매일 쌓이는 개발자의 시야

2026년 11월 21일 (토).

세상의 기술 소식, 한국어로 한눈에.
읽을 이야기, 써볼 도구, 논문과 새 버전까지.

지난 발행본오늘 57건21:10 기준날짜별로 찾아보기 ↗
AI 요약 안내

AI가 한국어로 정리한 내용입니다. 정확한 정보는 각 카드의 원문을 확인해 주세요.

요약 원칙 ↗

관심 분야로 읽기

수집 당시 지표 기준

AI · 머신러닝 분야 · 30건 필터 해제 ×

읽을 소식

Hacker News16

개발자 커뮤니티가 주목하는 이야기

오늘의 주요포인트 상위 6건

01AI · 머신러닝

AI 보조로 나비에-스토크스 특이점 증명 발표

원제 Unforced Navier-Stokes Singularity and the Generalized Riemann Hypothesis

197 포인트댓글 58
Key Point

수백 년 미해결 난제들(나비에-스토크스, 리만 가설)을 AI 보조로 형식화 증명하는 것은 수학과 AI의 협력이 근본적 문제를 어디까지 풀 수 있는지 보여주는 사례이다.

핵심 요약

  • 레벤트 알뵈게, 트리스탄 벅마스터, 마테이 코이쿨레스쿠가 AI 보조로 3차원 비강제 비압축 오일러 방정식의 유한시간 폭발(finite time blowup)에 대한 인간이 읽을 수 있는 증명을 작성했으며, 이를 Lean으로 형식화했다.
  • 알뵈게와 벅마스터는 다시 AI를 활용해 3차원 비강제 비압축 나비에-스토크스 방정식의 유한시간 폭발 증명을 생성했고, 역시 Lean 형식화를 완료했다.
  • 두 번째 결과는 인간이 읽을 수 있는 형태이고 일반적인 증명 전략이 명확하지만, 전문적으로 작성된 증명을 완성하려면 추가 작업이 필요하다.
전체 요약 7문장 읽기 →
02AI · 머신러닝

루핑 트랜스포머로 경량화한 추론 AI, 라이언 Inkling 2 Mini 공개

원제 Inkling 2 Mini

195 포인트댓글 19
Key Point

경량 모델에서 추론 성능을 획기적으로 높이는 루핑 아키텍처가 처음 공개되며, 로컬 하드웨어에서 여러 에이전트를 실시간으로 운영할 수 있는 가능성을 보여준다.

핵심 요약

  • 라이언(Thinking Machines)이 Inkling 2 Mini를 발표했다. 26.4B 총 파라미터, 3.4B 활성 파라미터를 가진 Mixture-of-Experts 모델으로, 중간층을 세 번 반복 실행하는 루핑 아키텍처를 사용해 추론 성능을 높인다.
  • 100B 미만 오픈웨이트 모델 중 처음으로 DeepSWE v1.1에서 48.2%, Vals Index v2.2에서 46.5%의 최고 성능을 기록했으며, 유사한 성능의 다른 모델보다 빠르게 실행된다.
  • 루핑으로 인해 토큰을 출력하지 않고도 더 오래 추론할 수 있으므로, 체인오브씽크(CoT) 모니터링 시 모니터링 가능성이 감소할 우려가 있다.
전체 요약 12문장 읽기 →
03AI · 머신러닝

AI가 리만 추측 증명했다는 소식

원제 The stochastic parrots have apparently proved the Riemann Hypothesis

189 포인트댓글 154
Key Point

리만 추측 같은 수백 년 미해결 난제가 AI로 증명되는 순간, 인간 수학자의 역할이 근본적으로 바뀌고 있음을 보여주는 사례이다.

핵심 요약

  • Anthropic의 LLM이 Lean 형식 검증 시스템으로 일반화된 리만 추측(Generalized Riemann Hypothesis)을 증명했으며, 1,740만 줄의 Lean 코드를 생성했다.
  • 리만 추측은 1부터 n까지의 소수 개수가 각 정수 x>1이 1/ln(x)의 독립적 확률을 가진다면 어떻게 될지를 나타내며, 1896년부터 소수의 개수가 n/ln(n)에 점근한다는 사실이 알려져 있었다.
  • AI는 이미 리만 제타함수의 자명하지 않은 영점들이 임계선으로부터 최대 3/8 이내에 있다는 것을 증명했으며, 이는 완전한 리만 추측 증명이 갖는 대부분의 수론 함의를 담고 있다.
전체 요약 7문장 읽기 →
04AI · 머신러닝

구글 직원들 "AI 거부하는 학교 차별하지 말라" 청원

원제 Google Workers Tell Their Employer Not to Punish Schools That Don't Want AI

179 포인트댓글 123
Key Point

학교와 학부모의 거부권을 무시하고 강제 도입을 추진하는 구글의 정책이 자신의 직원들까지 반발하게 만들고 있으며, 교육기관의 기술 도입 자율성 문제로 번지고 있기 때문입니다.

핵심 요약

  • 구글이 Gemini AI 도구를 거부하는 학교에 검색 엔진 접근을 차단하겠다고 2주 전 발표했으며, 이에 대해 전국 여러 도시에서 학부모·학생 중심의 대규모 항의가 벌어졌다.
  • 뉴욕, 로스앤젤레스, 시카고 등 미국 최대 학교 지구들이 이미 구글 검색 엔진의 대체 서비스 도입을 논의 중이다.
  • 구글의 모기업 알파벳 산하 근로자 조합 대표 1,000명 이상이 청원서를 발표해 이 정책 철회를 요구했다.
전체 요약 8문장 읽기 →
05AI · 머신러닝

음성을 악보로 바꾸는 AI, 65배 작아졌다

원제 Show HN: I made an audio-to-MIDI model 60x more efficient

156 포인트댓글 28
Key Point

지금까지 65배 더 큰 모델을 썼는데도 같거나 더 좋은 성능을 내는 소형 모델이 나왔으며, 저작권 없는 데이터만으로 학습할 수 있다는 점이 오디오 AI와 음악 기술 분야에서 의미가 있습니다.

핵심 요약

  • 음성을 MIDI로 변환하는 오픈소스 모델 Dettato를 공개했다. 2천만 파라미터로 경쟁 모델 MuScriptor(13억)보다 65배 작으면서도 성능이 더 우수하고, 비공개 모델인 Mirelo A2M v1.1 Pro와도 비슷한 수준의 정확도를 갖췄다.
  • 벤치마크는 여러 데이터셋(Bach, PHENICX, RWC 등)에서 측정했으며, Dettato의 평균 F1 스코어는 60.87로 Mirelo 56.16, MuScriptor 47.45보다 높다.
  • 학습 과정에서 저작권이 있는 음성을 전혀 사용하지 않았다. 대신 합성 악기 녹음과 CC 라이선스 솔로 악기를 URMP 데이터셋으로 혼합하고, 나머지는 Soundfont를 변형해 생성했다.
전체 요약 7문장 읽기 →
06AI · 머신러닝

리만 가설 증명 발표, 철학적 성찰 불러일으키다

원제 Re: Riemann

152 포인트댓글 136
Key Point

리만 가설 증명이라는 역사적 수학 성과 발표가 인류의 역할 재정의와 AI 의존성에 대한 본질적 성찰을 촉발하고 있다.

핵심 요약

  • 누군가 Claude AI와 협력해 리만 가설의 증명을 발표했다고 알려졌다.
  • 이 발표자는 Claude가 증명 과정에서 자신을 뛰어넘어 주도적인 역할을 했으며, 일반화된 리만 가설과 확장된 리만 가설까지 해결할 수 있을 것으로 기대한다고 밝혔다.
  • 발표자는 수십 년간 이 문제를 목표로 했고, 증명 과정에서 두 가지 다른 아이디어를 결합한 핵심 상황을 도출했으며, 그 이후 Claude가 놀라운 성과를 이루었다고 설명했다.
전체 요약 6문장 읽기 →

전체 색인10건 · 분야별

AI · 머신러닝10건

써볼 도구

GitHub Trending03

새롭게 발견하는 오픈소스 저장소

오늘의 주요당일 스타 상위 3건

01AI · 머신러닝

phone-harness/phone-harness

AI 에이전트가 당신의 스마트폰을 직접 제어한다

원제 phone-harness/phone-harness

스타 5,439당일 +117Python
Key Point

실제 기기를 AI가 직접 조작하는 환경이 가능해져, 에이전트 기반 스마트폰 자동화가 현실이 되었다.

핵심 요약

  • Claude Code, Codex 등 AI 에이전트가 스마트폰을 화면 터치, 스크롤, 타이핑으로 직접 제어할 수 있는 Phone Harness 프로젝트를 공개했다.
  • iPhone은 macOS의 iPhone 미러링 윈도우를 통해, Android는 macOS·Linux·Windows에서 adb로 연결된다.
  • 설정 시 iPhone은 macOS 15+, iOS 18+, 접근성 및 화면 녹화 권한이 필요하고, Android는 adb와 USB 디버깅이 필요하다.
전체 요약 8문장 읽기 →
02AI · 머신러닝

incoai/splash

Apple 실리콘용 로컬 AI 추론 엔진 Splash 출시

원제 incoai/splash

스타 2,597당일 +116C++
Key Point

Apple 맥 사용자가 외부 클라우드 없이 고성능 LLM을 로컬에서 돌릴 수 있는 선택지가 생겼으며, 기존 llama.cpp 대비 큰 폭의 속도 향상으로 실용성이 크게 높아졌다.

핵심 요약

  • Splash는 M3 이상 Apple 실리콘에서 Qwen·Ornith·Flint 등 27B~122B 모델을 로컬 추론하는 C++ 기반 엔진이다.
  • DFlash2 추측적 디코딩, Metal 커널 최적화, 자동 메모리 계획을 조합해 동작하며, 비전·도구 호출·내장 채팅 UI를 지원한다.
  • OpenAI/Anthropic 호환 API로 스트리밍, 도구 호출, JSON Schema 출력을 제공하고, 프리필 캐시 재사용으로 동시 요청을 자동 배칭한다.
전체 요약 12문장 읽기 →
03AI · 머신러닝

janhq/jan

Jan: 오픈소스 ChatGPT 대안, 완전 오프라인 실행

원제 janhq/jan

스타 45,980당일 +101Rust
Key Point

ChatGPT 같은 클라우드 AI 사용 없이 개인 PC에서 LLM을 완전히 오프라인으로 운영하고 싶은 개발자라면, Jan으로 프라이버시와 로컬 제어를 확보할 수 있습니다.

핵심 요약

  • Jan은 Llama, Gemma, Qwen 등 HuggingFace의 LLM을 다운로드해 로컬에서 100% 오프라인으로 실행하는 오픈소스 AI 도구다.
  • OpenAI, Anthropic Claude, Mistral, Groq 등 클라우드 AI도 연동할 수 있으며, 로컬 서버(localhost:1337)에서 OpenAI 호환 API를 제공한다.
  • 커스텀 AI 어시스턴트 생성, Model Context Protocol(MCP) 통합으로 에이전트 기능을 지원한다.
전체 요약 7문장 읽기 →

읽을 논문

Hugging Face Papers11

커뮤니티가 고른 오늘의 AI 논문

오늘의 주요추천 상위 3건

01AI · 머신러닝

확산 트랜스포머의 RL 튜닝은 사실 활성화 조정일 뿐

원제 RL Post-Training in Diffusion Transformers Is Activation Steering

추천 17댓글 2Tuna Han Salih Meral, Kaan Oktay, Alec Helbling 외
Key Point

확산 모델의 성능 개선이 실제로는 복잡한 학습이 아니라 간단한 선형 시프트로 대부분 설명되며, 이는 RL 튜닝의 작동 방식에 대한 근본적인 이해를 제시한다.

핵심 요약

  • 확산 트랜스포머의 강화학습(RL) 사후 학습이 시각 품질, 텍스트 렌더링, 구성 정확도를 크게 개선한다.
  • 논문은 이러한 개선이 복잡한 입력 의존적 변환 학습이 아니라 간단한 입력 독립적 시프트로 대부분 설명할 수 있다는 가설을 검증했다.
  • SD3.5-M에서 RL-튜닝된 LoRA(1,880만 파라미터)의 65배 적은 파라미터(29만)를 가진 고정 조향 벡터 세트를 모든 프롬프트·토큰·샘플링 시드에 동일하게 적용했다.
전체 요약 7문장 읽기 →
02AI · 머신러닝

LLM이 직접 신경망 가중치를 수정할 수 있도록 학습하는 방법

원제 Training Vision Models for LLM-Driven Weight-Space Programming

추천 15댓글 2Timo Ropinski, Sebastian Kranz
Key Point

LLM이 직접 신경망 가중치를 수정할 수 있다는 개념이 나오면서, 이를 더 효과적으로 만드는 학습 방법이 무엇인지 궁금해하는 연구자와 개발자들에게 실질적인 답을 제시한다.

핵심 요약

  • LLM이 신경망의 가중치를 직접 수정하는 '가중치 공간 프로그래밍'이 가능하다는 것이 알려졌으나, 이를 위한 전용 학습 방법이 무엇인지는 밝혀지지 않았다.
  • 연구팀은 LLM이 비전 모델(합성곱 신경망, 비전 트랜스포머)을 편집하는 벤치마크를 구축했으며, Waterbirds·CIFAR-100·PACS·Entity-30 데이터셋에서 재레이블링과 오류 수정 작업을 수행했다.
  • 2,600건 이상의 편집 프로세스를 평가했으며, 각 편집의 성공 여부·부작용·정확도 손실을 측정했다.
전체 요약 7문장 읽기 →
03AI · 머신러닝

세상 모델, 작은 행동 변화도 포착하다

원제 Learning What Actions Change: Action Effect Matching for Dynamics-Faithful World Models

추천 15댓글 2John Won, Yonghoon Dong, Jinwoo Shin
Key Point

로봇 정책 개발과 모델 기반 계획 시 시뮬레이션과 실제 환경의 불일치를 줄여 보다 신뢰할 수 있는 의사결정이 가능해진다.

핵심 요약

  • World models는 환경 역학을 예측하면서도 작은 행동 변화가 미래 관찰에 미치는 영향을 제대로 포착하지 못하고 있으며, 이는 로봇 정책 평가와 모델 기반 계획 같은 작업에서 문제가 된다.
  • 연구진은 AFFECT라는 보조 학습 목표를 제안했으며, 이는 행동 변동으로 유도되는 시각적 변화의 분포를 학습한다.
  • 방식은 작업 무관(task-agnostic) 인간 조종을 통해 학습된 정책의 행동에 시간적으로 상관관계 있는 노이즈를 주입하고, world model이 생성한 영상이 같은 초기 상태에서 반복 실행 없이 기록된 영상처럼 이 노이즈에 반응하도록 훈련한다.
전체 요약 6문장 읽기 →

전체 색인8건 · 분야별

AI · 머신러닝8건

새 버전

GitHub Releases00

지켜보는 프로젝트의 정식 릴리스

이 분야에 준비된 새 버전 항목이 없습니다.

전체 분야 보기 →

이번 피드는 여기까지입니다.

작은 발견을 다음 커밋으로 이어가세요.