langchain-core 1.7.3 릴리스
Key Point
LangChain 기반 프로젝트를 운영 중이라면 최신 버전 업데이트 현황을 파악해야 하기 때문입니다.
핵심 요약
- LangChain의 핵심 라이브러리 langchain-core 버전 1.7.3이 출시됐다.
- 1.7.2에서의 변경 사항을 바탕으로 업데이트된 버전이다.
- 자세한 변경 내용은 공식 GitHub 릴리스 페이지에서 확인할 수 있다.
릴리스 노트 보기 ↗github.com
쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 10월 30일 (금)까지3636건
24건 · "7.3"조건 지우기 ×
PHP 취약점 공격 시도와 패치 현황
Key Point
공격이 실제로 대규모 피해를 입히지 못하고 있는 이유와 조직들의 패치 현황을 파악하면, 이 취약점에 대한 실제 위협 수준과 대응 우선순위를 정확히 판단할 수 있다.
핵심 요약
- PHP의 CVE-2026-109618, CVE-2026-109619 공개 후 위즈 보안팀은 실제 공격 시도를 모니터링하고 공개된 익스플로잇 코드를 분석했다.
- 공개 후 약 일주일 만에 인터넷 노출 취약 머신이 67% 감소했으며, PHP 7.3 이상 버전 운영 조직이 47.9% 줄었다.
- 포착된 공격은 두 가지 유형으로 나뉜다: PHP2Shell 익스플로잇을 사용한 공격과 '세션 중독'이라는 관련 없는 기법을 PHP2Shell 이름으로 위장한 공격이다.
ruff 0.17.3 릴리스, 성능 최적화와 버그 수정
Key Point
Python 프로젝트의 코드 품질 관리 도구로 쓰이는 ruff가 성능을 대폭 개선하고 기존 버그를 수정했으므로 업그레이드할 가치가 있다.
핵심 요약
- Python 린터·포매터 ruff의 0.17.3 버전이 2026년 10월 26일 공개되었다.
- 새 기능으로는 의심스러운 코드 패턴 감지를 위한 shared-clock-mock 프리뷰 기능이 추가되었다.
- UP032 규칙에서 f-string으로의 부정확한 변환 버그가 수정되었다.
릴리스 노트 보기 ↗github.com
반복되는 작업을 스스로 학습하게 하는 에이전트 훈련법
Key Point
장시간 작업을 하는 AI 에이전트의 비효율을 근본적으로 줄일 수 있는 훈련 기법으로, 추가 라벨링 없이 에이전트 자신의 경험으로부터 학습하는 방식을 제시한다.
핵심 요약
- Qwen, Llama, Gemini 등의 언어모델 에이전트가 장시간 작업 중 같은 도구를 재호출해 동일한 결과를 얻는 '루프' 현상을 보이고, 컨텍스트 압축 시 더 심해진다.
- DeLoop는 이런 루프를 줄이기 위한 자기지도 학습 방법으로, 에이전트 자신의 실행 기록에서 감독 신호를 얻는다.
- 같은 작업 실행 내에서 반복된 액션을 부정 사례, 그 이후 처음 나오는 다른 액션을 긍정 사례로 삼아 직접 선호도 최적화로 학습한다.
한 손 조작 넘어 양손 협력까지, 범용 로봇 제어 모델 DONIC
Key Point
로봇이 두 손을 동시에 협력시켜 복잡한 조작 작업을 할 수 있도록 하는 첫 범용 모델로, 인간의 시연 영상만으로 학습할 수 있다는 점이 실용적 의미를 갖는다.
핵심 요약
- 기존 손가락 섬세한 조작 모델들은 단일 손 조작과 제한된 상호작용만 다뤄 일상의 양손 협력 작업을 못 다뤘다.
- 연구팀은 첫 범용 양손 추적기 DONIC과 229개 물체를 포함한 1,575개 시퀀스의 양손 상호작용 데이터셋 BiHOI를 공개했다.
- DONIC은 근처정책최적화(PPO)와 행동복제를 결합하고, 성공한 실행을 재훈련 데이터로 재활용하는 피드백 루프를 사용한다.
Node.js v24.22.1 'Krypton' LTS 보안 업데이트
Key Point
Node.js LTS 버전의 보안 취약점을 즉시 패치한 만큼, 프로덕션 환경에서 보안 위협에 대한 노출을 줄이기 위해 신속한 업그레이드가 필요하다.
핵심 요약
- Node.js v24.22.1은 보안 취약점 9개(CVE-2026-105481, CVE-2026-105482 등)를 포함한 보안 릴리스다.
- HTTP 에이전트 데이터 보호 기능이 I/O 없이도 동작하도록 개선되었으며, DNS resolve 함수가 null 바이트를 검증하도록 강화됐다.
- TLS에서 IP 주소 정규화 회귀 문제를 수정하고 비정준형 IP 주소를 거부하는 검증이 추가됐다.
릴리스 노트 보기 ↗github.com
형식검증으로 강화한 LLM 에이전트 학습, Lean4AgenticRL
Key Point
기존 LLM 에이전트 학습에서 다단계 보상 검증을 도입해 실제 성능 향상을 입증한 사례로, 형식 검증이 강화학습 효과성을 높일 수 있음을 보여준다.
핵심 요약
- LLM의 에이전트 능력을 강화하기 위해 복잡한 소프트웨어 엔지니어링과 터미널 작업 문제를 풀어야 하는 상황에서, 기존 모델들은 고수준의 결과 보상에만 의존해 학습 효율이 낮았다.
- Lean4AgenticRL은 Lean4 형식화 체계에 다단계 프로세스 보상을 통합한 첫 번째 프레임워크로, 에이전트의 능력과 제어성 사이 균형을 맞추는 문제별 워크플로우 시스템을 구축한다.
- 워크플로우 형식화와 다단계 보상 주석 방식을 통해 일반 하니스 시스템 내에서 에이전트 동작을 검증하며, 저수준 도구 호출 보상과 중수준 워크플로우 단계 보상을 포함한다.
Go 1.27.3 출시, 버그 수정 및 보안 업데이트
Key Point
Go를 사용하는 개발자라면 정기적인 패치 업데이트를 통해 버그와 보안 문제를 해결할 수 있다.
핵심 요약
- Go 프로그래밍 언어의 1.27.3 패치 버전이 릴리스되었다.
- 이 버전은 release-branch.go1.27 브랜치에서 안정성 개선과 버그 수정을 포함한 누적 업데이트를 제공한다.
- Google의 Go 팀이 검토 프로세스를 거쳐 배포했으며, Dmitri Shuralyov와 Carlos Amedee 등 주요 개발자들이 승인했다.
릴리스 노트 보기 ↗github.com
Linux 7.3 커널 공개, 사상 최대 규모 업데이트
Key Point
18,765개의 커밋과 3,021명의 기여자 중 첫 참여자가 27%인 점은 Linux 커뮤니티의 성장 규모를 보여주며, failfs와 fchroot() 같은 신규 기능들이 커널 기능 확장을 시사한다.
핵심 요약
- 리누스 토르발즈가 예정대로 Linux 7.3 커널을 공개했으며, 7.4 병합 윈도우는 그 다음날 열릴 예정이다.
- 이번 릴리스는 3,021명의 개발자로부터 18,765개의 비병합 커밋(non-merge commits)을 받아 사상 최대 규모이며, 이 중 807명은 커널 개발에 처음 참여하는 개발자였다.
- binfmt_misc 확장, 대규모 시스템 성능 개선을 목표로 한 그룹 스케줄링 작업, 모든 작업을 실패하게 하는 failfs 파일시스템 추가가 포함됐다.
리눅스 7.2 커널, 역사상 2번째로 바쁜 개발 사이클
Key Point
LLM 지원 커밋이 급증하면서 커널 개발의 구조와 품질이 어떻게 변하고 있는지를 수량 데이터로 추적하는 중요한 기록이자, 이해 없이 패치가 통합되는 위험성을 드러낸다.
핵심 요약
- 리눅스 토발즈가 8월 17일 7.2 커널을 릴리스했으며, 거의 60만 줄의 코드가 추가되어 역사상 2번째로 바쁜 개발 사이클이 되었다.
- 7.2에는 2,652명의 개발자가 기여한 16,418개의 비병합 커밋이 포함되었으며, 이는 이전 기록인 7.1의 2,479명을 크게 초과했다.
- 상위 기여자는 우베 클라이네-쾨니히(1,510개 커밋), 로센 페네프(1,460개), 이안 로저스(1,380개)였고, 코드 라인 수로는 매튜 스튜어트(83만 5,878줄)와 호킹 장(62만 8,936줄)이 선두였다.
미국 연방 적자 12% 급증, 2조 달러 돌파
Key Point
재정 위기 신호로 미국 경제와 글로벌 시장에 영향을 주며, 개발자 커뮤니티도 기술 정책 자금 지원과 관련해 관심을 가질 수밖에 없는 거시경제 뉴스입니다.
핵심 요약
- 미국 2026 회계연도 연방 재정적자가 1.992조 달러로 집계되어 전년 대비 12% 증가했다.
- 적자는 수입 5.403조 달러 대비 지출 7.396조 달러로, GDP의 약 6%에 해당한다.
- 국가 총채무는 8월 40조 달러를 넘어 현재 40.3조 달러를 초과했다.
AI 에이전트가 자율적으로 모델을 학습시키다
Key Point
현재의 AI 에이전트가 인간의 개입 없이 모델 개발 연구를 독립적으로 수행할 수 있음을 실증했으며, AI 시스템이 더 강력한 AI를 구축하는 자기 개선 경로의 현실적 가능성을 보여준다.
핵심 요약
- AI 에이전트가 인간의 개입 없이 소규모 기본 모델을 고급 모델로 학습시킬 수 있는지 검증하는 Athanor이라는 에이전트-네이티브 자동 학습 연구 시스템을 개발했다.
- 104시간 동안 Claude Opus 3.5 에이전트 4개가 각각 8개 GPU 노드에서 Qwen3-4B-Base 모델을 개선했으며, 어떤 연구 조언도 받지 않았다.
- 개발 테스트 6개 과제에서 모델 성능이 15.9에서 67.3으로, 공개되지 않은 홀드아웃 평가 세트에서는 9.2에서 48.2로 향상되었다.
선택 작업에 특화된 경량 멀티모달 모델 Intern-Decision 공개
Key Point
의사결정이 필요한 에이전트 시스템에서 응답 생성 대신 구조화된 선택을 직접 반환하므로, 지연시간을 줄이고 모델-환경 인터페이스를 단순화한다.
핵심 요약
- Intern-Decision은 텍스트와 이미지로부터 구조화된 선택과 확률을 반환하는 0.8B, 2B, 4B 사이즈의 멀티모달 의사결정 모델이다.
- 자동회귀 마스크 언어 모델링 목표를 사용하여 완전한 어시스턴트 JSON 스켈레톤에 필드당 하나의 결정 플레이스홀더를 배치하고, 한 번의 순방향 전달로 모든 필드를 평가한다.
- 4B 모델이 7개 평가 세트에서 평균 90.02% 정확도를 달성했으며, Llama v1.13.0의 88.74%를 능가한다.
Tauri 2.12.4 릴리스, iOS 개발 서버 오류 메시지 개선
Key Point
모바일 앱 개발 환경에서 디버깅 경험을 개선한 버그 수정과 안정성 향상이 포함된 마이너 릴리스로, Tauri를 사용하는 iOS/Android 개발자에게 직접적인 영향이 있다.
핵심 요약
- Tauri 2.12.4가 릴리스되었으며, iOS에서 개발 서버에 localhost URL로 접근할 수 없을 때 'tauri ios dev --host' 사용을 제안하는 개선된 오류 메시지를 추가했다.
- IPC 및 애셋 프로토콜 핸들러에서 요청 URI의 경로가 비어 있을 때(예: ipc:foo) 발생하던 패닉을 수정했다.
- 모바일 플러그인 커맨드가 호출자의 대기가 중단된 후(예: 타임아웃으로 인한 async 호출 취소) 응답을 반환할 때 iOS와 Android에서 프로세스를 중단시키는 패닉 대신 응답을 버리도록 수정했다.
릴리스 노트 보기 ↗github.com
생성형 AI로 대규모 3D 장면 완전 복원 실현
Key Point
완전하고 일관된 대규모 3D 장면 복원이 가능해져 가상현실·영상 제작·로봇 환경 인식 등 다양한 분야에서 활용될 수 있게 된다.
핵심 요약
- 다양한 각도의 카메라 정보 없는 RGB 이미지들로부터 대규모 3D 장면의 완전한 메시를 복원하는 생성형 모델 WorldRecon을 제시했다.
- 입력 이미지로부터 추정한 포인트 클라우드와 카메라 포즈를 전역 스캐폴드로 사용하고, 이를 겹치는 공간 블록으로 분할하여 처리한다.
- 3D 생성 모델 TRELLIS.2를 개선한 재구성 기반 조건화 아키텍처로 각 블록을 로컬 포인트 클라우드와 해당 이미지로부터 생성하며, 구조·기하·PBR 재료를 출력한다.
코딩 에이전트가 서로 평가하는 자동 확장 벤치마크 등장
Key Point
기존 고정 벤치마크의 포화 문제를 해결하는 자동 확장식 평가 방식을 처음 시연했으며, 에이전트의 성능 지표뿐 아니라 과제 작성 능력도 함께 측정하는 새로운 평가 패러다임을 보여준다.
핵심 요약
- 기존 코딩 벤치마크는 고정된 과제를 제공하는데, 시간이 지나면서 과제가 학습 데이터에 유출되고 에이전트 성능이 포화된다는 문제를 지적한다.
- SWE-Duel이라는 새로운 평가 아레나를 제안하며, 두 코딩 에이전트가 Red-Blue 턴으로 서로를 평가하는 방식으로 작동한다.
- Red 에이전트는 실제 저장소에서 새 기능을 구현한 후 의도적으로 미묘한 버그를 삽입하고, 버그를 유발하는 시험은 봉인해둔다.
자가학습하는 추론 모델, 반복 학습으로 성능 붕괴 막는 방법 제시
Key Point
자가학습하는 LLM 기반 추론 모델의 성능 붕괴 문제를 해결하는 실질적 방법을 제시해, 장기간 안정적인 모델 개선이 가능해진다.
핵심 요약
- 추론 모델이 자체 생성 질문으로 학습하는 자가진화 과정에서 반복할수록 성능이 저하되는 문제가 있다.
- 논문은 성능 악화의 원인으로 두 가지를 파악했다: 무효한 질문의 증가와 수학적으로 동등한 질문의 반복.
- 무효한 질문은 라운드가 진행될수록 늘어나며, 답변 일관성 필터링이 이를 더욱 악화시킨다.
OpenAI, 결정 자동화 API 공개 베타 시작
Key Point
선택지 결정·분류를 위한 전문 API를 통해 고속 처리가 필요한 서비스의 라우팅·필터링 방식이 크게 달라질 수 있다.
핵심 요약
- OpenAI의 Decisions API는 텍스트·이미지를 평가해 10배 빠르게 응답을 반환하는 Responses API의 후속 도구다.
- API는 조건의 참/거짓 확률, 고정 선택지 중 하나의 선택, 기준표 기반 점수 세 가지 형태의 답을 제공한다.
- 콘텐츠 분류, 요청 라우팅, 업무 우선순위 지정 등에 활용할 수 있다.
로봇이 시뮬레이션에서 배운 조작 기술을 현실에서 바로 쓴다
Key Point
시뮬레이션 학습으로 실제 로봇 조작을 성공시키는 과정이 공개됨에 따라, 로봇 개발의 데이터 수집 비용과 안전 리스크를 크게 줄일 수 있는 경로가 가시화되었다.
핵심 요약
- 로봇이 시뮬레이션과 현실의 차이(시각, 역학, 몸체)를 넘어 기술을 옮기는 문제를 해결하는 Skill2Real 프레임워크를 제시했다.
- 공통 API로 실행 가능한 스킬을 학습하며, Proposer-Verifier-Governor(PVG) 루프가 시뮬레이션 정보로 결과를 진단하고 업데이트를 검증한다.
- 소뇌(Cerebellum)에서 조작 스킬을 먼저 획득한 뒤 뇌(Brain)에서 소뇌를 고정하고 과제 수준의 조합을 학습한다.
로봇 움직임 미리보기로 장시간 작업 계획하는 ProWAM
Key Point
로봇 제어 분야에서 시각적 중간 목표를 통해 긴 수열의 작업을 효율적으로 계획하고, 현실 환경에서도 높은 성공률을 달성한 새로운 접근법이 소개됐다.
핵심 요약
- 로봇 제어용 월드 액션 모델(WAM)은 초기 관찰과 명령으로부터 시각적 역학과 행동을 동시에 예측하지만, 긴 시간 범위의 예측에서 어려움을 겪는다.
- 기존 WAM은 전체 비디오를 생성하지 않고 단일 미래 프레임만 예측하는 방식도 있으나, 목표 달성 과정을 안내하지 못한다는 한계가 있다.
- ProWAM은 행동과 순서가 정해진 희소 시각적 서브골(중간 목표)의 시퀀스를 함께 예측해, 작업 실행 중 행동 생성을 위한 명시적 시각 안내를 제공한다.
감정 음성 생성, 재학습 없이 정밀도 높이는 기법
Key Point
감정 음성합성에서 모델을 재학습하지 않고도 감정 표현 정확도를 최대 35% 향상시킬 수 있는 새 방법으로, 리소스가 제한된 음성 AI 개발에 실질적 이점을 제공한다.
핵심 요약
- 감정 조건부 음성합성(TTS) 모델이 요청한 감정을 제대로 표현하지 못하는 문제를 해결하기 위해 재학습 없이 내부 표현을 수정하는 벡터 스티어링 기법을 연구했다.
- 기존 CoCoEmo 방식은 감정 벡터를 하나의 단일 강도로 제어하는 방향으로만 보아 감정 정확도가 제한적이었다.
- 연구팀은 감정 벡터가 음성을 중립 표현에서 벗어나게 하는 공유 성분과 요청한 감정으로 생성을 유도하는 잔여 성분으로 분해될 수 있음을 발견했다.
AI가 이미지 생성 명령어를 자동 최적화 — 다중 참고 이미지 합성 성능 향상
Key Point
다중 참고 이미지를 정확히 합성하는 방법이 AI 생성 품질을 크게 결정하는데, 기존의 손으로 만든 명령어 대신 자동으로 최적화하는 기법이 상용 모델 수준의 결과를 만들어낸 점이 중요하다.
핵심 요약
- 최신 이미지 생성 모델은 여러 참고 이미지를 입력받아 새로운 이미지로 합성할 수 있지만, 피사체 생략·중복·부자연스러운 합성 같은 문제가 남아있다.
- 최근 연구들은 이미지 생성 모델·추론 모델·하네스(생성 방식을 정의하는 실행 프로그램)를 결합한 에이전트 기반 접근법을 제안했다.
- 다중 참고 이미지 생성에서는 각 참고 이미지의 충실도·전체 이미지의 자연스러움 등 여러 기준을 동시에 만족해야 하므로, 참고 이미지 처리부터 출력 진단까지 하네스의 많은 부분이 개선될 여지가 있다.
로봇이 실패를 스스로 극복하게 해주는 '수첩' 기법
Key Point
로봇 조작의 실패 대응을 자동화하는 방법론이 제시되어, 다양한 환경의 로봇 작업 신뢰도를 크게 높일 수 있는 경로를 보여준다.
핵심 요약
- 로보틱스의 핵심 과제는 다양한 작업과 환경에서 조작 능력을 발휘하는 것인데, 비전-언어-행동(VLA) 모델은 실행 중 실패를 진단하고 행동을 적응시켜야 할 때 어려움을 겪는다.
- 연구팀은 강한 에이전트가 약한 에이전트를 위해 경험을 '플레이북'으로 정제하고, 약한 에이전트의 실행 피드백으로 이를 반복 개선하는 '재귀적 하네스 증류(Recursive Harness Distillation)' 기법을 제안했다.
- 이 플레이북은 모델 파라미터를 업데이트하지 않고도 새로운 작업에서 누적된 개입 지식을 재사용하게 해준다.
여럿이 대화할 때 누가 뭘 말했는지 기억하는 AI 메모리
Key Point
그룹 채팅이나 회의 같은 다자 대화에서 복잡한 관계와 누가 뭘 말했는지를 추적해야 하는 AI 애플리케이션들이 현재 기술의 한계에 직면해 있으며, 이 논문이 제시하는 구조화된 메모리 접근 방식이 그 문제를 상당 수준 해결하고 있다.
핵심 요약
- 다자 대화에서 장기적 맥락을 유지하려면 발화자 정보, 대상 파악, 개인 및 집단 간 관계, 공유 정보, 시간 경과에 따른 상태 변화를 모두 추적해야 한다.
- 기존 LLM 메모리 시스템은 다자 대화 벤치마크에서 인물·집단 관계를 놓치거나 여러 발화자 간 분산된 단서를 통합하지 못하는 한계를 보인다.
- 논문은 핵심 문제로 '발화자 귀속(message attribution)'과 '다자 간 관계 이해', '교차된 대화 기록으로부터의 상태 복원'을 제시한다.