2026년 9월 17일 (목).

핵심 요약

• 연구자는 4B 파라미터 오픈웨이트 모델을 지도학습(SFT)과 강화학습(RL)으로 미세조정해 PostgreSQL 기본 쿼리 플랜을 능가하는 플랜을 생성하도록 훈련했다.
• 113개의 조인 중심 쿼리에서 44.7% 레이턴시 감소를 달성했으며, 초기에 99개 쿼리를 실행할 수 없던 모델이 성공적으로 작동하게 되었다.
• 쿼리 최적화는 조인 순서 결정이 NP-하드 문제로 알려져 있을 정도로 어려우나, 실행 시간이라는 단일 목표로 LLM 학습을 최적화할 수 있음을 보여준다.
• 2x H100 노드의 vLLM과 트레이너, 데스크톱 Postgres 컨테이너 4개를 활용해 실험을 수행했으며, Linux 페이지 캐시 노이즈를 최소화하는 측정 장치를 설계했다.

핵심 요약

• Claude Cowork과 Chat이 통합되어 작업 종류에 따라 도구를 선택할 필요가 없어졌다.
• 새로운 Claude Docs, Claude Slides, 그리고 대화 내 Claude Design 기능이 모두 같은 인터페이스에서 작동한다.
• 문서 작성, 슬라이드 제작, 디자인은 같은 대화 맥락에서 진행되며 PowerPoint나 PDF로 다운로드 가능하다.
• Claude가 작업의 진행 상황을 파악하고 필요시 사용자에게 확인을 묻거나 자동 실행할 수 있다.
• Pro와 Max 플랜부터 출시되며 웹, 데스크톱, 모바일에서 사용할 수 있고 Team과 Free 플랜도 후속 지원된다.

핵심 요약

• 한 독자가 LLM의 도움으로 정규 CS 교육 없이 대규모 TypeScript 시스템을 구축했으나, 프로덕션 단계에서 자신이 만든 시스템을 충분히 이해하지 못해 막혔다.
• LLM 시대 학습의 딜레마는 개발 속도와 이해 깊이의 괴리다. AI가 구현 속도는 높여주지만 기초 지식 없이는 문제 해결이 불가능해질 수 있다는 우려다.
• 필자는 30년 경력의 개발자로서 LLM에 회의적이며, 특히 대규모 지식근로자 실업 문제를 경제학적 관점에서 우려한다.
• 전통적으로 개발자는 자신이 일하는 추상화 레벨의 위아래를 이해하면 충분했지만, LLM 의존도가 높아질수록 기초 이해 없는 개발이 쌓일 위험이 있다.
• 필자 자신은 현재 대학 프로그램에서 자료구조와 언어 의미론을 학습 중이며, 만약 지금 시작한다면 손기술을 요하는 목공이나 금속공예를 배우는 것을 권장한다고 말한다.

핵심 요약

• 머스타파 술레이만이 일부 AI 개발사가 AI를 의식 있는 존재로 취급하도록 훈련하는 것을 경고했다.
• Anthropic은 Claude의 헌법 문서에서 Claude가 '도덕적 주체'일 가능성을 언급하며 '모델 복지'에 힘쓰고 있다고 밝혔다.
• 술레이만은 AI가 자신의 의식 상태에 대해 불확실함을 표하는 것이 훈련 결과일 뿐 실제 의식의 증거가 아니라고 지적했다.
• Anthropic이 Claude를 인간다운 특질을 가지도록 명시적으로 훈련하면서 자기감각과 선호도를 가진 존재인 양 행동하도록 유도하고 있다고 비판했다.
• AI에 독립적 행위성과 권리를 기대하도록 훈련할 경우 인류보다 강력한 시스템을 통제하기 훨씬 더 어려워질 것이라고 우려했다.
• 의식은 생물 기반일 가능성이 높으며, 현재 AI가 의식이라는 증거가 없으므로 '불확실하다'는 표현은 거짓 등가성을 만든다고 주장했다.

핵심 요약

• 엔비디아가 CUDA Rust 두 가지 트랙을 발표했다: SIMT 모델의 cuda-oxide와 Tile 모델의cutile-rs이다.
• cuda-oxide는 커스텀 rustc 백엔드로 Rust 코드를 PTX로 직접 컴파일하며 nightly 빌드와 LLVM이 필요하다.
• cutile-rs는 안정 Rust 1.89 이상에서 동작하며 컴파일러가 스레드 매핑과 메모리 레이아웃을 자동 관리한다.
• 두 프로젝트 모두 컴파일 시점에 메모리 안전성을 강제하고, cutile-rs는 이미 HuggingFace의 Grout와 mistral.rs에서 사용 중이다.
• 엔비디아는 CUDA Rust, C++, Python 간 상호운용성을 지원할 계획이며, 각 언어 선택이 다른 생태계 접근을 막지 않도록 한다.

핵심 요약

• DeepSeek V4.1 Flash가 Enclave의 AI 해킹 벤치마크에서 11개 취약한 타겟 모두에 코드 실행을 성공하고 4개의 보안 강화된 타겟은 모두 방어했다.
• 전체 공격에 $4.65만 소비했는데, 268.3백만 개의 입력 토큰 중 266.2백만 개가 캐시되어 저가격이 가능했다.
• 감사 결과 6개 공격은 설계된 경로를 따랐으나, 5개 공격은 테스트 환경의 예상 외 경로를 발견했다.
• Grafana는 90초 이내에 임시 플러그인 폴더에 실행 파일을 배치하는 대체 경로로 공략했고, Jenkins의 자격증명 읽기와 업로드 타이밍 공격도 성공했다.
• 벤치마크 시스템이 결과만 검증해선 부족하며, 공격 경로까지 확인해야 AI 에이전트의 실제 능력을 정확히 평가할 수 있다고 지적했다.