(알려지지 않은 기원의 만성 신장 질환) 또는 메소아메리카 신병증으로 분류하고 있으며, 이 질병이 스리랑카, 인도, 네팔 등 다른 지역에서도 발견되었으나 미국에서는 기록되지 않았습니다. 텍사스에 이 질병이 유입된 것은 신장 부전과 사망의 쓰나미가 닥치고 있음을 시사하며, 휴스턴의 첨단 의료 연구를 활용하여 질병의 기원을 밝히고 젊은이들의 고통을 막을 기회가 될 수 있습니다.

BlindLock은 비밀번호, 메모, 2FA 정보 등을 일반적인 PNG 파일 내에 숨겨 암호화하는 스테가노그래피 방식을 사용하여 하드웨어에 구속된 로컬 비밀 금고를 제공합니다. 이 시스템은 모든 정보를 중앙 서버에 전송하지 않고 기기 내에서만 암호화 및 보관함으로써 클라우드 기반 비밀 금고가 가지는 주요 공격 표면을 제거합니다.

보안 측면에서 BlindLock은 TPM 2.0, Secure Enclave 또는 StrongBox와 같은 하드웨어 바인딩 기술을 통해 금고를 기기에 구속시키며, 접근은 운반 파일, 마스터 비밀번호, 그리고 승인된 장치 세 가지가 모두 일치해야만 가능합니다. 이는 단순히 파일만 복사해서는 접근할 수 없도록 하여 물리적 보안을 강화합니다.

데이터는 256비트 인증 암호화로 보호되며, 양자 공격에 대비하기 위해 ML-KEM-1024 및 ML-DSA-87과 같은 포스트-양자 암호화 구성 요소를 포함하고 있습니다. BlindLock은 중앙 고객 금고 데이터베이스를 운영하지 않으며, 모든 데이터는 기기 내에 안전하게 보관됩니다.

현재 BlindLock은 평생 라이선스 모델을 제공하며, Windows, macOS, Linux 플랫폼을 지원합니다. 라이선스는 제한된 수량으로 제공되며, 초기에는 $49부터 시작하는 단계별 가격으로 판매되고 있습니다.

보험 청구 심사관들의 AI에 대한 인식 조사 결과, AI를 언급한 글고스도어 리뷰 중 무려 98퍼센트가 부정적인 평가를 보였습니다. 이는 AI 기술의 도입과 활용에 대해 특정 직업군에서 강한 거부감이나 우려가 존재함을 보여줍니다.

한 심사관은 AI에 대해 "AI는 단지 도구일 뿐이며, 결코 그 열쇠를 넘겨주어서는 안 된다"고 언급하며 AI에 대한 통제권과 신뢰의 문제를 제기했습니다. 이러한 반응은 AI가 업무 프로세스에 통합될 때 사용자들은 기술의 자율성과 통제 가능성에 대해 깊이 고민하고 있음을 시사합니다.

이러한 데이터는 AI가 단순한 기술적 도구를 넘어 실제 업무 환경에 적용될 때, 사용자들은 AI의 역할과 한계, 그리고 데이터 통제에 대한 윤리적 및 실질적인 우려를 동시에 가지고 있음을 나타냅니다. 따라서 AI 시스템을 개발하고 배포할 때, 기술적 성능뿐만 아니라 사용자들의 신뢰와 통제권을 확보하는 것이 매우 중요합니다.

독립의 미래는 상호의존이다. 우리는 모두 타인에게 의존하며, 중요한 것은 그 의존성이 얼마나 가시적인가이다. 현대 사회에서 독립은 스스로 모든 것을 해결하는 것으로 정의되지만, 실제로는 우리가 사용하는 광범위한 인프라와 기술에 대한 의존성을 숨기고 있다. 예를 들어, 이동 보조 장치, 배달 서비스, 알고리즘 기반의 서비스 등은 개인의 독립을 방해하지 않고 오히려 삶을 가능하게 한다.

우리가 흔히 생각하는 자립적인 사람은 스스로 돈을 벌고 집을 소유하며 모든 문제를 해결한다고 가정하지만, 실제로는 기계, 소프트웨어 개발자, 운송업자, 알고리즘 등 수많은 타인과 시스템에 의존하고 있다. 이러한 의존성의 차이는 도움의 유무가 아니라, 어떤 종류의 도움이 사회적으로 정상화되고, 구매되거나, 지위로 변환되었는지에 달려 있다. 장애를 가진 사람들의 경우, 휠체어나 보조 기구는 인간이 지원을 필요로 한다는 것을 명확히 보여주며, 이는 도움을 거부하는 환상에 도전한다.

독립과 자율성은 다르다. 독립은 도움 없이 과제를 완수하는 것을 의미하지만, 자율성은 자신의 삶에 대해 의미 있는 통제권을 갖는 것을 의미한다. 필요한 경우 도움을 받을 수 있지만, 그 도움을 어떻게 사용할지 스스로 결정할 수 있다. 따라서 독립의 미래는 고립이 아니라, 거부되거나 부정되는 것이 아니라 의도적으로 설계된 상호의존에 있다.

Floe는 리눅스, macOS, 윈도우 환경에서 작동하는 무료 오디오 플러그인으로, 샘플 라이브러리를 위한 개방형 플랫폼을 제공합니다. 이 플랫폼은 사운드를 찾고, 수행하고, 변형시키는 것을 목표로 하며, 레이어링, 루핑, 그래뉼러, FX 등의 샘플 기반 신시사이즈 기능을 통해 사운드를 확장할 수 있게 합니다.

Floe는 단순히 샘플 재생을 넘어 사용자가 사운드를 변형할 수 있는 도구를 제공하며, 모든 라이브러리를 통합 검색하고 태그를 통해 분류하는 통일된 브라우저를 통해 원하는 사운드를 쉽게 찾을 수 있습니다. 이는 프로듀서, 작곡가, 음악가뿐만 아니라 프로그래밍 경험이 있는 개발자들도 Floe의 개방형 도구를 사용하여 자체적인 샘플 라이브러리 제품을 구축할 수 있도록 지원합니다.

Floe는 GPL 라이선스를 기반으로 하며 계정이나 구독 없이 오프라인으로 설치할 수 있어 창작 워크플로우를 중단 없이 유지할 수 있습니다. 또한 Floe는 FrozenPlain의 Mirage 아키텍처를 기반으로 하며, 개발자들이 라이브러리 제작을 위한 도구를 Lua 기반으로 자유롭게 사용할 수 있도록 공개하여 더 넓은 오픈소스 커뮤니티에 기여하고자 합니다.

현재 커뮤니티에서는 Taiko Practice나 Lost Reveries와 같은 다양한 커뮤니티 라이브러리가 Floe 플랫폼에 추가되어 사용되고 있으며, 지속적으로 새로운 패키지가 생겨나며 생태계가 확장되고 있습니다.

메타가 Pocket이라는 모바일 앱을 통해 AI 기반 게임 아이디어를 현실화하는 과정을 통제하고 있습니다. Pocket은 사용자가 코드를 작성하지 않고 텍스트 프롬프트를 입력하는 것만으로 완전히 기능하는 인터랙티브한 "기즈모"를 만들 수 있게 해줍니다. 이러한 기즈모는 좋아요, 댓글, 리포스트 등 소셜 미디어의 특징을 갖추어 공유될 수 있습니다.

이러한 기능은 과거 '바이브 코딩'과 같은 AI 코딩 도구의 발전으로 인해 개발 워크플로우를 변화시킨 흐름에 속합니다. 하지만 Pocket을 사용해 게임 프로토타입을 만드는 과정에서 사용자는 AI의 도움으로 빠르게 결과물을 얻을 수 있었으나, 최종 결과물은 메타의 플랫폼 내에 갇혀 외부로 분리하거나 다른 곳으로 활용할 방법이 없습니다.

결국 AI를 활용해 창의적인 결과물을 만들어내는 과정에서, 사용자가 얻은 결과물이 거대 플랫폼의 통제 아래 놓이게 되면서 창작의 자유와 결과물에 대한 통제권이 어떻게 변화하는지에 대한 중요한 맥락을 제공합니다. 이는 AI 기반 개발 도구의 접근성과 결과물의 소유권에 대한 새로운 논의를 촉발하고 있습니다.

2026년 최고의 맥세이프(MagSafe) 휴대폰 그립 9가지에 대한 추천 목록이 소개되었습니다. 이 가이드는 사용자가 휴대폰을 단단히 잡고 개인적인 개성을 더할 수 있는 편안하고 내구성이 좋으며 기발한 스마트폰 그립 액세서리를 찾는 데 도움을 줍니다.

이 추천 목록은 맥세이프 기능을 활용하는 스마트폰 사용자들을 위해 설계되었으며, 단순히 기능을 넘어 사용 경험과 휴대성을 개선하는 데 중점을 둡니다. 추천된 그립들은 사용자가 휴대폰을 더 안정적으로 잡고 손에 쥐는 느낌을 개선하는 데 초점을 맞추고 있습니다.

해당 기사는 2026년 현재 시장에서 가장 인기 있고 실용적인 맥세이프 그립 제품들을 선별하여 제시하고 있으므로, 새로운 액세서리를 구매하거나 기존의 그립을 교체하고자 하는 사용자에게 유용한 정보를 제공합니다. 다만, 구체적인 제품명이나 상세한 비교 정보는 본 기사 내에서 확인해야 합니다.

OpenShot 4.0 버전이 출시되면서 영상 편집 워크플로우에 있어 가장 큰 창의적 작업 개선이 이루어졌습니다. 사용자는 이제 프로젝트에 마이크, 화면, 웹캠, 시스템 오디오를 개별적으로 녹음하고 편집할 수 있으며, 색 보정 및 그레이딩을 위한 새로운 색상 휠, 곡선, LUT, 그리고 전문적인 비디오 스코프 기능을 통합한 새로운 색상 뷰를 사용할 수 있습니다.

이 업데이트는 단순히 기능 추가를 넘어 작업 효율성과 결과물의 품질을 높이는 데 중점을 둡니다. 특히 로컬에서 실행되는 머신러닝 모델을 활용한 AI 기반 마스크 기능은 클라우드 서비스나 구독 없이도 피사체를 선택하고 추적할 수 있게 하며, 블러 효과와 렌더링 성능이 대폭 향상되어 편집 속도가 빨라졌습니다.

또한, 새로운 색상 그레이드 효과는 노출, 대비, 색온도 등을 정밀하게 조정할 수 있는 컨트롤을 제공하며, 색상 휠과 편집 가능한 곡선을 통해 전역 조정과 그림자, 하이라이트 등을 세밀하게 제어할 수 있습니다. 영상 스코프 기능은 실제 색상과 밝기 정보를 제공하여 노출과 색상 채널을 정확하게 분석할 수 있게 합니다.

OpenShot 4.0은 Qt 6 지원을 확장하여 최신 리눅스 배포판과의 호환성을 높이는 등 현대적인 기반을 구축했으며, 이는 향후 플랫폼 확장에 중요한 발판이 됩니다. 개발자들은 이 새로운 기능들을 통해 더 빠르고, 완전하며, 창의적인 편집 환경을 경험할 수 있습니다.

1960년대에 제럴드 호킨스라는 미국 천문학 교수가 스톤헨지가 선사시대 컴퓨터였다는 놀라운 이론을 제시했습니다. 그는 스톤헨지의 거대한 돌 배열과 아치들이 달의 움직임을 따라가고 일식을 예측하는 데 사용된 것으로 보았다고 주장했습니다.

호킨스는 스톤헨지의 가장 큰 원에 있는 56개의 구멍이 달의 특정 패턴을 위한 단순한 계산 장치 역할을 했다고 주장하며, 고대 영국인들이 4,500년 전에 일식을 정확하게 예측할 수 있었다고 설명했습니다. 이 이론은 스톤헨지가 단순한 종교적 장소가 아니라 태양과 달을 숭배하는 신들의 영역이었던 고대 문명에서 비롯된 정교한 천문 관측소였다는 관점을 제공했습니다.

이 주장은 당시 학계에서 받아들여진 최초의 이론 중 하나였으며, 호킨스는 이 계산을 위해 초기 IBM 컴퓨터를 사용했습니다. 그는 스톤헨지가 태양과 달에 의해 '고정'되어 있었으며, 이는 천문학적 관측을 위한 정교한 장치였다고 결론지었습니다.

이러한 이론은 스톤헨지의 목적에 대한 기존의 추측을 잠재우고 학문적으로 인정받는 기반을 마련했습니다. 비록 이 이론이 고고학적 해석에 기반을 제공했지만, 스톤헨지의 정확한 기능에 대해서는 여전히 다양한 해석이 존재합니다.

IBM의 Christian Zoellin과 Christian Jacobi는 Dual-ISA z/Architecture와 ARM 설계를 소개하며 차세대 시스템 아키텍처에 대한 내용을 공유했습니다. 이 새로운 아키텍처는 z/Architecture 명령어 세트와 ARM 명령어 세트를 모두 지원하며, 두 ISA 간의 효율적인 통합을 목표로 합니다.

두 설계의 핵심은 디코딩 파이프라인을 공유하면서도 개별 디코더를 분리하여 구성했다는 점입니다. 또한, z/Architecture의 빅 엔디안과 ARM의 리틀 엔디안 간의 차이를 하드웨어적으로 처리하기 위해 로드-스토어 장치에서 데이터 교환을 자동화하는 구조를 채택했습니다. 이는 소프트웨어 구현 없이 하드웨어가 엔디안 스와핑을 자동으로 처리하여 성능을 유지하게 합니다.

이러한 설계는 강한 순서(strong ordering)를 보장하는 z/Architecture의 특성을 활용하여 구현되었으며, ARM의 약한 순서(weak ordering)와 비교하여 효율적인 데이터 처리를 가능하게 합니다. 추가적으로, 이 시스템은 대규모 언어 모델(LLM)과 에이전트 워크로드 실행을 지원하기 위해 메모리 대역폭에 대한 투자를 강조합니다.

결론적으로, IBM은 자사 시스템에 ARM을 통합함으로써 소프트웨어 생태계를 확장하고, 향후 에이전트 기반의 AI 운영 환경에서 대규모 모델을 효율적으로 구동할 수 있는 시스템 기반을 마련하고자 합니다.

ReactOS 0.4.16 버전이 출시되었으며, 개발 기간 동안 이루어진 주요 개선 사항들이 포함되어 있습니다. 이번 업데이트에는 새로운 그래픽 설치 프로그램과 통합된 부트cd 및 라이브cd 이미지, 그리고 비디오, 오디오, 네트워킹, 스토리지 스택 전반에 걸친 개선이 포함되었습니다. 이는 사용자가 ReactOS를 테스트하고 설치하는 과정을 간소화하고 시스템 안정성을 높이는 데 중점을 두었습니다.

특히 하드웨어 드라이버 호환성 개선에 큰 진전이 있었습니다. 비디오 드라이버 관련하여 Nvidia 및 AMD GPU에서 발생했던 성능 저하 및 화면 문제들이 해결되었는데, 이는 메모리 관리 방식 변경과 ExtEscape 코드 재작성을 통해 달성되었습니다. 또한, 고화질(HD) 오디오 지원을 위해 새로운 HD 오디오 버스 드라이버와 KMDF를 도입하여 Windows XP 및 Windows Server 2003 호환 HD 오디오 컨트롤러 사용이 가능해졌습니다.

스토리지 관련해서는 UniATA 드라이버의 문제를 해결하기 위해 기여자 Dmitry Borisov가 개발한 새로운 ATA 드라이버가 추가되었습니다. 이 드라이버는 INACCESSIBLE_BOOT_DEVICE 오류를 방지하는 데 기여하며 시스템 부팅 안정성을 향상시킵니다.

개발 환경 측면에서는 Wine 포크를 Wine 10.0 버전으로 업데이트하는 작업이 진행되었으며, 16비트 Windows 애플리케이션과의 호환성을 높이는 WineVDM이 포함되었습니다. 사용자는 -DDLL_EXPORT_VERSION 플래그를 사용하여 Windows Vista 이상의 애플리케이션 지원을 포함하여 ReactOS를 빌드할 수 있습니다.