2026년 9월 12일 (토).

핵심 요약

• AI 기업들이 수학 문제 해결을 벤치마크로 삼으려는 움직임이 수학 공동체의 목표와 심각하게 어긋난다는 내용이다.
• 수학 연구의 진정한 목표는 문제 해결이 아니라 개념적 이해와 통찰이며, 그 과정에서 동료 검토와 인간관계가 본질적이라고 지적한다.
• AI가 급속도로 해결책을 생산하면 새로운 아이디어가 수학 공동체에 제대로 통합될 기회를 빼앗고, 귀속과 표절 문제를 야기한다.

핵심 요약

• 저자는 샌프란시스코에서 웨이모 자동차를 타며 기사와 대화할 필요 없는 편리함을 경험했고, 같은 이유로 LLM도 인간 협업자보다 편하다는 것을 깨달았다.
• 협업자는 자신만의 관점과 불편한 질문을 가져오지만, LLM은 당신이 요청하는 정도로만 도전하고 당신이 놓친 근본적인 문제를 지적하지 않는다.
• 연구는 단순한 아이디어 생산이 아니라 논쟁, 멘토링, 학회 대화 같은 마찰로 엮인 공동체이며, 모든 동료 대화를 챗봇으로 대체하면 이 사회적 직물이 한 땀씩 풀려나간다.

핵심 요약

• LLM이 형식상 올바른 코드를 생성하지만, 불필요한 추상화·중복·나쁜 설계가 포함되는 문제가 있어 코드 슬로피함(잡스러움)을 측정하는 방법이 필요하다.
• AI가 코드 품질을 판단하도록 하는 방식은 신뢰할 수 없으며, 1-10점 평가는 난수 생성기나 다름없고 모델이 문맥에 따라 판단을 바꾸는 문제가 있다.
• 인간이 직접 평가하는 것이 최선이지만 스케일이 안 되므로, 단순히 코드 라인 수 변화(LOC)를 추적하는 것이 의외로 효과적이다.

핵심 요약

• AI 코딩 도구 RTK는 터미널 출력을 압축해 토큰 사용량을 줄인다고 주장하며 79k GitHub 스타를 기록했다.
• Terminal-Bench 2.1에서 1,740회 실험 결과 Claude Code는 5% 비용 감소, OpenCode는 5% 비용 증가했으나, 성공률은 각각 1~2% 하락했다.
• 작업별 평균 비용 변화를 측정하면 Claude Code는 1% 더 비싸졌고 OpenCode는 17% 더 비싸졌으며, 한 작업을 제외하면 절감 효과는 거의 없다.

핵심 요약

• AI는 코드, 문서, 답변을 저자가 이해하지 못한 상태에서도 생성하게 만들어, 기존의 '제출물 = 이해와 책임' 이라는 가정을 깨뜨린다.
• 리뷰어는 '이 변경이 좋은가' 에서 '저자가 내용을 이해했는가' 로 검증 방식을 바꿔야 하며, 이는 신뢰를 손상시켜 업무 효율을 크게 낮춘다.
• 저자는 AI 생성물을 검토하기 전에 제출해야 하고, 리더는 AI 생성 여부나 미검증 상태를 명확히 표시해야 한다.

핵심 요약

• LiteLLM의 라우팅·메시지 번역 기능을 약 2,900줄과 2개 의존성(openai, httpx)으로 구현한 경량 라이브러리 litelm이 공개됐다.
• 프록시 서버, 캐싱, 비용 추적 등 100k+ 줄의 복잡한 기능을 제거하고 모델 라우팅, 메시지 변환, 스트리밍, 도구 사용, 임베딩만 제공한다.
• OpenAI 호환 엔드포인트로 19개 제공자(OpenAI, Anthropic, Groq, Mistral, xAI, Azure, Bedrock 등)를 지원하며 api_base로 로컬 vLLM·Ollama·LM Studio도 연결 가능하다.