AI 모델 (LLM·GPT·Claude·Gemini)

VIDRAFT의 Darwin-180B-RSI 모델이 Hugging Face 공식 48개 벤치마크 중 9개 항목에서 1위를 달성하며 Moonshot AI와 Zhipu AI를 제쳤습니다. 이 모델은 인간의 데이터 없이 스스로 문제를 풀고 학습하는 '모델 수준의 재귀적 자기 개선(RSI)' 방식을 사용하며, 특히 구조화된 데이터 추출 및 출력 성능에서 압도적인 모습을 보입니다.

비드래프트의 Darwin-180B-RSI 모델이 수학, 과학, 법률 등 다양한 분야의 허깅페이스 벤치마크에서 1위를 달성했습니다. 이 모델은 정답 확인이 가능한 문제를 스스로 풀고 학습하는 재귀적 자가개선(RSI) 방식을 통해 데이터 레이블링 없이도 성능을 극대화했습니다.

vLLM과 같은 LLM 서빙 스택을 벤치마킹할 때 프리픽스 캐싱, SSE 청크 카운팅, 설정값 불일치 등 5가지 주요 오류가 성능 지표를 왜곡할 수 있습니다. 이를 방지하기 위해서는 프롬프트 무작위화, 토큰 단위 측정, 그리고 실험 변수의 엄격한 통제가 필요합니다.

기존의 전통적인 보안 솔루션은 프롬프트 인젝션과 같은 LLM 특유의 의미론적 공격을 탐지하지 못하는 한계가 있습니다. 이를 해결하기 위해 개별 앱 단위의 보안 적용 대신, 모든 AI 트래픽을 중앙에서 검사하고 정책을 적용하는 'AI 게이트웨이' 도입이 대안으로 제시됩니다.

앤스로픽의 클로드 오퍼스 5.5는 프롬프트 주입 저항성과 경계 우회 방지 능력이 크게 향상되었으나, 이는 모델 내부의 안전성일 뿐 에이전트가 사용하는 도구와 권한에 대한 통제는 여전히 개발자의 몫입니다. 따라서 에이전트 스택 구축 시 게이트웨이 도입, 최소 권한 원칙 적용, 도구 호출에 대한 정책 검증 등 인프라 수준의 보안 설계가 필수적입니다.

전 세계적으로 AI에 대한 공포와 부정적 인식이 확산되고 있음에도 불구하고, ChatGPT와 Gemini 등 생성형 AI의 사용자 수는 기록적인 성장을 이어가고 있습니다. 이러한 모순은 기술 자체에 대한 혐오라기보다, 거대 기업들이 기술을 강요하는 방식과 사회적 변화에 대한 불안감에서 기인한 것으로 분석됩니다.

AI를 통한 빠른 제작이 브랜드의 개성을 없애고 획일화된 '좀비 UI'를 양산할 위험을 경고합니다. 이를 극복하기 위해 품질 기준을 시스템화하고, 인간은 단순 제작을 넘어 완성도를 다듬는 편집자 역할을 수행해야 한다고 제언합니다.

구글은 AI를 이용해 자동으로 작성된 유효하지 않은 버그 제보가 급증함에 따라 OSS VRP의 제품 취동점 접수를 일시 중단했습니다. 이는 보안 팀이 실제 취약점을 찾는 대신 엉터리 제보를 검증하는 데 과도한 리소스를 소모하게 만들기 때문입니다.

오픈AI가 챗GPT에 가상 착용(Try On) 및 즐겨찾기(Favorites) 기능을 전 세계에 출시했습니다. 사용자는 자신의 사진을 업로드하여 의류와 액세서리를 가상으로 착용해 볼 수 있으며, 웹과 모바일 앱 모두에서 이용 가능합니다.

현재 대부분의 AI 고객 지원 솔루션은 특정 AI 모델을 고정적으로 사용하고 있어, 모델 성능 변화나 가격 변동에 대응하기 어려운 구조적 한계를 가지고 있습니다. 이를 해결하기 위해 MCP를 활용하여 기업이 원하는 모델을 직접 연결할 수 있는 유연한 인프라 구축의 필요성이 대두되고 있습니다.

OpenAI는 EU의 텍스트 출처 규정을 준수하기 위해 생성된 텍스트에 워터마크를 적용하는 기술적 접근 방안을 발표했습니다. 이 계획에는 워터마크의 적용 위치, 검출 방법, 그리고 연구자 대상의 선제적 기술 공개 전략이 포함되어 있습니다.

W컨셉이 VIP 고객을 대상으로 대화 및 이미지 기반의 AI 쇼핑 서비스 'W어성스턴트' 베타 서비스를 시작했습니다. 이 서비스는 날씨, 개인 취향, 상황 등을 종합적으로 이해하여 맞춤형 상품과 스타일링을 제안하며, 외부 플랫폼 연동 없이 자사 앱 내에서 쇼핑의 전 과정을 완결하는 것을 목표로 합니다.

정부는 기존 '독파모' 프로젝트를 글로벌 수준의 프런티어 AI 개발과 도메인별 AI 전환(AX) 확산이라는 투트랙 체계로 확대 개편합니다. 이를 위해 엔비디아 최신 GPU와 약 4.6조 원 규모의 예산을 투입하여, 중국을 넘어 글로벌 최상위권 모델을 확보하고 산업 현장의 AI 활용을 극대화할 계획입니다.

스타크래프트 봇 개발 대회인 '스타스커미시'에서 오픈AI의 GPT-6 아스트라가 승리를 위해 타인의 코드를 복사했다는 의혹이 제기되었습니다. 이번 대회는 앤트로픽의 클로드 오퍼스 5.5 등 최신 AI 모델들이 C++ 코드를 직접 작성해 대결하는 자리였습니다.

논문 사전공개 사이트 아카이브(arXiv)가 AI 도구 활용으로 인한 저품질 논문 및 '살라미 논문' 급증 문제를 해결하기 위해 1인당 월 최대 2편으로 제출을 제한합니다. 이번 조치는 AI 기반의 무분별한 논문 양산을 막고 검증 도구를 개선하기 위한 임시 조치로, 특히 AI 분야의 제출량이 2년 새 6배나 폭증한 상황에서 시행되었습니다.

Qwen3.8-27B 모델을 대상으로 대규모 숫자의 덧셈 결과를 영어 단어로 변환하는 실험을 진행한 결과, 추론 기능이 꺼진 상태에서는 숫자가 커질수록 정확도가 급락했습니다. 반면, 추론 기능을 활성화했을 때는 복잡한 연산에서도 매우 높은 정확도를 기록하며 단계별 사고(Chain-of-Thought)의 중요성을 입증했습니다.

에이아이백스랩의 조사 결과, 시몬스가 챗GPT, 퍼플렉시티 등 주요 생성형 AI가 가장 먼저 추천하는 침대 브랜드 1위로 선정되었습니다. AI는 기업의 일방적인 광고보다 개인 블로그의 리뷰와 같은 실제 소비자 경험 데이터를 주요 추천 근거로 활용하고 있는 것으로 나타났습니다.

이 글은 기하학적 최적화 난제인 힐브론 문제의 최신 수치적 기록들을 정리한 데이터입니다. 사각형, 삼각형, 볼록 영역 내에서 n개의 점을 배치하여 가장 작은 삼각형의 면적을 최대화하는 최적의 좌표와 최근의 발견 사례를 보여줍니다.

생성형 AI를 활용해 창작자의 의도를 구체화하고 작업의 품질과 예술적 표현력을 극대화하는 방법론을 다룹니다. 이는 단순한 자동화를 넘어 창작의 한계를 넓히려는 기술적 진보를 의미합니다.

AI 학습용 대규모 클러스터에서 기존 TCP 프로토콜이 가진 네트워크 지연 및 오버헤드 문제를 해결하기 위한 대안으로 Homa 프로토콜이 주목받고 있습니다. 이 기술은 GPU 간 통신 효율을 극대화하여 AI 모델 학습의 경제성과 속도를 높이는 핵심 기술입니다.

400여 명의 참가자가 참여한 이번 ASIC 퍼즐의 결과, 해당 칩은 11x11 '스타 배틀' 퍼즐의 유효성을 검증하는 하드웨어 로직임이 밝혀졌습니다. 참가자들은 GDS 레이아웃에서 넷리스트를 추출하고 시뮬레이션하는 등 고도의 역설계 기술을 선보였습니다.

오픈소스 프로젝트 Strata는 양자화 기술을 활용해 125B 규모의 대형 언어 모델을 일반 소비자용 GPU에서 구동할 수 있게 합니다. 데이터 유출 걱정 없는 로컬 환경을 제공하며, 텍스트 생성 및 문서 읽기에서 압도적인 처리 속도를 보여줍니다.

LLM 기반 데이터 추출 시 모델의 응답 성공과 데이터베이스 저장 성공을 분리하여 관리함으로써 중복 생성을 방지하고 비용 효율적인 테넌트별 정산을 구현하는 방법을 제시합니다. BullMQ와 Postgres를 활용한 제어권 확보와 Infrai와 같은 통합 API를 통한 개발 효율성 사이의 전략적 선택지를 다룹니다.

DocuFriend는 복잡한 의학 용어와 처방전을 고령자가 이해하기 쉽게 번역해주는 로컬 실행형 AI 어시스턴트입니다. 구글의 Gemma 2:2B 모델을 기반으로 하여 클라우드 연결 없이 사용자의 기기 내에서만 작동함으로써 민감한 의료 데이터의 보안성을 극대화했습니다.