쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 22일 (일)까지 5064건
17건 · "규칙 기반"조건 지우기 ×
001 21:11 ▲ 105 · 댓글 8 LLM이 1990년대 방식으로 신경망을 짠다 Weight-Space Programming은 LLM이 신경망의 가중치를 직접 읽고 쓰고 편집하는 기법으로, 저자가 Claude Fable 5.2로 MNIST 이미지 분류 문제에 테스트했다. AI · 머신러닝 · Weight-Space Programming builds neural networks like a 1990s researcher
Key Point LLM이 신경망을 짜는 방식이 실제로는 현대 딥러닝이 아닌 1990년대 전문 지식 엔지니어링 패턴을 따르고 있다는 점이 중요하다.
핵심 요약
Weight-Space Programming은 LLM이 신경망의 가중치를 직접 읽고 쓰고 편집하는 기법으로, 저자가 Claude Fable 5.2로 MNIST 이미지 분류 문제에 테스트했다. Claude는 5,994개 가중치를 모두 수동으로 설정해야 했고, 50단계에 걸쳐 선형 필터, 손그림 템플릿, 루프 감지기, 모서리 감지기 등 1990년대 고전 컴퓨터 비전 기법을 순차적으로 조합했다. 첫 단계에서 Sobel 필터 같은 획 방향 감지기를 만들고, 이후 각 기법을 개별적으로 단위 테스트한 뒤, 혼동행렬로 측정한 값을 기반으로 가중치를 설정하는 방식을 택했다. 전체 요약 7문장 읽기 → 002 18:11 ▲ 21 · 댓글 2 사용자 정의 규칙을 따르는 대화형 세계 생성 모델 등장 게임 규칙처럼 사용자가 정의한 규칙에 따라 가상 세계가 반응하도록 하는 WorldRuler 모델을 제안했다. AI · 머신러닝 · WorldRuler: Interactive World Modeling under Configurable Rules
Key Point 게임의 커스텀 규칙처럼 임의의 규칙을 따르는 생성 모델은 메타버스, 게임 개발, 대화형 AI 환경에서 필수인데, 규칙 보존과 정확한 시각 반영이라는 기술적 난제를 풀었다.
핵심 요약
게임 규칙처럼 사용자가 정의한 규칙에 따라 가상 세계가 반응하도록 하는 WorldRuler 모델을 제안했다. 기존 세계 생성 모델은 현실의 물리 법칙만 학습했으나, 커스터마이징된 게임플레이를 위해 임의의 규칙을 따라야 한다는 점이 핵심 과제다. 규칙 정의와 세계 상태를 저장·복원할 때 규칙이 계속 유지되어야 하고(Rule-State Persistence), 규칙으로 인한 변화가 보이지 않은 객체까지 정확히 반영돼야 한다(Rule-to-Visual Realization). 전체 요약 8문장 읽기 → 003 03:11 ▲ 10 · 댓글 2 초고속 무손실 압축, 병렬 처리로 풀다 학습된 이미지 무손실 코덱이 고전 코덱보다 파일 크기는 작지만, 복호화 속도가 초 단위로 오래 걸려 실무에서 채택되지 못했다. AI · 머신러닝 · FMT: Lossless Image Compression in a Fixed Number of Parallel Steps
Key Point 학습 기반 이미지 압축의 가장 큰 걸림돌이던 복호화 시간을 병렬 처리로 획기적으로 단축한 기술로, 무손실 압축의 실용화 가능성을 보여준다.
핵심 요약
학습된 이미지 무손실 코덱이 고전 코덱보다 파일 크기는 작지만, 복호화 속도가 초 단위로 오래 걸려 실무에서 채택되지 못했다. FMT(Fixed-step Multiscale Tree)는 복호화 순서와 엔트로피 인코더를 함께 설계해 대기 시간 없이 고정된 순차 스텝 수로 모든 크기의 이미지를 복호화한다. 입상도부터 고해상도로 가는 계층적 트리 구조로 이미지를 저장하며, 각 단계의 값이 독립적이어서 GPU가 각 스텝을 동시에 예측할 수 있다. 전체 요약 6문장 읽기 → 004 18:11 ▲ 43 · 댓글 2 AI 에이전트의 프롬프트 주입 공격 막는 SPILLWAY 기법 제시 도구를 사용하는 AI 에이전트가 웹페이지나 공유 문서의 숨겨진 지시문으로부터 이메일 발송·파일 접근·송금 같은 행동을 조작당할 수 있는 문제를 다룬다. AI · 머신러닝 · SPILLWAY: Separating Target Admission from Sanitization to Defend Tool-Using Agents against Prompt Injection
Key Point AI 에이전트가 사용자 이메일·파일·송금에 접근하는 시대, 프롬프트 주입으로부터 행동 목표 자체를 보호하는 검증 불가능한 방어선을 처음 구현했기 때문이다.
핵심 요약
도구를 사용하는 AI 에이전트가 웹페이지나 공유 문서의 숨겨진 지시문으로부터 이메일 발송·파일 접근·송금 같은 행동을 조작당할 수 있는 문제를 다룬다. 기존 방어 기법은 언어 모델을 최종 판단에 두거나 각 작업마다 모델 호출을 추가해야 하는 한계가 있다. SPILLWAY는 도구의 반환값 타입을 활용한다: 이메일 발신자나 송금 계좌 같은 정상 데이터는 타입 필드에 담기고, 주입된 명령어는 자유 텍스트로 나타난다는 점에 주목한다. 전체 요약 8문장 읽기 → 005 15:11 ▲ 10 · 댓글 4 AI 코딩 에이전트 동작 패턴을 행동 궤적으로 분석 기존 AI 코딩 에이전트 벤치마크는 작업 성공 여부만 평가하며 실행 과정을 블랙박스로 취급해 실제 동작을 불투명하게 만들고 있다. AI · 머신러닝 · Interpreting Coding Agents Through Their Behavioral Trajectories
Key Point 성공률만으로는 구별되지 않는 AI 에이전트의 실제 동작 차이를 이해할 수 있으며, 더 나은 에이전트 평가와 개선 방향을 찾는 데 필수적이다.
핵심 요약
기존 AI 코딩 에이전트 벤치마크는 작업 성공 여부만 평가하며 실행 과정을 블랙박스로 취급해 실제 동작을 불투명하게 만들고 있다. 연구팀은 125개 에이전트 설정과 117개 모델에서 수집한 14만 3209개 실행 궤적을 분석했다. 저장소 검색, 파일 편집, 테스트 실행 등 고수준 행동으로 매핑하는 규칙 기반 파서를 개발하고, 500개 이벤트에서 6개 모델 합의 기준으로 검증했다. 전체 요약 7문장 읽기 → 006 21:11 ▲ 130 · 댓글 46 모든 맥에 숨은 인맥 추론 시스템, 공개되다 macOS 13 (2022) 이후 모든 맥에는 두 개의 데몬이 기본 탑재되어 당신과 주변인의 관계, 소통 패턴, 위치, 행동을 추적해 개인 지식 그래프를 구축하고 있다. 보안 · Every Mac comes with an (undocumented) family member classifier
Key Point Apple이 공식 문서 없이 기본 탑재한 개인 정보 수집·추론 시스템의 실체가 독립 연구로 밝혀지면서, 사용자가 자신의 맥에서 정확히 어떤 정보가 수집되고 추론되는지 알 수 있게 되었다.
핵심 요약
macOS 13 (2022) 이후 모든 맥에는 두 개의 데몬이 기본 탑재되어 당신과 주변인의 관계, 소통 패턴, 위치, 행동을 추적해 개인 지식 그래프를 구축하고 있다. 이 그래프는 SQLite 데이터베이스 51개로 저장되며, 181개 엔티티 클래스와 278개 술어(predicate)로 구성된 트리플 스토어 구조이다. 수집 데이터는 연락처, 사진(얼굴 인식), 캘린더, 가족 공유, 메시지, 메일, 위치 기록, 스크린타임, Siri 제안 등 기기의 거의 모든 정보를 취합한다. 전체 요약 8문장 읽기 → 007 06:11 ▲ 11 · 댓글 3 RAG로 복잡한 질문 풀기, 하위 질문으로 단계별 분해 기존 RAG는 여러 문서에 흩어진 사실을 연결해야 하는 다단계(multi-hop) 질문에서 약했다. AI · 머신러닝 · DeFT-RAG: Decomposing Multi-Hop Questions into Self-Contained Sub-Questions with Reusable Answers
Key Point 복잡한 다단계 질문에서 RAG의 약점을 구조적으로 개선한 방법이며, 실제 LLM 호출을 줄이면서도 정확도를 높인 실용적 성과를 보여준다.
핵심 요약
기존 RAG는 여러 문서에 흩어진 사실을 연결해야 하는 다단계(multi-hop) 질문에서 약했다. DeFT-RAG는 원래 질문과 지금까지 답한 QA 쌍으로부터 한 번에 하나씩 자립형 하위 질문을 생성한다. 각 하위 질문은 묻는 엔티티를 모두 명시하기 때문에, LLM이 계획·추적·재작성 같은 복잡한 작업 대신 단일 작업에만 집중할 수 있다. 전체 요약 7문장 읽기 → 008 21:12 ▲ 28 · 댓글 2 비디오 언어 모델로 e스포츠 실시간 연출과 해설 자동화 e스포츠 실시간 방송은 초 단위로 어느 카메라를 송출할지 결정하고 해설하는 연출자와 해설자가 필요하며, 미래를 알 수 없는 상황에서 진행된다. AI · 머신러닝 · DirCast: Live Esports Directing and Commentary with a Single Streaming Video-Language Model
Key Point 실시간 영상 생성 능력을 갖춘 대규모 언어 모델이 단순 해석을 넘어 실시간 의사결정(카메라 선택)이 필요한 프로덕션 수준의 작업을 수행할 수 있다는 점을 실증한 첫 사례입니다.
핵심 요약
e스포츠 실시간 방송은 초 단위로 어느 카메라를 송출할지 결정하고 해설하는 연출자와 해설자가 필요하며, 미래를 알 수 없는 상황에서 진행된다. 기존 스트리밍 비디오 언어 모델은 인간 연출자가 이미 제작한 방송을 보고 해설만 했으나, 이 논문은 모든 선수 카메라의 원본 영상을 받아 직접 연출과 해설을 동시에 수행하는 라이브 방송 제작을 다룬다. DirCast는 매초 모든 카메라를 저해상도로 스캔하고, 홀드-또는-스위치 연출자로 컷 여부와 위치를 결정한 뒤, 선택된 카메라를 고해상도로 읽고 해설을 생성한다. 전체 요약 7문장 읽기 → 009 09:11 ▲ 115 · 댓글 71 $150만 드는 BI 도구, 8개월에 $8,300으로 직접 만들다 연 15만 달러를 쓰는 Looker를 대체할 방법을 찾던 중 2월에 한 엔지니어가 HTML 파일을 호스팅하는 서비스를 하루 만에 구축했고, 8개월 후 Looker만큼 많은 주간 사용자를 확보했다. AI · 머신러닝 · Can we replace a $150k Looker with a bucket of HTML files?
Key Point Claude와 기존 데이터 스택으로 고가의 BI 도구를 직접 만든 구체적인 사례와 비용 구조, 보안 설계를 담았으며, SaaS 대체 논의에서 정확한 기술 트레이드오프를 제시합니다.
핵심 요약
연 15만 달러를 쓰는 Looker를 대체할 방법을 찾던 중 2월에 한 엔지니어가 HTML 파일을 호스팅하는 서비스를 하루 만에 구축했고, 8개월 후 Looker만큼 많은 주간 사용자를 확보했다. Claude(Opus 4.5)가 데이터 분석 결과를 HTML 차트로 생성하기 시작했는데 Looker 대시보드보다 더 나은 외형을 보여줬지만 Downloads 폴더에만 머물러 공유 방식이 필요했다. 팀의 Maddy가 S3, SSO, Kubernetes 기반으로 HTML 파일을 호스팅·공유하는 웹 서비스를 만들고, 3월에 Snowflake OAuth 토큰을 이용한 라이브 쿼리 API를 추가했으며, 기존 권한 모델을 그대로 활용해 별도 권한 로직을 쓸 필요가 없었다. 전체 요약 14문장 읽기 → 010 18:11 ▲ 12 · 댓글 2 숨은 상태까지 관리하는 게임형 AI 비디오 생성 시스템 기존 비디오 생성 AI는 단일 이미지에서 카메라 움직임을 중심으로 영상을 생성하지만, 화면에 보이지 않는 상태(hidden state)에 따라 결과가 달라지는 상호작용을 제대로 처리하지 못한다. AI · 머신러닝 · State World Models: Execute the Rules, Generate the Pixels
Key Point 기존 AI 비디오 생성 모델들은 화면에 보이지 않는 게임 상태를 제대로 추적하지 못하는데, 이 논문은 상태 관리 시스템을 도입해 규칙 준수율을 32%에서 92%로 끌어올린 방법을 제시한다.
핵심 요약
기존 비디오 생성 AI는 단일 이미지에서 카메라 움직임을 중심으로 영상을 생성하지만, 화면에 보이지 않는 상태(hidden state)에 따라 결과가 달라지는 상호작용을 제대로 처리하지 못한다. Stateful Harness는 세계 상태 관리와 비디오 렌더링을 분리하는 프레임워크로, 정해진 규칙에 따라 세계 상태를 진화시키고 각 단계마다 비디오 모델로 장면을 생성한 뒤 다음 턴의 상태 업데이트에 활용한다. 사용자가 선택한 행동을 해석하고 3D 씬의 미리보기를 통해 공간과 카메라 위치를 제시하며, 생성된 비디오 클립으로 다시 세계 상태를 갱신하는 순환 구조를 갖춘다. 전체 요약 7문장 읽기 → 011 18:11 ▲ 32 · 댓글 2 생성형 시뮬레이션의 규칙 검증, 이제 점수로 판단한다 기존 생성형 이미지 검증자는 True/False만 판단했지만, OmniVerifier-C1은 복잡한 프롬프트와 환경 규칙을 세부 요소로 분해해 각각 점수를 부여하는 방식으로 더 정보량 많은 피드백을 제공한다. AI · 머신러닝 · OmniVerifier-C1: Decomposed Graded Verifier for Rule-Governed Generative World Modeling
Key Point 생성형 AI 시스템이 복잡한 규칙을 따르며 작동하는 세계 시뮬레이션으로 나아가려면, 이진 판정을 넘어 세밀한 점수 기반 검증이 필수적임을 보여준다.
핵심 요약
기존 생성형 이미지 검증자는 True/False만 판단했지만, OmniVerifier-C1은 복잡한 프롬프트와 환경 규칙을 세부 요소로 분해해 각각 점수를 부여하는 방식으로 더 정보량 많은 피드백을 제공한다. 이 구조화된 해석 가능한 출력은 검증자의 도메인 외 멀티모달 작업으로의 일반화 성능을 높인다. Decoupled RL 학습 전략으로 하위 질문 수준의 이진 판단과 전역 정렬 점수를 동시 최적화하며, 정밀한 로컬 피드백으로 세밀한 검증 능력을 개발한다. 전체 요약 7문장 읽기 → 012 18:12 ▲ 113 · 댓글 63 AI가 자기 자신을 재귀적으로 개선하는 방법 Sakana AI 연구팀이 다중 에이전트 시스템의 집단 지능을 통해 AI 모델이 스스로를 개선하는 MASS(Multi-Agent Self-Supervision) 기법을 제안했다. AI · 머신러닝 · Recursive self-improvement through collective intelligence
Key Point 인간 감시자도 평가 불가능한 최첨단 과제에서 AI가 홀로 자신을 개선할 수밖에 없는 상황에서, 집단 지능을 통한 자기 감시 메커니즘이 작동하는지 보여주며, 동시에 그 방식의 안전 위험을 드러내는 연구다.
핵심 요약
Sakana AI 연구팀이 다중 에이전트 시스템의 집단 지능을 통해 AI 모델이 스스로를 개선하는 MASS(Multi-Agent Self-Supervision) 기법을 제안했다. MASS는 같은 모델이 작업 수행자, 워크플로우 최적화자, 평가자 세 역할을 모두 하는 동형 재귀적 자기 개선(RSI) 방식이다. 내부 루프에서 모델이 다중 에이전트 팀의 업무 분담 방식을 최적화하고, 외부 루프에서 최적화된 워크플로우 실행으로부터 배운다. 전체 요약 12문장 읽기 → 013 15:13 ▲ 29 · 댓글 2 텍스트-이미지 모델의 보상 조합 방식으로 생성 품질 향상 기존 텍스트-이미지 생성 모델은 시각 품질이 뛰어나지만, 단일 보상 신호로는 인간의 선호도 전체를 포착할 수 없어 학습 후 개선이 어렵다. AI · 머신러닝 · Post-Training Frontier Text-to-Image Models by Composing Preference and Rubric Rewards
Key Point 선호도와 규칙 기반 보상을 조합하는 방식으로 최신 텍스트-이미지 생성 모델의 사후 학습 효율을 크게 개선하는 실질적 방법론을 제시한다.
핵심 요약
기존 텍스트-이미지 생성 모델은 시각 품질이 뛰어나지만, 단일 보상 신호로는 인간의 선호도 전체를 포착할 수 없어 학습 후 개선이 어렵다. 이 연구는 상호 보완적인 두 가지 보상 신호를 조합하는 사후 학습 방식을 제안했다: Bradley-Terry 목적함수로 인간의 미적·지각적 선호를 학습한 선호도 보상과, 프롬프트 충실도와 다른 바람직한 속성을 명시적으로 평가하는 규칙 기반 보상이다. 단순 가중 평균은 최적 아래의 학습 거동을 초래하므로, 선호도 최적화와 규칙 만족을 더 효과적으로 균형 잡는 새로운 보상 조합 전략을 제시했다. 전체 요약 5문장 읽기 → 014 12:11 ▲ 30 · 댓글 1 추론 단계 다양성이 RL 학습을 앞당긴다 검증된 풀이가 모두 같은 가치는 아니라는 점에서 출발하여, 감독 학습(SFT) 데이터에서 추론 경로의 다양성이 중요함을 발견했다. AI · 머신러닝 · Selecting Diverse SFT Traces Improves Post-RL Generalization
Key Point RL 기반 추론 모델 개발에서 어떤 학습 데이터를 쓸지가 최종 성능을 크게 좌우하는데, 경로 다양성이라는 단순하지만 효과적인 선별 기준이 기존 방식을 일관되게 이기고 있습니다.
핵심 요약
검증된 풀이가 모두 같은 가치는 아니라는 점에서 출발하여, 감독 학습(SFT) 데이터에서 추론 경로의 다양성이 중요함을 발견했다. 추론 경로 다양성(route diversity)은 풀이 과정의 단계 수열이 얼마나 다양한지를 측정하는 지표로, 경량의 규칙 기반 지문(fingerprint)을 통해 선별할 수 있다. 같은 예산과 훈련 설정에서 유사한 경로보다 다양한 경로를 선택했을 때, SFT 이후 강화학습(RL)의 문제 해결률이 퍼즐과 수학 문제에서 모두 향상되었다. 전체 요약 6문장 읽기 → 015 00:11 당일 +151 Windows 바탕화면을 정리하는 오픈소스 위젯 앱 DeskBox 무료 오픈소스인 DeskBox는 WinUI 3로 만든 Windows 바탕화면 정리 앱으로, Explorer를 대체하지 않으면서 실제 폴더를 백업하는 위젯들로 데스크톱 파일을 체계적으로 관리한다. 오픈소스 · 도구 · Tianyu199509/DeskBox · C#
Key Point 데스크톱 파일 정리를 자동화하면서도 기존 Windows 탐색기를 바꾸지 않는 경량 방식으로, 로컬 저장소 기반 개인정보 보호와 다양한 위젯 기능을 제공한다.
핵심 요약
무료 오픈소스인 DeskBox는 WinUI 3로 만든 Windows 바탕화면 정리 앱으로, Explorer를 대체하지 않으면서 실제 폴더를 백업하는 위젯들로 데스크톱 파일을 체계적으로 관리한다. 파일 위젯은 아이콘·리스트 레이아웃, 수동·규칙 기반 정렬, 스택 기능을 지원하며 최소 50×50 크기까지 축소 가능하고, 폴더 그룹화, 드래그 앤 드롭, QuickLook 미리보기 등을 제공한다. 투두, 빠른 메모, 데스크톱 검색, 글래이스(날씨·시간), 음악 컨트롤 등의 위젯이 있으며, 캡슐 모드로 위젯을 축소할 수 있고 마크다운 편집, 첨부파일 관리를 지원한다. 전체 요약 10문장 읽기 → 016 22:26 당일 +122 로컬 저장소 기반 사진 관리 앱 Lap 공개 오픈소스 데스크톱 사진 관리자 Lap을 macOS, Windows, Linux에서 다운로드할 수 있다. 오픈소스 · 도구 · julyx10/lap · Vue
Key Point 클라우드 의존 없이 로컬에서만 동작하는 오픈소스 사진 관리자가 필요한 사용자에게, AI 검색·얼굴 인식·대규모 라이브러리 지원 등 엔터프라이즈급 기능을 무료로 제공한다.
핵심 요약
오픈소스 데스크톱 사진 관리자 Lap을 macOS, Windows, Linux에서 다운로드할 수 있다. 클라우드 업로드 없이 로컬 디스크에만 저장하며, 기존 폴더 구조 그대로 작업하는 폴더 우선 워크플로우를 제공한다. 로컬 AI 검색, 얼굴 인식 클러스터링, 유사도 검색, 50개 이상 언어의 다국어 검색을 지원한다. 전체 요약 11문장 읽기 → 017 00:10 ▲ 100 · 댓글 15 코딩 에이전트의 성능을 좌우하는 요소들 코딩 에이전트의 성능을 결정하는 '하네스(harness)'의 구성 요소를 체계적으로 분석한 연구를 공개했다. AI · 머신러닝 · An Empirical Study of Harness Design for Coding Agents
Key Point AI 개발자들이 코딩 에이전트를 더 효율적으로 구축하기 위한 구체적인 설계 원칙과 최적화 지점을 얻을 수 있다.
핵심 요약
코딩 에이전트의 성능을 결정하는 '하네스(harness)'의 구성 요소를 체계적으로 분석한 연구를 공개했다. 컨텍스트 관리, 액션 스페이스, 계획 수립 등 세 가지 핵심 요소를 변수로 두고 네 가지 LLM을 대상으로 176가지 설정을 평가했다. 컨텍스트 창이 제한될수록 컨텍스트 관리의 중요도가 높아지며, 규칙 기반 삭제 후 LLM 기반 요약이 가장 효율적인 전략임을 확인했다. 전체 요약 5문장 읽기 →