AI 뉴스 검색

dbt Labs가 왜 AI 에이전트가 비로소 시맨틱 레이어를 정착시킬 것이라고 생각하는지

팀이 신뢰 문제를 해결할 수 있다면, AI 에이전트는 왜 의미 계층을 더욱 견고하게 만들 수 있을까요?

OpenAI가 인류의 과학사를 다시 썼다! “왕의 가설”이 전 방위로 무너졌고, 30년간의 철칙인 ETH도 붕괴했다.

신지원 보도에 따르면, 정말로 인간 과학사가 오늘 밤 완전히 새로 쓰였습니다! 바로 방금, OpenAI가 단숨에 세 가지 획기적인 발표를 내놓으며, 내부 AI가 「기념비적」이라고 할 만한 세 가지 새로운 발견을 독자적으로 이뤄냈다고 공식 발표했습니다. 수학 분야에서는 모든 차원에서의 「국소적 매끄러움 추측」을 증명해, 수학계를 백 년 동안 괴롭혀 온 「카타야마 추측」을 완전히 종식시켰습니다. 컴퓨터 과학 분야에서는 학계를 거의 30년간 지배해 온 「지수 시간 가설」(ETH)을 반증했습니다. 이론물리학 분야에서는 4차원 양자색역학(QCD)과 순수...

왕의 추측이 AI에 의해 하룻밤 만에 클리어되었다

AI가 이미 차례로 답안을 제출하기 시작했지만, 인간은 채점조차 따라잡기 벅찰지도 모릅니다. #아이판의 공식 위챗 공중계정인 ‘아이판’(WeChat 계정명: ifanr)을 팔로우해 주시면, 더 많은 흥미로운 콘텐츠를 가장 먼저 만나보실 수 있습니다.

Okta가 대규모 AI 에이전트의 관리 컨텍스트에서 얻은 교훈

Okta는 dbt를 단일 진실의 원천으로 활용하여 AI 에이전트의 컨텍스트 관리 방식을 재구축했습니다.

dbt Wizard 내부에서는, 자신의 작업 과정을 보여주도록 설계된 AI 에이전트가 작동합니다.

dbt Wizard의 디자이너와 엔지니어링 리드가, 코드가 프로덕션에 도달하기 전에 에이전트가 자신의 작업을 어떻게 검증하는지 보여줍니다.

dbt v2의 주요 기능: 더 빠른 파싱, 하나의 공유 어댑터 계층, 그리고 거대한 manifest.json을 생략하는 문서 경험

dbt v2는 어댑터를 통합하고 파싱 속도를 높이며, 사람과 AI가 사용할 수 있도록 manifest.json을 더 작고 쿼리 가능한 파일로 대체합니다.

수파베이스의 10억 개 AI 기반 앱 구축 계획

AI 에이전트들이 더 많은 소프트웨어를 개발하고 있으며, 이는 백엔드가 수행해야 할 역할에도 변화를 가져오고 있습니다. 수파베이스의 공동 설립자인 폴 코플스톤과 앤트 윌슨이 스윅스에 합류해, 데이터베이스와 함께 장기간 실행되는 워크로드를 운영하는 방식과 에이전트가 스키마를 보다 쉽게 이해할 수 있도록 하는 방법에 대해 논의합니다...

램프의 내부 AI 에이전트가 어떻게 100만 회의 세션을 돌파했는가

Ramp은 내부 AI를 분석 엔지니어링으로 간주하여 구축한 에이전트, 샌드박스 및 대시보드를 공유합니다.

메인프레임에서 AI 기반 성숙까지: Verisk의 데이터 현대화 여정

Verisk는 AI 대응 가능성을 높이기 위해 메인프레임에서 dbt로 이전하는 방식으로 수십 년간의 보험 데이터를 현대화했습니다.

프롬프트에서 PR까지: Careem의 AI가 사람이 직접 확인하기도 전에 dbt 모델을 어떻게 작성하고 검증하는지

카림의 AI 에이전트는 사람이 PR을 검토하기도 전에 dbt 모델을 처음부터 끝까지 작성하고 검증합니다.

킬로의 데이터 과학자가 자신의 AI 에이전트들이 부족했던 비즈니스 컨텍스트 계층을 어떻게 구축했는지

데이터 과학자가 조직 지식을 위한 AI 컨텍스트 계층을 어떻게 구축했는지: dbt 프로젝트 하나만으로는 이를 담아낼 수 없습니다.

무법자 AI 에이전트 집단이 더 나은 아이디어를 얻는 데 대해 우리에게 무엇을 가르쳐줄 수 있을까

벤 스탄실은 허깅 페이스 해킹을 활용해, 가장 유용한 아이디어가 왜 가장 기이한 연결에서 비롯되는지 설명합니다.

연구진이 라틴어 전용 언어 모델 LAMB와 두 개의 새로운 말뭉치인 Acervus 및 Corpus Trinum을 발표했습니다.

2026년 10월 26일, arXiv는 논문 arXiv:2610.31723v1을 발표하여 라틴어 전용 엔코더인 Latin Modern BERT(LAMB)를 제안했다. 이 모델은 ModernBERT 아키텍처를 기반으로 하며, 두 단계의 사전훈련 과정을 거쳤고, 740억 개가 넘는 라틴어 토큰과 새로운 형태론적 감지 마스크 전략을 사용한다. 동시에 두 개의 완전히 새로운 라틴어 코퍼스도 공개했는데, 하나는 240억 개의 토큰을 포함하는 Acervus로, 여기에는 ByT5를 통해 복구된 OCR 오류 텍스트 76만 건이 포함된다. 또 다른 하나는 최초로 인공적으로 구축된 라틴어 의미 트리플 데이터셋 Corpus Trinum으로, 강/약 트리플이 1억 개를 상회한다.

추천 이유：이 연구는 고전 언어 NLP의 기초 자원 부족을 해소하고, 라틴어의 의미 이해를 위한 대규모 사전훈련 모델과 이를 지원하는 평가 벤치마크를 최초로 체계적으로 구축했으며, 엄밀한 실험을 통해 LAMB가 17개 하위 과제 중 16개에서 우위를 보임을 입증함으로써 명확한 기술적 기여와 재현 가능성을 확보했습니다. 모든 결론은 arXiv 논문 초록 및 사실 추출 내용에 엄격히 부합하며, 외부 정보는 전혀 도입되지 않았습니다.

연구에 따르면 보상 모델 점수에는 유의미한 힌트 의존성이 존재하며, 쌍으로 이루어진 평가는 이러한 편향을 탐지할 수 없다는 사실이 밝혀졌다.

2026년 10월 24일 arXiv에 게재된 한 AI 연구 논문은, 현재 주류를 이루는 쌍방향(pairwise) 평가 방법이 동일한 프롬프트 하에서 모든 응답에 공통적으로 존재하는 점수 구성 요소를 자동으로 상쇄하여, 보상 모델에서 핵심적인 ‘프롬프트 수준의 편향’이 검증되지 않았다고 지적한다. 저자들은 인간 평가를 기준으로 삼아 이미 발표된 18개의 평가기를 대상으로 감사를 실시한 결과, HelpSteer2 데이터셋에서 6개 모델의 점수 분산 중 최대 34%~64%가 프롬프트 자체에 기인하며, 반면 인간 평가는 이러한 현상이 거의 나타나지 않는다는 사실을 발견했다.

추천 이유：이 연구는 대규모 언어 모델의 정렬 과정에서 오랫동안 간과되어 온 근본적인 결함을 지적한다—보상 모델의 점수가 응답의 품질 자체가 아니라 프롬프트 텍스트에 크게 의존한다는 점이다. 또한 해당 연구의 방법론(인간 기준 감사, 프롬프트 교체, 분산 분해)은 재현 가능하며, 그 결론은 실증적 분석에 기반하고 여러 주요 오픈소스 평가 도구를 포괄하므로, 선호도 최적화, RLHF 및 안전성 평가 실무에 대한 직접적인 시사점을 제공한다.

마이크로소프트와 허깅페이스가 ThinkingBox 프레임워크를 오픈소스로 공개: 데이터베이스의 최종 상태를 결정적 보상 신호로 활용하여 지능체의 강화학습 후처리를 촉진

마이크로소프트와 허깅페이스가 공동으로 오픈소스 프레임워크인 ThinkingBox를 출시했으며, 이는 LLM 에이전트가 실행한 후의 실제 데이터베이스 최종 상태와 예상 상태를 비교하여 0/1 이진 보상을 생성함으로써 강화학습을 통해 모델을 미세조정하는 데 활용된다. 이와 함께 제공되는 벤치마크인 ThinkingBox-Bench에는 실제 백엔드 작업 507개가 포함되어 있으며, 해당 작업들은 모두 학습에 사용되지 않았다. Qwen3.8-27B는 50단계의 GRPO 미세조정을 거친 결과, 유지 테스트 세트에서 pass@1 지표가 9.08%포인트 상승하고 Observed 20/20 지표는 약 3배 증가했으나, 일부 분야에서는 pass@20 지표가 하락해 광범위성과 안정성 간의 균형을 반영했다.

PHP ‘종말의 취약점’이 공개됨: OpenAI와 Wiz가 AI를 활용해 20년에 걸친 고위험 결함을 발견

미국 국가안보국(NSA)은 긴급 경고를 발표하며, OpenAI와 Google 산하 Wiz 팀이 AI 도구를 통해 PHP 5 이상 버전(2004년부터)에 영향을 미치는 두 가지 심각한 보안 취약점을 공동으로 발견했다고 밝혔다. 해당 취약점으로 인해 서버 파일 시스템이나 데이터베이스가 원격으로 침투당할 수 있으며, 현재까지 악용 사례는 보고되지 않았지만 AI의 발전으로 공격 문턱이 크게 낮아져 전 세계 수천만 개의 웹사이트가 즉시 PHP 8.5.12로 업그레이드해야 할 것으로 보인다.

구글의 Antigravity 플랫폼, 항균 펩타이드 발견 가속화: ProtNLM과 AlphaFold 기반의 엔드투엔드 AI 과학 워크플로우

구글은 Antigravity 과학 인공지능 플랫폼을 출시하며, ProtNLM 단백질 기능 예측 모델, AlphaFold 구조 데이터베이스 및 유전체 맥락 추론 능력을 통합하여, 생물학자들이 단일 상호작용 세션에서 수많은 미주석 단백질(예: UniProt의 수백만 개 ‘암흑 물질’ 서열) 중 신규 항균 펩타이드(AMP)를 식별·검증하고 우선순위를 매기는 전 과정을 완료할 수 있도록 지원합니다. 최초의 후보 분자(UniProt ID: A0A0U0D591)는 이미 실험실 검증 단계에 진입했습니다.

에이전트 Said 그것 was Done. 데이터베이스 Disagreed.

에이전트 Said 그것 was Done. 데이터베이스 Disagreed.

AutoSynthData: 기업 대리인을 위한 훈련 자료 생성

AutoSynthData: 기업 대리인을 위한 훈련 자료 생성