AI 뉴스 검색

당신의 비즈니스, 항상 최신 상태로. 스트림하우스 - AI 시대를 위한 데이터 아키텍처.

Streamhouse는 분산 시스템 전반에 걸쳐 현재 비즈니스 상태와 컨텍스트를 지속적으로 수집, 처리, 관리하고 제공하여 애플리케이션, AI 에이전트 및 분석 도구에서 활용할 수 있도록 하는 데이터 아키텍처입니다.

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?

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.

연구는 자폐 스펙트럼 장애와 비자폐 스펙트럼 장애를 가진 개인 간의 2인 대화에서 성공적 인지 여부를 예측하는 다중모달 접근법을 제안한다.

arXiv에 게재된 새로운 연구(번호 2610.31682v1)는 언어 운동, 얼굴 표정, 음성 리듬 및 대화 차례 전환 등 다중 모달 특성을 활용하여, 자폐 스펙트럼 장애와 비자폐 스펙트럼 장애 참가자가 포함된 세 개의 자발적 이인 상호작용 데이터셋에서 참가자 본인이 인식하는 대화 성공 수준을 예측합니다.

추천 이유：이 연구는 기존의 진단 분류나 단일 모달 분석에 국한되던 한계를 극복하고, 최초로 상호 보완적인 다중 모달 행동 지표를 체계적으로 통합하여 ‘인지된 대화 성공’이라는 사회적 소통의 핵심 차원을 모델링함으로써, 신경다양성 인구의 의사소통 지원 기술을 향상시키기 위한 새로운 방법론적 근거를 제시하였다. 해당 논문은 이미 공개되었으며, 타임스탬프는 현재 시스템 시간과 일치하여 최신 학술 성과에 해당한다.

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.

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.