AI 뉴스 검색

OpenAI는 세 가지 주요 과학적 발견과 학계와 협력하는 새로운 방식을 발표했습니다.

수년간 미해결된 수학 문제에 대한 해법을 담고 있다고 밝힌 수백 편의 원고를 대규모로 공개한 지 한 달도 채 되지 않아, OpenAI는 수학, 컴퓨터 과학, 물리학 분야에서 또다시 세 가지의 “중대한” 발견을 발표했습니다. 이번에는 특히, OpenAI가 “셰퍼드”라고 부르는 외부 전문가들이 결과를 안내하는 방식을 선택했다는 점이 다릅니다 […]

스탠퍼드 대학과 UC 버클리 대학의 연구진이 TokenGate를 발표했습니다: 토큰 기반 접근 제한 주의 메커니즘을 통해 장문 컨텍스트 사전 채우기가 최대 11.3배 더 빨라집니다.

스탠퍼드 대학교와 캘리포니아 대학교 버클리 캠퍼스의 연구진은 기존 대규모 언어 모델(LLM)에 적용 가능한 플러그 앤 플레이 방식의 학습형 토큰 가위 모듈인 TokenGate를 제안했습니다. 이 방법은 정확도를 유지하면서, 긴 컨텍스트를 사전 채워 넣는 첫 글자 생성 시간(TTFT)을 1.4배에서 최대 11.3배까지 가속화하고, 최대 메모리 사용량을 1.5배에서 최대 3.4배까지 절감합니다. 관련 코드와 체크포인트는 오픈소스로 공개되었습니다.

구글의 AI 검색 기능이 온라인 출판업계에 큰 타격을 주고 있다: 트래픽 급감, 소송 빈발, 보상 메커니즘의 초기 모색

2024년 구글은 AI 개요(AI Overviews)를 출시하고, 2025년 5월에는 AI 모드(AI Mode)를 도입했으며, 이로 인해 다수의 주요 매체에서 구글로부터 유입되는 검색 트래픽이 크게 감소했다. 뉴욕타임스의 경우 3년 사이 검색 트래픽 비중이 44%에서 35.5%로 하락했고, DCN 회원사 중 19곳은 2025년 5~6월에 1%에서 25%에 달하는 트래픽 손실을 겪었다. DMG 미디어는 클릭률이 최대 89%까지 하락했다고 밝혔다. 출판사들은 여러 건의 소송을 제기했으나 모두 미국 판사들에 의해 기각되었고, 이후 구글은 탈퇴 옵션과 출처 표시 강화를 도입하는 한편, 400개 매체를 포함한 뉴스 AI 시범 프로그램과 콘텐츠 유료화 테스트 계획을 시작했다.

추천 이유：해당 보도는 구글의 AI 검색 기능이 출판 생태계에 미치는 구조적 충격을 체계적으로 정리했으며, 2024–2025년 시기별 흐름, 제3자 기관의 통계를 바탕으로 한 실증 데이터, 출판사·규제 당국·법원·비영리단체 등 다양한 주체들의 반응, 그리고 최신 대응 방안(탈퇴 메커니즘, 출처 개선, 라이선스 및 유료화 시범 사업) 등을 포괄하고 있습니다. 이는 정보가 밀집되어 있으며, 시의성과 정책 관련성이 높습니다.

메타가 DNS를 통해 대화 링크가 노출되면서 중단되었던 뮤즈 공유 기능을 복구했습니다.

메타는 보안 연구원들이 Muse 공유 링크가 명명 규칙과 DNS의 공개로 인해 민감한 콘텐츠를 쉽게 발견할 수 있다는 점을 밝힌 뒤 해당 기능을 일시적으로 중단했으며, 현재는 조정을 거쳐 다시 활성화했습니다.

Flint-interactive: AI 에이전트를 위한 대화형 데이터 시각화 프로그래밍 언어

마이크로소프트 연구소는 고 표현력의 의미 기반 대화형 데이터 시각화를 구축하기 위한 전용 언어인 Flint-interactive를 발표했습니다. 이 언어는 컴파일러를 통해 사용자의 동작(예: 클릭, 필터링)을 자동으로 의미적 이벤트로 매핑하고, 고수준 연산자를 활용해 차트, 테이블, 텍스트 등 다양한 요소 간의 연동 업데이트를 구동함으로써, AI 에이전트가 신뢰할 수 있는 대화형 시각화를 생성하는 데 필요한 비용과 개발 복잡성을 크게 절감합니다.

OlmoEarth v1.3 출시: 전 세계 지표면을 대상으로 한 고성능 오픈소스 위성 임베디드 모델

앨런 인스티튜트 포 AI는 OlmoEarth v1.3을 발표했으며, 전 행성에 걸쳐 10미터 해상도의 64차원 및 128차원 사전 계산된 위성 임베딩 벡터를 제공하고, 여기에 대화형 탐색 도구인 Embeddings Explorer를 함께 제공합니다. 이 도구는 코드 없이 변경 사항 감지, 유사 지역 검색 및 경량 분류 모델링을 지원합니다.

수학계에서 31년간 미해결 문제였던 KLS 추측이 증명됨: 고차원 기하학과 랜덤 알고리즘 이론에 근본적 돌파가 이루어짐

마이크로소프트 연구소의 연구원 장신즈와 공동 연구자들은 2026년 10월 4일에 칸난–로바스–시모노비츠(KLS) 추측에 대한 엄밀한 증명을 완성함으로써, 1995년 제안된 이후 오랫동안 미해결 상태로 남아 있던 핵심 문제를 해결했다. 이 성과는 고차원 로그凹 분포에서 ‘평면 절단 병목’에 관한 차원 독립적인 상수 경계를 확립하여, 랜덤 샘플링, 볼록 최적화 및 이론 컴퓨터 과학 분야에 무조건적인 이론적 토대를 제공하였다.

구글 리서치, AI 에이전트의 실제 습식 실험실 내 정착을 촉진: 자율적 생물학적 발견을 위한 세 가지 핵심 기술 기반 구축

구글 리서치는 VERID 디지털 트윈 프레임워크, 폐쇄 루프 적응체 발견 시스템, 표적 에피토프 제거 단백질 설계 프로세스 등 세 가지 주요 기술 발전을 발표하며, AI 에이전트가 실제 습식 실험실에서 추적 가능하고 검증 가능하며 자체 반복 가능한 분자 발견 폐쇄 루프를 구현하도록 촉진했습니다.

어떻게 점프 트레이딩은 ChatGPT를 가진 사기꾼 연구

Jump Trading은 OpenAI를 사용하여 양적 연구를 확장합니다. 더 이상 실행되는 AI 워크플로우가 인간의 리뷰와 여러 데이터 소스를 결합하는 방법을 알아보십시오.

EU 텍스트 검증 규칙에 대한 우리의 접근

OpenAI는 EU 규정에 따라 텍스트 워터 마크에 접근하는 방법. 워터 마크가 적용하는 곳을 알아보기, 탐지 작품 및 왜 접근은 연구원과 함께 시작합니다.

Jun Kim, oMLX 제작자 및 유지 보수자, MLX 커뮤니티를 지원하는 Hugging Face에 가입

Jun Kim, oMLX 제작자 및 유지 보수자, MLX 커뮤니티를 지원하는 Hugging Face에 가입

노동자들이 새로운 업무 방식을 어떻게 개척하고 있는가

새로운 OpenAI 경제 연구는 노동자들이 전통적인 역할을 넘어 AI를 어떻게 활용하는지와 어떤 새로운 활동들이 그들의 업무에서 반복적으로 이루어지는지를 보여줍니다.

귀하의 에이전트는 작업을 수행. 그것은 다시?

귀하의 에이전트는 작업을 수행. 그것은 다시?

연구 가속: OpenAI 내부의 전망

OpenAI 내부, 코딩 에이전트는 AI 연구를 재구성합니다. 에이전트 사용, 실험 속도, 작업 복잡성 및 연구 가속에 초기 데이터를 탐구합니다.

TRL 및 OpenEnv로 Watercolours를 페인트하는 코딩 모델을 훈련

TRL 및 OpenEnv로 Watercolours를 페인트하는 코딩 모델을 훈련

@huggingface/kernels 소개: 현지 AI를 위한 200+ WebGPU Kernels

@huggingface/kernels 소개: 현지 AI를 위한 200+ WebGPU Kernels

와이어, 그것을 실행, 배포: AI Workflows in Gradio

와이어, 그것을 실행, 배포: AI Workflows in Gradio

기록, 기차, 물가 에이전트, LeRobot 및 Hugging Face Storage Buckets와 함께 한 곳에서 배포

기록, 기차, 물가 에이전트, LeRobot 및 Hugging Face Storage Buckets와 함께 한 곳에서 배포

Real World VoiceEQ 소개

Real World VoiceEQ 소개

클라우드에서 AI 워크로드를 실행, Hugging Face에 저장: SkyPilot을 가진 0-egress 저장

클라우드에서 AI 워크로드를 실행, Hugging Face에 저장: SkyPilot을 가진 0-egress 저장