읽을 가치가 있는 기사만, 짧고 또렷하게.

미국이 Autistici/Inventati 집단을 테러 자금 조달에 대한 제재 대상으로 지정하면서 새로운 대테러 선례를 남겼습니다. 독일 마셜 펀드 선임 연구원인 베니아미노 이르디에 따르면, 이번 조치는 단순히 특정 행위를 저지른 조직을 겨냥하는 것을 넘어 기술 인프라에 대한 물질적 지원 논리가 적용되었다는 점에서 중요합니다.

이번 제재는 암호화된 통신, 웹 호스팅, 보안 비디오 회의 등 디지털 인프라를 제공하는 집단에게도 적용되어, 테러 행위를 실행하는 주체뿐만 아니라 이를 가능하게 하는 기반 시설 자체를 겨냥하는 선례를 만들었습니다. 이는 유럽 동맹국과 안보, 정보, 법적 보호 장치 사이의 균형에 섬세한 선례를 제시합니다.

미국의 제재는 Autistici/Inventati에 대한 자산 동결보다는 실질적인 위험 회피(de-risking)를 통해 효과를 발휘합니다. 이 조치로 인해 은행, 결제 시스템, 호스팅 제공업체 등 제3자들은 해당 집단과의 관계를 선제적으로 단절하게 되며, 이는 법적 판결이나 형사 절차 없이도 해당 주체가 서비스 시장에서 배제되는 결과를 초래합니다.

결국 이번 사례는 대테러 조치가 조직의 운영이 아닌 기술 및 인프라 서비스에 대한 대응으로 확장될 수 있음을 보여줍니다. 이는 자유 민주주의 국가들이 현대의 위협에 맞서 안보를 확보하면서도 근본적인 자유와 보호 장치를 훼손하지 않고 대응하는 방식에 대한 근본적인 딜레마를 제기합니다.

전직 PG&E 엔지니어인 조시 맥카닉이 지하 인프라를 위한 ‘구글 지도’를 구축하는 스타트업 CivilGrid가 시리즈 A 투자를 유치했습니다. 이 스타트업은 공공 시설, 토지 소유권, 환경 규제 등 분산된 데이터를 통합하여 지하 자산 정보를 제공함으로써 건설 및 공공 사업의 복잡한 행정 절차와 위험을 줄이는 것을 목표로 합니다.

CivilGrid는 지하 시설에 대한 가시성을 높여 유틸리티 관련 분쟁과 지연을 해결하는 데 중점을 두고 있습니다. 과거 PG&E가 소유한 전기 및 가스 라인 외에도 상하수도 파이프 정보 등은 다른 회사에 속해 있어 연간 약 20만 건의 ‘유틸리티 분쟁’이 발생하며 수만 달러의 비용이 소요됩니다. 이 문제를 해결하기 위해 CivilGrid는 데이터 수집, 정리, 보안을 자동화하는 시스템을 구축하여 엔지니어들이 인프라 배치에 대한 결정을 더 효율적이고 안전하게 내릴 수 있도록 돕습니다.

이러한 데이터 기반 접근 방식은 이미 실질적인 성과를 보이고 있습니다. PG&E가 CivilGrid를 사용하여 1,600개의 가스 배급 프로젝트에서 6천만 달러의 불필요한 포장 비용을 절감한 사례가 있습니다. 맥카닉은 앞으로 더 많은 고객을 확보하고 인프라 구축에 필요한 허가 절차를 자동화하여 건설 과정의 비효율성을 더욱 줄일 계획입니다.

CivilGrid는 이번 시리즈 A 투자 유치를 통해 성장을 모색하고 있으며, 이는 인프라 구축 과정에서 발생하는 행정적 장벽과 비용을 기술적으로 해결하려는 움직임이 시장에서 주목받고 있음을 보여줍니다.

구글의 Fitbit Air 한정판이 포켓몬 게임 'Pokémon Sleep'에서 영감을 받아 출시되었습니다. 이 특별판은 잠자는 피카츄가 새겨진 "Sleepy Blue" 밴드를 특징으로 하며, 포켓몬 카드 특유의 파란색과 금색 디자인을 연상시킵니다. 이 한정판은 포켓몬의 30주년을 기념하며 출시되는 카드 세트와 함께 발매됩니다.

해당 제품은 현재 129달러에 선주문을 받고 있으며, 9월 15일부터 배송을 시작합니다. 이 특별판은 포켓몬 슬립 수면 추적 앱과 연동되는 웨어러블 기기 중 하나로, 구글 기기 간의 통합 및 연결성에 대한 흥미로운 사례를 보여줍니다.

이처럼 웨어러블 기기가 포켓몬 슬립과 같은 게임 및 앱 생태계와 연결될 수 있다는 점은 구글 생태계 내에서 다양한 기기 간의 상호작용 가능성을 시사합니다. 포켓몬 슬립 앱은 애플, 구글, 가민 등 여러 웨어러블 기기를 지원하며, 이는 향후 스마트 기기 간의 연결 표준과 통합에 대한 개발자들에게 중요한 맥락을 제공합니다.

허깅페이스가 개발자들이 직접 훈련할 수 있는 오픈 소스 덕 로봇 마이크로덕을 399달러에 판매하기 시작했습니다. 이 로봇은 강화 학습을 통해 새로운 기술을 배울 수 있도록 설계되었으며, 25센티미터 크기로 걸어 다니고 물체를 집거나 넘어지더라도 다시 일어나는 등 다양한 움직임을 구현할 수 있습니다. 마이크로덕은 카메라, 라이다 센서, 두 개의 IMU를 사용하여 세상을 인식하며, 개발자들은 시뮬레이션 환경에서 행동을 훈련한 후 로봇에 직접 배포하고 미세 조정할 수 있습니다.

이러한 로봇은 허깅페이스가 2025년 4월에 프랑스 스타트업 폴렌 로보틱스를 인수하여 저렴하고 오픈 소스 AI 하드웨어를 구축하려는 전략의 일환입니다. 허깅페이스는 오픈 소스 모델을 통해 개발자들에게 물리적 AI와 세계 모델을 민주화하려는 목표를 가지고 있습니다. 마이크로덕의 행동은 시뮬레이션에서 훈련하고 배포할 수 있는 SDK와 전체 강화 학습 훈련 스택이 GitHub에 공개되어 있습니다.

다만, 오픈 소스 모델을 사용하더라도 개인 정보 보호에 대한 주의가 필요합니다. 허깅페이스는 오픈 소스가 '블랙박스 시스템'보다 개인 정보 보호 측면에서 더 낫다고 주장하지만, 소비자들이 모델 위에 소프트웨어 애플리케이션을 설치할 경우 카메라와 마이크 데이터에 접근하여 외부 서비스로 전송될 수 있기 때문입니다. 이러한 로봇 출시와 함께 허깅페이스가 엔비디아로부터 130억 달러의 가치로 인수될 것이라는 소식이 전해지고 있습니다.

이탈리아 해커 집단인 Autistici/Inventati가 2026년 9월 25일까지 미국 정부와의 관계를 정리해야 하는 상황에 놓였습니다. 이들은 검열과 감시를 피하기 위해 통신 인프라를 구축해 왔으며, 2026년 8월 26일 미국 정부는 이들을 특별 지정 글로벌 테러리스트로 지정하고 SDN 목록에 올렸습니다.

이 집단은 2001년 밀라노의 해커랩에서 시작된 이래 25년간 정부나 기업에 복종하지 않고 소통할 권리를 주장해 왔습니다. 이들의 역사는 단순히 기술적인 프로젝트를 넘어 반파시즘과 반자본주의를 지지하며 지식을 공유하고 권력을 확립하지 않는 사회화를 추구하는 운동의 뿌리를 가지고 있습니다.

Autistici/Inventati는 초기에는 이탈리아의 자율적인 조직화, 해커랩, 오픈 퍼블리싱 네트워크 등 다양한 운동에서 비롯된 뿌리를 가지고 있습니다. 이들은 독립적인 인프라의 필요성을 인식하고 인터넷이 대중에게 익숙해지기 전에 자체적인 소통 수단과 웹사이트를 구축했습니다.

현재 이들 기관은 이 기간이 만료되기 전에 남아있는 관계를 정리해야 하는 압박을 받고 있습니다. 이는 자율적인 기술 공동체와 더 넓은 급진적 커뮤니티에 미치는 영향을 탐구하는 중요한 사례가 될 것입니다.

SolarWindow가 평면 및 곡면 표면에 전기를 생산하는 초박형 유연한 자가 접착 태양광 필름인 ElectroFlex를 상업적으로 출시했습니다. 이 신제품은 기존 PV 모듈이 가지는 무게, 경직성 또는 설치 제약의 한계를 극복하고 운송, 항공우주, 건물 등 무게에 민감한 애플리케이션에 적용하는 것을 목표로 합니다.

ElectroFlex는 프레임이나 단단한 유리 없이 다양한 표면에 직접 부착할 수 있는 " Peel-and-stick" 솔루션으로 설계되었습니다. 이 필름은 총 두께 0.85 mm의 5중 복합 라미네이트로 구성되어 있으며, 셀 효율은 24.4%를 달성하고 무게 대비 전력 비율은 약 73 W/kg입니다.

이 기술은 0.16 mm의 고효율 태양광 셀과 0.30 mm의 복합 라미네이트를 포함하며, SolarWindow는 제품 통합에 필요한 배선, 하네스, 전기 시스템 등도 함께 공급합니다. 이 기술은 데이터 센터나 건물 지붕, 상업용 트럭 및 차량의 지붕, 곡선형 열차 표면, 드론 및 항공기 구조물 등 다양한 분야에 적용될 잠재력을 가지고 있습니다.

현재 ElectroFlex는 미국 내 Tier 1 OEM을 대상으로 출시되었으며, 향후 분기 동안 북미와 아시아의 일부 시장으로 판매를 확대할 계획입니다.

테슬라가 스티어링 휠과 페달이 없는 사이버캡을 공식 출시할 준비를 하는 가운데, 웨이모(Waymo)가 일론 머스크의 자율 주행 접근 방식에 대해 강력한 경고를 제기했습니다. 웨이모의 온보드 소프트웨어 부사장인 스리칸트 티루말라이는 테슬라의 시스템이 완전 자율 주행이라는 과제를 수행하기에는 불충분하다고 지적했습니다.

티루말라이는 블로그 게시물에서 카메라가 매우 훌륭하지만 그것만으로는 충분하지 않다고 언급하며, 오랫동안 카메라만으로 완전한 자율성을 달성할 수 있는지에 대한 논쟁이 있었다고 설명했습니다. 이는 카메라만으로는 완전한 자율 주행을 해결할 수 없다는 의미입니다.

웨이모는 테슬라의 접근 방식에 대해 카메라 외에 다른 요소들이 필요함을 시사하며, 이는 자율 주행 기술 개발에 있어 센서 및 시스템의 한계에 대한 중요한 맥락을 제공합니다. 따라서 테슬라의 자율 주행 시스템이 완전 자율 주행 단계에 도달하기 위해서는 카메라 외에 어떤 추가적인 기술적 발전이 필요한지에 대한 논의가 중요해집니다.

인디 게임 퍼블리셔인 패닉(Panic)이 트럼프 행정부가 부과한 부적절한 관세 비용을 고객에게 환불하고 있습니다. 이는 패닉이 해외에서 제조된 플레이데이트 하드웨어 수입 시 부과된 관세 비용을 고객에게 전가했기 때문에 발생한 일입니다.

이 소식은 관세가 불법이라는 대법원의 판결이 나온 지 수개월 후에 나왔는데, 대법원은 해당 관세가 불법이며 행정부가 수입세(관세)를 임시로 지불한 회사들에게 환불해야 한다고 판결했습니다. 이에 따라 패닉은 지난 한 해 동안 지불했던 관세 환불을 받기 시작했으며, 고객에게 부과했던 모든 관세를 환불 조치했습니다.

패닉은 플레이데이트의 마진이 낮아 19% 관세를 단순히 흡수할 수 없었기 때문에 이 비용을 고객에게 모든 플레이데이트 주문의 최종 합계 항목으로 명시하여 부과했습니다. 이는 닌텐도와 같은 다른 회사들이 시장 상황이나 관세 불확실성을 이유로 가격을 인상한 것과는 대조적입니다.

비전-언어 모델(VLM)은 뛰어난 시각 추론 능력을 보이지만, 시각 토큰의 증가로 인해 추론 비용이 급증하는 문제가 있습니다. 기존의 시각 토큰 가지치기 방법들은 대부분 비전 인코더의 상당한 지연 시간을 최적화하지 못하며, 엄격한 토큰 예산 하에서 전체 시각적 맥락과 세부 정보를 동시에 보존하는 데 실패하여 성능 저하를 초래합니다.

이러한 병목 현상을 해결하기 위해 연구진은 통합된 압축 및 추출 패러다임을 통해 비전 인코더와 대규모 언어 모델(LLM) 모두를 가속화하는 학습 불필요 추론 프레임워크인 PACE(Pixel-Adaptive Condense and Extract)를 제안했습니다. PACE는 압축 단계에서 적응형 픽셀 압축기(APC)를 사용하여 인코딩 전에 시각 정보 밀도를 평가하고 중복 입력을 적응적으로 다운샘플링하여 전역 맥락과 필수 시각 단서를 보존합니다.

추출 단계에서는 동적 이중 주의 추출기(DDAE)를 통해 인코더의 내부 시각 신호와 LLM의 의미론적 신호를 융합하여 작업에 중요한 세부 정보를 선별적으로 유지합니다. 이 PACE를 Qwen2.5-VL-7B에 통합한 결과, 모델은 원래 성능의 93.8%를 유지하면서 시각 토큰의 10%만을 사용했으며, 첫 토큰까지의 시간(TTFT)을 3.1배 단축하는 성능 향상을 달성했습니다.

겨울 밀의 질소량은 가격과 기상 조건이 미정된 상태에서 계절 전에 결정됩니다. 표준 영국 권고 사항은 가격 변화에 반응하지 않지만, 최근 가격 변동은 가장 수익성 높은 질소량을 헥타르당 수십 킬로그램으로 변화시켰습니다. 따라서 많은 개발자들이 질소 추천에 머신러닝을 적용하지만, 이는 보통 예측 정확도로 평가되며 정확한 예측만으로는 추천된 비율이 더 수익성이 높아지지 않습니다.

연구진은 질소 조언을 측정된 수확 반응 곡선에서 포기하는 이익으로 직접 점수화하는 방법을 제시합니다. 이들은 두 차례의 장기 영국 실험에서 얻은 892개의 곡선을 기반으로 질소 대 곡물 가격 비율을 조정하여 모든 가격 시나리오를 포괄하는 테스트 벤치를 구축했습니다. 이 벤치에서 머신러닝 모델은 예측에 실패하며, 농장 허용 오차 범위 내에서 최적의 비율을 복구하지 못하고 기준 노이즈 역시 이를 불가능하게 보여줍니다.

일반적인 가격에서 모든 모델은 수익 측면에서 표준 조언에 뒤처지며, 실제 이익은 다른 곳에서 발생합니다. 모델이 수익 손실을 4분의 1로 줄이는 단순한 보정 단계를 적용하면 손실이 감소하며, 더 나은 모델이나 추가 특징은 이익을 추가로 제공하지 못합니다. 심지어 재학습 없이 동일한 동결 보정은 두 번째 부지에서 손실을 43% 줄였습니다.

결론적으로, 표준 조언에 더하여 감쇠 보정을 적용하는 하이브리드 방식은 편향을 제거하고 드문 대규모 손실을 정리합니다. 이 방법은 또한 현재 탄소 가격과 비슷한 비용으로 배출량 감축 가격을 책정할 수 있게 합니다. 따라서 머신러닝은 표준 조언을 대체하는 것이 아니라 수익 점수가 적용된 보정으로 기능합니다.

할리우드의 비디오 게임 시대가 도래하면서 영상 콘텐츠의 원천이 변화하고 있으며, 이는 영화의 질적 향상으로 이어질 수 있다는 분석이 제기되고 있습니다. 과거 슈퍼 마리오 브라더스 영화가 비판받았던 사례와 달리, 최근에는 게임 프랜차이즈를 기반으로 한 작품들이 대중의 기대를 충족시키고 있으며, 이는 마블 시네마틱 유니버스(MCU)가 보여준 것과는 다른 새로운 스토리텔링 잠재력을 보여줍니다.

이러한 변화의 배경에는 게임 IP의 거대한 팬덤과 시장 규모가 있습니다. 미국인들은 물리적인 만화책에 20억 달러를 지출하는 것에 비해 비디오 게임에 연간 약 600억 달러를 소비하며, 이는 게임이 훨씬 더 광범위한 팬층을 확보하고 있음을 의미합니다. 이러한 게임 기반 프로젝트들은 단순히 흥행을 넘어, 성인 관객을 위한 고품질의 스토리텔링과 블록버스터급 경험을 제공할 수 있는 잠재력을 가지고 있습니다.

현재 많은 영화 제작자들이 레지던트 이블, 엘든 링, 배틀필드, 콜 오브 듀티와 같은 대형 게임 프랜차이즈를 각색하며 참여하고 있습니다. 특히 마크플라이어(Markiplier)가 인디 게임을 영화화하여 5,100만 달러의 흥행을 기록한 사례는 게임과 소셜 미디어, 극장 경험이 결합될 때 강력한 상업적 성공을 거둘 수 있음을 입증합니다.

결론적으로, 비디오 게임은 기존의 미디어 콘텐츠가 제공하지 못했던 예술적 깊이와 대중적 매력을 결합하여 새로운 시대의 엔터테인먼트를 창출할 기회를 제공하고 있습니다. 앞으로의 문화 트렌드가 비디오 게임을 중심으로 형성될 경우, 이는 성인 관객을 위한 고품질의 영화 제작과 활발한 엔터테인먼트 산업 성장의 기회가 될 것입니다.

구조화된 SVM의 피셔 일관성(Fisher consistency)을 달성하기 위한 필요 조건은 모든 출력 트리플이 공통의 측지점(geodesic point)을 갖는 거리(metric)여야 한다는 것입니다. 그러나 이 조건만으로는 표준적인 좌표별 argmax 디코더가 충분하지 않음을 보였습니다.

연구진은 이 조건이 좌표별 argmax 디코더에 대해 충분하지 않음을 입증하며, 네 출력 유닛 별(unit star)에서 최적의 점수 벡터가 존재하지만 그 극대화 지점들이 모두 베이즈(Bayes)가 아닌 경우를 제시했습니다. 또한, 출력 공간이 정점 집합인 트리 측정치(tree metrics)에 대해 argmax 일관성은 해당 트리가 경로(path)일 때만 성립함을 분류했습니다.

공통 측지 조건이 만족되는 거리들 중에서 전체 지원(full-support)에 대한 반례를 찾기 위해서는 다섯 개의 출력이 필요하며, $K_{2,3}$가 무한한 $K_{m,n}$ 가족 중 가장 작은 원소입니다. 이 외에도 세차원 해밍 큐브에 대한 전체 지원 반례를 제시했습니다.

이러한 반례들은 디코더의 구체적인 격차를 드러내는데, 다면체 설정에서 임베딩은 보정된 링크의 존재를 보장할 수 있지만, 모든 대리 위험 최소화(surrogate-risk minimizer)에 대해 규정된 argmax 링크를 검증하지는 못한다는 점을 보여줍니다.

AWS의 Route 53 Files 기능이 발표되어 AWS 컴퓨팅 리소스와 Amazon의 고가용성 데이터베이스를 파일 시스템으로 연결하는 새로운 방식이 도입되었습니다. 이 시스템은 기존의 DNS 레코드 관리를 위해 AWS 관리 콘솔, Route 53 API, 또는 기타 도구를 사용하는 대신 표준 UNIX 소프트웨어를 사용하여 DNS 레코드를 편집할 수 있게 하여 작업 흐름을 간소화합니다.

Route 53 Files는 호스팅 영역을 파일 시스템으로 접근 가능하게 만들어 여러 컴퓨팅 리소스에서 공유 접근을 가능하게 하며, 팀 간에 DNS 영역을 중복 없이 공유할 수 있게 합니다. 이로써 사용자는 Route 53 콘솔이나 API에 의존하는 대신, Amazon EC2 인스턴스, Amazon ECS, Amazon EKS, AWS Lambda 함수 등 모든 AWS 컴퓨팅 환경에서 네이티브 파일 시스템으로 도메인 레코드를 관리할 수 있습니다.

파일 시스템은 DNS 레코드 세트를 파일로, 레코드 이름을 디렉토리로 표현하며 NFS v4.1+ 작업을 지원하고, 별칭 레코드는 심볼릭 링크로 제공됩니다. 데이터 접근 시 지연 시간은 파일 저장 후 라이브 DNS에 반영되는 데 약 90초가 소요되며, 다른 경로에서 발생한 변경 사항이 마운트된 파일 시스템에 반영되는 데는 최대 6분이 걸릴 수 있습니다. 또한, 여러 컴퓨팅 리소스의 동시 접근을 지원하며 마지막 쓰기 승리(last-write-wins) 충돌 해결 방식을 사용하여 AI 에이전트나 온콜 엔지니어 간의 DNS 변경 사항 충돌을 관리할 수 있습니다.

새로운 소셜 네트워크인 트위터나우(Twitter.now)가 출시되어 사용자 신뢰와 투명성을 중심으로 운영되는 새로운 서비스를 제공하고 있습니다. 이 서비스는 전(前) 트위터의 브랜드를 재현하려는 것이 아니라, 사용자 선택과 신뢰 신호를 기반으로 콘텐츠를 제공하는 데 중점을 두고 있습니다.

이 플랫폼은 AI 시스템인 VERA를 사용하여 게시물을 평가하고, 주장의 출처와 맥락을 확인하며, 신뢰 점수를 부여하는 방식으로 작동합니다. 사용자는 이 신뢰 점수를 기준으로 낮은 신뢰도의 게시물을 걸러낼 수 있으며, 이는 소셜 네트워크가 겪는 모더레이션 문제를 해결하기 위한 시도입니다.

운영팀은 현재 VERA 엔진을 통해 모더레이션 문제를 해결하는 것을 목표로 하며, 향후 VERA 2.0에서는 사용자가 원하는 임계값 이상의 게시물만 볼 수 있도록 앱 설정을 조정할 수 있는 기능을 추가할 계획입니다. 현재 트위터나우는 테스트 단계에 있으며 초기 접근 비용은 20달러입니다.

웨이모(Waymo)와 주옥스(Zoox)의 테스트 운전자들이 자율주행 차량의 급제동이나 갑작스러운 움직임으로 인해 2024년과 2025년에 걸쳐 두려스(OSHA)에 제출된 데이터에 따르면 두려스여섯 건 이상의 부상을 입었습니다. 이는 자율주행 기술이 상용화 단계로 나아가면서 실제 환경에서 테스트를 진행할 때 운전자들이 겪는 신체적 위험을 구체적으로 보여줍니다.

이러한 부상은 자율주행 차량이 수행하는 급제동이나 예상치 못한 움직임에서 비롯되었으며, 이는 기술의 안전성과 인간 운전자와의 상호작용에 대한 중요한 질문을 제기합니다. 자율주행 시스템이 작동하는 환경에서 발생하는 이러한 사고 데이터는 기술 개발 과정에서 안전 기준을 어떻게 설정하고 개선해야 하는지에 대한 논의를 촉발합니다.

해당 데이터는 자율주행 기술이 확장됨에 따라 실제 도로 환경에서 발생할 수 있는 잠재적인 위험 요소를 명확히 합니다. 따라서 자율주행 기술의 발전은 단순히 효율성을 넘어 운전자와 차량 간의 안전한 상호작용을 보장하는 데 중점을 두어야 합니다.

상호작용 그래프가 진화할 때 동적 피어 효과를 추정하는 것은 사전 할당 네트워크 역사, 동적 피어 노출, 사후 할당 네트워크 변화가 각기 다른 인과적 역할을 하기 때문에 어렵습니다. 이 논문은 이러한 문제를 해결하기 위해 자신의 치료, 시간적으로 집계된 피어 노출, 사후 네트워크 진화 요약을 기준으로 잠재적 결과를 인덱싱하는 통제 대비 프레임워크를 제안합니다.

연구진은 동적 네트워크 이중 강건 추정량인 DynaNet-DR을 개발했는데, 이는 시간적으로 요인화된 성향(propensity)과 정규화된 증강(normalized augmentation)을 결합한 방법입니다. 이 추정량은 일관성, 요약 충분성, 순차적 교환 가능성, 양성성, 잡음 수렴, 약한 의존성 등의 조건 하에서, 결과 회귀 또는 성향 추정량 중 하나만 일관적이면 일관성을 보장합니다.

실제 구현에서는 대표 점수 예측, 고정 클리핑, 유한 표본 안정화 등의 요소를 추가했습니다. 고정된 실제 시간적 그래프 시퀀스에 대한 반합성 벤치마크에서, 전체 프로파일을 목표로 하는 방법들 중에서 이 접근 방식이 유리한 추정 정확도를 보였습니다. 이는 반사실적 엣지 생성보다는 요약 인덱스 대비 대조를 평가하며, MathOverflow 연구는 제시된 가정 하에서의 관찰적 예시로 활용됩니다.

아마존이 프로그램, 도구, 서비스 평가를 거친 후 Mechanical Turk(MTurk) 서비스를 2026년 9월 30일에 영구적으로 종료하기로 결정했습니다. 이 결정에 따라 현재 MTurk를 이용하고 있는 작업자(Worker)와 요청자(Requester) 모두 종료 절차에 대한 정보를 확인할 수 있습니다.

MTurk는 데이터 검증, 설문 조사, 콘텐츠 조정 등 다양한 작업을 통해 아마존의 비즈니스에 기여하는 플랫폼으로 운영되어 왔습니다. 따라서 서비스 종료가 확정됨에 따라 이용자들은 서비스 종료에 대비한 구체적인 준비 절차를 확인해야 합니다.

현재 이용 중인 작업자와 요청자는 아마존의 FAQ를 통해 서비스 종료와 관련된 상세한 준비 절차를 확인할 수 있습니다. 이는 서비스 종료 시점에 원활하게 작업을 마무리하고 데이터를 관리하기 위해 필수적인 정보입니다.

전자 설계 자동화(EDA)는 합성, 최적화, 검증을 자동화하며 엔지니어링 생산성을 향상시켜 왔습니다. 대규모 언어 모델(LLM)은 설계 의도를 하드웨어 구현으로 직접 번역함으로써 이러한 발전 궤적을 확장하고 있습니다. 그러나 대부분의 EDA 문헌에서 LLM 기반 솔루션은 고립된 설계 단계나 작업만 지원하는 데 그쳐, 실제 능력 발현과 시스템 확장 동인을 가리는 결과를 낳았습니다.

이 관점에서 능력 축적 방식을 드러내기 위해 세 가지 계층적 역할, 즉 단일 패스로 설계 산출물을 생성하는 생성자(Generator), 반복적인 도구 피드백을 통해 결과를 개선하는 에이전트(Agent), 그리고 EDA 단계를 걸쳐 결정을 조정하는 오케스트레이터(Orchestrator)를 정의합니다. 현재 공개된 시스템들을 분석한 결과, 모델이 물리적으로 정확한 하드웨어보다는 그럴듯한 코드를 생성하도록 훈련되는 구문적 함정이 발견되었습니다. 이는 파편화된 도구와 설계 맥락의 손실이 결합되어 결정이 후속 단계에 미치는 영향을 모호하게 만듭니다.

이러한 세 가지 역할 간의 비교는 현재 접근 방식이 산업용 설계로 확장하는 데 어려움을 겪고 있음을 보여줍니다. 따라서 더 신뢰할 수 있고 접근하기 쉬운 하드웨어 설계를 위해 도구와 에이전트를 EDA 흐름 전체에 걸쳐 연결하는 표준화되고 물리적 지향적인 오케스트레이터로의 전환이 필요합니다.

LLM 에이전트는 실제 시스템에서 수집된 시계열 관측 데이터의 이상 탐지 및 근본 원인 분석에 점점 더 많이 적용되고 있지만, 이러한 작업에 대한 성능이 통제된 조건 하에서 체계적으로 평가된 적은 없습니다. 이 문제를 해결하기 위해 연구진은 통제된 근본 원인 귀속 작업을 생성하기 위한 시뮬레이션 기반 프레임워크인 TraceBench를 소개합니다. TraceBench는 물리 동역학 시스템을 시뮬레이션하여 생성된 시계열 관측값을 에이전트에게 제공하고, 시스템 매개변수가 변경되었는지 여부와 변경되었다면 어떤 매개변수인지 판단하도록 요구하는 과제를 생성합니다.

연구팀은 TraceBench를 사용하여 세 가지 해석 가능한 기계 시스템에서 과제를 생성하고 네 가지 LLM 에이전트를 통제된 실험 조건에서 체계적으로 평가함으로써 동역학 시스템의 시계열 관측값을 분석하는 방식에 대한 새로운 통찰을 얻었습니다. 실험 결과, 에이전트는 도메인 컨텍스트로부터 상당한 이점을 얻으며, 시각화보다는 주로 수치 콘솔 출력(numerical console output)을 통해 데이터를 탐색하는 경향을 보였습니다.

또한, 에이전트는 각 시계열 샘플을 예측된 근본 원인 레이블에 매핑하는 파이썬 스크립트를 생성하도록 요구받을 때 직접 예측을 제출할 때보다 성능이 떨어지는 것으로 나타났습니다. 연구팀은 이 연구에서 사용된 데이터셋, 에이전트 궤적, 실험 결과를 담은 자료와 순위표를 tracebench.github.io 웹사이트에서 공개했습니다.

프랑스 CII의 미트라-15(Mitra-15) 마이크로컴퓨터를 SIMH 시뮬레이터에 구현하려는 작업이 진행 중입니다. 이 프로젝트는 1970년대 초에 개발된 미트라-15의 역사적 컴퓨팅 기록을 보존하고 시뮬레이션하는 것을 목표로 합니다.

미트라-15는 DMA 대신 마이크로코드를 사용하여 입출력 주변 장치를 프로그래밍할 수 있는 흥미로운 개념을 가진 16비트 미니컴퓨터로, 산업 자동화 및 군사 응용 분야에서 널리 사용되었습니다. 개발자는 기존의 SDS 940 시뮬레이터를 기반으로 미트라-15의 특성을 모방하며 시뮬레이터를 수정하고 있습니다.

현재 시뮬레이터는 시스템 및 선택 명령어, 메모리 관리, 인터럽트 시스템, 다양한 입출력 장치(프린터, 자기 테이프 리더 등)를 포함하도록 확장하는 것을 목표로 합니다. 하지만 많은 주변 장치에 대한 문서가 부족하여 시뮬레이터의 정확도를 높이는 데 어려움이 있습니다.

개발자는 명령어 디코더를 만들고, 공통 장치에 대한 코드를 작성하며, 브랜치 명령어를 테스트하는 등 복잡한 작업을 수행하고 있습니다. 장기적으로는 Z80 계열의 RSX280을 미트라에 포팅하는 계획도 가지고 있습니다.