AI Today

Anthropic이 Claude API의 사용량 한도를 크게 늘리고 SpaceX와 컴퓨트 인프라 협력을 체결했다고 발표했다. 이는 OpenAI와의 경쟁에서 기업 고객 유치를 위한 전략적 움직임으로 보인다. 특히 대규모 AI 워크로드를 처리하는 기업들에게 더 안정적인 서비스를 제공할 것으로 예상된다.

구글이 크롬 브라우저에 4GB 규모의 AI 모델을 사용자 동의 없이 자동으로 설치하고 있다는 사실이 밝혀져 프라이버시 논란이 일고 있다. 해당 모델은 브라우저 내 AI 기능을 위한 것으로 추정되지만, 투명성 부족으로 비판받고 있다. 이는 AI 모델 배포 과정에서 사용자 권리 보호의 중요성을 다시 한번 부각시켰다.

Cloudflare가 AI 에이전트가 자율적으로 계정 생성, 도메인 구매, 웹사이트 배포까지 전 과정을 처리할 수 있는 새로운 서비스를 발표했다. 이는 Stripe과의 협력을 통해 결제 처리까지 완전 자동화한 것으로, 에이전트 기반 개발 워크플로우의 새로운 가능성을 제시한다. 개발자들이 AI 에이전트를 통해 더욱 빠르게 프로젝트를 런칭할 수 있게 될 것으로 기대된다.

ServiceNow AI가 vLLM의 새로운 버전에서 강화학습 과정에서 교정(corrections)보다 정확성(correctness)을 우선시하는 새로운 접근법을 소개했다. 이는 기존의 반복적 교정 방식 대신 처음부터 정확한 추론을 목표로 하는 패러다임 변화를 의미한다. 특히 코드 생성과 수학 문제 해결에서 더 안정적인 성능을 보여준다고 설명했다.

미국 국방부가 Microsoft, Reflection AI 등 4개 AI 기업을 새로 공급업체 명단에 추가하며 국방 AI 생태계를 확장하고 있다. 동시에 기존 파트너인 Anthropic의 역할도 재평가하고 있어 정부 AI 조달 정책의 변화를 시사한다. 이는 국가 보안 분야에서 AI 기술의 전략적 중요성이 커지고 있음을 보여준다.

NVIDIA가 Spectrum-X 이더넷 패브릭에 MRC(Multi-Rail Computing) 기능을 추가하며 대규모 AI 팩토리를 위한 네트워킹 표준을 제시했다. 이는 기존 InfiniBand 대비 더 개방적이고 확장 가능한 AI 네이티브 이더넷 솔루션을 목표로 한다. 특히 수천 대의 GPU를 연결하는 초대형 AI 훈련 클러스터에서 성능과 안정성을 크게 향상시킬 것으로 기대된다.

칩 부족부터 인프라 병목까지 AI 공급체인 전반의 문제를 다룬 Milken 글로벌 컨퍼런스에서 업계 리더들이 현재 AI 경제의 취약점들을 분석했다. 하드웨어 공급 부족, 전력 인프라 한계, 인재 부족 등이 주요 이슈로 지적되었다. 이러한 구조적 문제들이 해결되지 않으면 AI 발전 속도가 둔화될 수 있다는 경고도 나왔다.

지난 11월 발표된 Snap과 Perplexity 간의 4억 달러 규모 파트너십이 원만하게 종료되었다고 양사가 발표했다. 이 딜은 Perplexity의 AI 검색 엔진을 Snapchat에 직접 통합하는 것이었으나, 구체적인 종료 사유는 공개되지 않았다. AI 검색 시장의 경쟁 심화와 전략 변화가 배경으로 추정된다.

미디어 거물 Barry Diller가 OpenAI CEO Sam Altman에 대한 개인적 신뢰를 표명하면서도, AGI가 가까워지면 개인적 신뢰는 무의미해진다고 경고했다. 그는 AGI의 예측 불가능한 특성을 강조하며 강력한 안전장치가 필요하다고 주장했다. 이는 AI 리더십에 대한 신뢰를 넘어서는 시스템적 접근의 중요성을 시사한다.

영국 국가보건서비스(NHS)가 AI 기술을 도입해 만성적인 의료진 부담을 덜어내기 시작했다. 진단 보조, 환자 모니터링, 행정 업무 자동화 등 다양한 영역에서 AI가 활용되고 있다. 특히 응급실과 영상의학과에서 대기 시간 단축과 진단 정확도 향상이라는 긍정적 결과를 보이고 있어, 공공 의료 분야 AI 도입의 모범 사례가 될 전망이다.

LCM: 무손실 컨텍스트 관리로 긴 컨텍스트 작업 성능 향상

Clint Ehrlich, Theodore Blackman

LLM 메모리를 위한 결정론적 아키텍처 LCM을 제시하여 Claude Code보다 긴 컨텍스트 작업에서 우수한 성능을 보였다. 컨텍스트 윈도우 제한을 극복하는 새로운 접근법으로, AI 에이전트의 장기 기억 능력을 크게 향상시킬 수 있을 것으로 기대된다.

ANDRE: 어텐션 기반 신경-상징 미분가능 규칙 추출기

Iman Sharifi, Peng Wei, Saber Fallah

기존 ILP 방법들이 노이즈와 확률적 환경에서 확장하기 어려운 문제를 해결하기 위해 어텐션 메커니즘을 활용한 새로운 신경-상징 접근법을 제안한다. 이는 AI 모델의 해석가능성을 높이면서도 실제 환경의 불확실성을 다룰 수 있는 중요한 진전이다.

Agent Island: 멀티에이전트 게임 기반 오염 방지 벤치마크

Connacher Murphy

기존 정적 벤치마크의 포화와 오염 문제를 해결하기 위해 언어모델 에이전트들이 경쟁하는 멀티플레이어 시뮬레이션 환경을 제안한다. 동적으로 변화하는 환경에서 AI 에이전트의 진정한 능력을 측정할 수 있는 새로운 평가 패러다임을 제시한다.

병렬 접두사 검증으로 추측 생성 가속화

Yuncheng Yao, Yuxuan Xia, Shengjie Wang, Danyang Zhuo

기존 추측 디코딩 방법의 근본적 한계를 극복하기 위해 의미 수준에서 접두사 검증을 병렬화하는 PARSE 프레임워크를 소개한다. 이는 LLM 추론 속도를 크게 향상시킬 수 있는 혁신적 접근법으로, 실제 배포 환경에서의 성능 개선에 큰 의미가 있다.

트랜스포머에서 암시적 연역 추론의 확장 특성

Enrico Vompa, Tanel Tammet

깊이 제한된 트랜스포머에서 Horn 절에 대한 암시적 연역 추론 능력의 확장 특성을 체계적으로 분석했다. 증명 가능성을 허위 특성들로부터 체계적으로 분리하고 알고리즘 정렬을 강제함으로써 논리적 추론 능력의 본질적 한계와 가능성을 규명한 중요한 연구다.

멀티에이전트 설계 탐색에서 컨텍스트의 교차 효과

Saranyan Vigraham

에이전트 오케스트레이션에서 '더 많은 컨텍스트가 더 좋다'는 일반적 가정을 테스트한 결과, 동일한 아티팩트 유형이 성능을 개선하거나 저하시키는 교차 효과를 발견했다. 이는 멀티에이전트 시스템 설계에 중요한 함의를 제공하는 실증적 연구다.

자유 에너지 기반 강화학습으로 LLM 무감독 추론 향상

Yiming Huang, Zhenbo Shi, Xin-Cheng Wen, Jichuan Zeng, Cuiyun Gao, Peiyi Han, Chuanyi Liu

LLM의 자기 개선을 위한 무감독 강화학습에서 모델의 진화하는 추론 능력에 적응하는 능력 부족 문제를 해결하기 위해 자유 에너지 이론을 활용한 적응적 이점 형성 방법을 제안한다. 이는 지속적 학습과 자율적 AI 발전에 중요한 기여를 할 것으로 예상된다.

적응형 파워-평균 정책 최적화로 LLM 추론 성능 향상

Yiming Huang, Zhenbo Shi, Shuzheng Gao, Cuiyun Gao, Peiyi Han, Chuanyi Liu

검증 가능한 보상을 가진 강화학습에서 LLM의 추론 능력을 향상시키기 위해, 기존의 정적 정책 최적화 방식을 개선한 적응형 파워-평균 접근법을 제안한다. 이는 동적으로 변화하는 학습 환경에 더 잘 적응하여 추론 성능을 지속적으로 개선할 수 있다.