AI 뉴스 검색

LangChain이 ‘기업급 에이전트 프레임워크’의 다섯 가지 핵심 구성 요소를 발표했습니다.

LangChain은 2026년 10월 25일 블로그를 통해, 마케팅, 영업 및 엔지니어링 팀 내부에 AI 에이전트(GTM Agent, OpenSWE, Content Studio)를 도입하며 축적한 다섯 가지 일반적인 아키텍처 원칙을 체계적으로 설명했습니다. 이 원칙에는 네이티브 통합 작업 환경(Slack), 동적 신원 모델(OBO+ 고정 인증 정보), 이중 계층 메모리 메커니즘(전역/사용자 수준), 샌드박스화된 코드 실행, 그리고 높은 비율의 스케줄 기반 실행(수동 트리거 아님)이 포함됩니다. 모든 에이전트는 Managed Deep Agents 플랫폼을 기반으로 구축되었습니다.

추천 이유：이 정보는 LangChain 공식 블로그에서 발행되었으며, 게시일시(2026-10-25T18:06:32.000Z)가 현재 시스템 시간(2026-10-25T23:01:18.857Z)보다 앞서 있습니다. 내용은 이미 도입된 사내 인텔리전트 에이전트의 실제 사례에 중점을 두고 있으며, Slack 스레드 격리, GitHub 계정 소속 논리, Notion/Twitter 권한 계층화 등 구체적인 세부사항을 포함하고 있습니다. 검증되지 않은 예측이나 외부의 주장은 포함되어 있지 않으므로, 시의성과 사실성 요건을 충족합니다.

llama.cpp가 b11871 버전을 출시했습니다: 서비스 크래시를 방지하기 위해 JSON 중첩 깊이 제한을 추가했습니다.

llama.cpp의 b11871 버전에서는 핵심 보안 수정 사항을 도입하여, 요청에 포함된 JSON 중첩 레벨에 대해 128레벨의 강제 제한을 적용함으로써, 깊은 재귀 파싱으로 인한 HTTP 스레드 스택 오버플로와 서비스 크래시를 방지합니다(맥OS에서는 SIGBUS, 리눅스에서는 SIGSEGV가 발생). 이 정책은 챗 인터페이스의 다양한 입력 시나리오를 포괄하며, 모든 경우에 HTTP 400 오류를 일관되게 반환합니다.

언더독 살루키 27B: GSQ-RCO 기반 2비트 Qwen3.8-27B 도구 호출 모델 기술 분석

이 글에서는 Underdog가 발표한 Saluki 27B 모델을 소개합니다. 이 모델은 7.9 GB 크기의 2비트 양자화 Qwen3.8-27B 변형으로, ISTA-DASLab의 GSQ-RCO 방법을 기반으로 구축되었으며, 120개의 작업에 대한 BFCL v4 도구 호출 벤치마크에서 원래의 54 GB 풀 정밀도 모델을 능가한다고 주장됩니다. 다만 모든 성능 관련 결론은 해당 개발자의 발표에 근거한 것으로, 독립적인 검증은 이루어지지 않았습니다.

llama.cpp가 b11870 버전을 출시하여 DeepSeek-V4.1-Flash 모델을 정식으로 지원합니다.

llama.cpp는 버전 b11870에서 DeepSeek-V4.1-Flash(deepseek41) 모델을 지원하며, Engram 아키텍처를 기반으로 KV 캐시 계산 간소화, BF16 정밀도를 MXFP8로 대체, 인그래프 내 행 수집 등 여러 하위 수준 최적화를 수행했습니다. 또한 macOS, Linux, Windows, Android, iOS 및 openEuler를 포괄하는 다중 플랫폼 바이너리 빌드를 동시에 제공합니다.

llama.cpp가 b11869 버전을 출시했습니다: Jinja 템플릿 함수의 매개변수 처리를 수정하고, 다중 플랫폼 바이너리 지원을 추가했습니다.

llama.cpp 프로젝트는 빌드 버전 b11869를 출시했으며, 주요 수정 사항으로 Jinja 템플릿의 select 및 selectattr 함수에서 인수 해석 로직을 개선했고, macOS, Linux, Windows, Android, iOS 및 openEuler 등 수십 가지 하드웨어와 백엔드 조합에 대한 미리 컴파일된 바이너리 패키지를 제공합니다.

llama.cpp가 b11867 버전을 출시했습니다: 서버 측 엔트리포인트가 재구성되었으며, 다중 플랫폼과 이기종 가속 백엔드를 전면 지원합니다.

llama.cpp가 GitHub에서 b11867 버전을 공식 출시했으며, 핵심 변경 사항으로는 서버 측 엔트리포인트의 재구성(PR #31113)과 server_role 메커니즘의 추가가 포함됩니다. 또한 macOS, Linux, Windows, Android, iOS 및 openEuler를 지원하는 40여 개의 사전 컴파일된 바이너리 패키지를 제공하며, CPU, CUDA(12.4/12.8/13.4), Vulkan, ROCm 10.0, OpenVINO, SYCL(FP16/FP32), Snapdragon(Adreno+Hexagon) 등 다양한 하드웨어 백엔드를 지원합니다.

llama.cpp가 b11865 버전을 출시했습니다: RDMA 수신 경계 검사 기능이 추가되었으며, CUDA 13.4, ROCm 10.0, Snapdragon NPU 등 다중 플랫폼 백엔드를 지원합니다.

llama.cpp 프로젝트는 빌드 버전 b11865를 출시했으며, 핵심 변경 사항으로는 RDMA 수신 로직에 메모리 경계 검사를 추가하고(PR #30399), CUDA 13.4, ROCm 10.0, Vulkan, OpenVINO, SYCL 및 퀄컴 스냅드래곤(CPU+Adreno+Hexagon)의 풀스택 이기종 컴퓨팅 백엔드를 포함해 하드웨어 가속 지원을 대폭 확장한 점이 있습니다. 또한 macOS용 KleidiAI 지원과 openEuler 빌드는 명시적으로 DISABLED로 표시되었습니다.

llama.cpp가 b11861 버전을 출시했습니다: minimax-m3 모델의 양자화 스케일링 텐서가 전달되지 않아 발생하는 추론 오류를 수정했습니다.

llama.cpp v.b11861은 minimax-m3 모델에서 NVFP4/MXFP8 양자화 시 스케일 텐서가 계산 그래프에 주입되지 않아 발생하던 가중치 왜곡 문제를 해결하여 ‘토큰 수프’ 현상과 잔차 소멸을 방지합니다. 또한 macOS, Linux, Windows, Android, iOS 및 openEuler를 지원하는 다중 플랫폼 바이너리 빌드를 함께 제공합니다.

Letta 플랫폼에서 상태 기반 엔지니어링 협업자 구축 튜토리얼을 공개했습니다: 핵심 메모리, 공유 상태 및 이식 가능한 워크플로우를 지원합니다.

MarkTechPost는 2026년 10월 24일, Letta 프레임워크를 기반으로 지속적 상태를 갖춘 엔지니어링 협업자(agentic copilot)를 구축하는 방법을 소개하는 튜토리얼을 발표했습니다. 이 튜토리얼은 검증 가능한 핵심 메모리, 다중 에이전트 간 공유 메모리, 의미 기반 검색을 통한 지식 아카이브, 맞춤형 Python 도구 통합, 스트리밍 응답 및 .agent 형식(.af) 내보내기 등의 기능을 포괄합니다. 해당 내용은 기술 실무 가이드로, 성능 지표, 보안 감사 또는 생산 환경에서의 검증은 제공되지 않습니다.

ULME 프레임워크는 텍스트 임베딩과 언어 모델링을 진정으로 통합한다: arXiv의 새로운 논문이 예측 결합 메커니즘을 제안했다

2026년 10월 24일, arXiv는 논문 arXiv:2610.30705v1을 발표하여, 인과적 디코더형 대규모 언어 모델을 위한 후처리 훈련 프레임워크인 ULME를 제안했습니다. 이 프레임워크는 예측 결합(predictive coupling) 메커니즘을 통해 텍스트 임베딩과 언어 생성 능력 간의 상호 강화적 통합을 최초로 구현했습니다. 해당 방법은 Qwen2.5/Qwen3 시리즈(0.5B–8B 파라미터)에서 검증되었으며, MTEB 지표에서 3.3–4.1점의 성능 향상을 달성하는 동시에, MMLU 등 생성 과제에서의 성능 저하를 방지했습니다.

추천 이유：이 논문은 현재 다중모달 LLM의 능력이 분절되어 있는 핵심 문제를 정면으로 지적한다: 임베딩과 생성은 오랫동안 독립된 모델 또는 파라미터만 공유하는 ‘가짜 통합’ 모델에 의해 담당되어 왔다. ULME는 학습 가능한 슬롯과 세 가지 목표를 결합한 공동 학습(스톱그레이디언트 예측 손실 포함)을 통해 생성 과정이 임베딩 표현을 주도적으로 형성하도록 하였으며, 이는 아키텍처 차원에서의 실질적인 획기적 발전이다. 실험 범위가 광범위하고 기준선이 강력하며 지표가 포괄적이며, 권위 있는 사전출판 플랫폼에 발표되어 시의성과 기술적 엄밀성이 모두 갖추어져 있다.

연구는 대형 언어 모델에서 의미의 국부적 기하학적 구조를 밝혀냈다.

2026년 10월 24일 arXiv에 게재된 논문(번호 2610.30715v1)은 다국어 프로브와 세분화 프로브를 통해 Gemma 4, Llama 3.2, Qwen 2.5 및 Pythia 등 네 가지 디코더 전용 대형 언어 모델에서 임베딩 공간 내의 의미적 의미의 국소 기하학적 특성을 규명하였다.

추천 이유：이 연구는 LLM 내에서 ‘동일한 의미 요인’의 내부에 존재하는 불변성, 가변성 및 세분화 메커니즘을 최초로 체계적으로 규명하고, ‘국부적 이방성 이웃’ 모델을 제안하였다. 또한 인간의 맹검 평가를 통해 검증된 결과로서, 본 방법은 엄밀하며 모델의 적용 범위가 다양하고, 그 결론은 아키텍처 간 일관성을 보장한다.

연구는 서로 다른 긴 컨텍스트 모델 간의 증거 위치에 대한 민감성에서 나타나는 체계적인 차이를 밝혀냈다.

2026년 10월 24일 arXiv에 게재된 한 실증 연구(논문 번호 2610.31135v1)는 긴 컨텍스트 질문응답 과제에서 Transformer, 상태공간 모델(state-space) 및 혼합 Mamba 아키텍처 간의 위치 편향 현상을 비교한 결과, Transformer 모델은 대체로 시작 위치의 증거를 활용하는 데 유리한 특성을 보이는 반면, 상태공간 모델은 이러한 특성을 결여하고 있으며, 두 모델 모두 끝 위치의 증거를 선호한다는 점을 밝혀냈다.

추천 이유：이 연구는 통제된 실험 설계를 기반으로 하며(9개의 교란 문서를 고정하고, 단일 황금 문서를 이동시키는 방식), 최초로 통합 평가 프레임워크 하에서 세 가지 주요 시퀀스 모델링 아키텍처의 위치 민감성을 수평적으로 비교함으로써, 모델 성능과 아키텍처 유형, 프롬프트 엔지니어링, 작업 특성 간의 강한 상호 연관성을 규명하였다. 이는 긴 컨텍스트 AI 시스템의 설계와 디버깅에 있어 직접적인 참고 가치를 제공한다.

자연어 자동 인코더는 대규모 모델의 활성화 차이를 효과적으로 언어화하여, 모델 간 차이 분석과 해석 가능성 연구를 지원합니다.

2026년 10월 24일 arXiv에 게재된 한 논문(arXiv:2610.30934v1)은 자연어 자동 인코더(NLAs)의 활성 공간 차원 표현에 대한 일반화 능력을 체계적으로 평가했으며, 실험을 통해 이들이 조합성, 미세조정 모델 적응, 미세조정 목표 복원 및 모델 차원 전문화의 네 가지 측면에서 안정적인 성능을 보임을 입증했다.

추천 이유：이 연구는 네 가지 재현 가능한 실험 설계를 기반으로 하며, 세 개의 가족에 속한 네 개의 대형 언어 모델을 포괄하여, 베럴리제이션이라는 새로운 해석 가능성 연구 분야에서 지금까지 가장 체계적인 일반화 증거를 제시한다. 모든 결론은 논문에서 보고된 실험 설정과 관찰 결과에 엄격히 한정되며, 테스트되지 않은 모델 규모나 과제로는 외삽되지 않는다.

라이트하우스: 미국 민권운동사를 위한 최초의 신뢰할 수 있는 디지털 비서 출시

논문 arXiv:2610.30158v1은 2026년 10월 24일에 발표되었으며, 사우스캐롤라이나주 아카이브 데이터를 기반으로 미국 민권운동 시기의 역사를 탐구하는 데 특화된 최초의 디지털 어시스턴트인 Lighthouse를 소개합니다. 이 프로젝트의 핵심 혁신은 신뢰할 수 있는 콘텐츠와 사용자 피해 완화를 설계 원칙으로 삼고, 대규모 언어 모델과 규칙 기반의 기호적 해결 방식을 결합한 신경-기호 하이브리드 아키텍처를 채택한 점입니다.

추천 이유：이 연구는 AI를 활용한 역사 탐구를 민권운동이라는 민감하고도 핵심적인 역사적 시기로 처음으로 집중시켰으며, 일반형 챗봇과 구별되는 ‘신뢰성’과 ‘피해 모델링’의 이중 제약을 명확히 제시했다. 또한 그 방법론(신경-기호 통합), 평가 방식(전문가 합의를 바탕으로 구성된 주관식 문항의 골드 스탠다드 포함) 및 데이터 규모(원본 기록 1만 8천여 건 이상) 모두 학술적 모범 사례로서의 가치를 지닌다.

Kyutai는 CADRE 비디오 자동부호화기 계열을 출시했습니다: 대화형 세계 모델을 지향하며, 엔드투엔드 동작 지연 시간을 230밀리초 이하로 낮췄습니다.

Kyutai는 2026년 10월 23일, 세계 모델의 동작 지연을 줄이도록 설계된 7개의 오픈소스 인과 확산형 비디오 자동부호화기로 구성된 모델 패밀리인 CADRE를 공개했다. 단일 H100 GPU에서 측정한 반응 지연은 최저 185ms에 달하며, 추론 속도는 23.4fps에 이르고, 시나리오 FVD 지표는 162.6으로 낮아졌다(와니 2.2의 경우 599.7). 다만 로봇 작업 과제에서는 동작 추종률(ARR)이 와니 2.2 및 코스모스에 비해 다소 떨어진다.

Block이 새로운 음성 AI 모델 Dessa를 발표했습니다: 전 과정이 실제 대화를 기반으로 학습되었으며, 대화 스타일은 다소 어색한 편입니다.

잭 도시의 자회사 블록은 ‘데사’라는 이름의 엔드투엔드 음성 AI 모델을 출시했다고 발표했으며, 이 모델은 완전히 처음부터 시작해 인간의 음성 대화 데이터만으로 학습되었다고 밝혔다. 공식적으로 공개된 대화 샘플에서는 자연스러움과 어색함이 동시에 나타나며, 예를 들어 사용자를 ‘호날두’라고 잘못 부르는 등, 인간과 유사하지만 아직 완전히 성숙하지 않은 대화 능력을 보여준다.

테크크런치 설립자 서밋 2026은 11월 4일 보스턴에서 개최되며, 고객 확보, 팀 구축 및 합리적 확장에 중점을 둡니다.

TechCrunch와 Fidelity Private Shares가 공동 주최하는 Founder Summit 2026은 2026년 11월 4일 보스턴 SoWa 파워 스테이션에서 개최되며, 제품-시장 적합성 검증, 창업자의 리더십, 지역화를 통한 규모 확장 전략 및 AI 네이티브 아키텍처 등 실무 중심의 주제에 초점을 맞춥니다. Toast, Bessemer, Glasswing 등 기관의 대표들이 현장 경험을 공유할 예정입니다.

Amazon QuickSight 레이어 지도에 GeoJSON 점 및 선 요소 지원이 추가되어, 위치와 경로를 함께 시각화할 수 있습니다.

Amazon QuickSight 레이어 맵은 이제 GeoJSON 형식의 Point(점) 및 LineString(선) 기하학적 유형을 지원하며, 사용자가 동일한 지도에 매장 위치, 배송 경로 또는 항공편 궤적 등을 각각 겹쳐 표시할 수 있도록 합니다. 이 기능은 타사 서비스를 필요로 하지 않지만, GeoJSON 파일 구조가 규정을 준수하고 키-값 매칭이 이루어져야 하며 정적 업데이트가 가능해야 합니다.

바이엘 크롭사이언스는 Amazon Bedrock AgentCore를 기반으로 다중 에이전트 의사결정 엔진 ADE를 구축했습니다.

바이엘 크롭사이언스는 기존의 Connected Decision Engine(CDE)을 대체하는 것이 아니라 이를 보강하는 층으로서, 육종 전문가, 분석가 및 연구자를 위한 자연어 기반 다중 에이전트 플랫폼인 Agentic Decision Engine(ADE)을 Amazon Bedrock AgentCore 위에 구축했습니다. 이 시스템은 현재 프로덕션 환경에 배포되어 100명 이상의 R&D 사용자에게 서비스를 제공하고 있으며, 22개의 도메인 특화형 에이전트와 약 20개의 API 도구를 통해 문제의 약 80%를 자가 해결할 수 있도록 하고 있습니다.

Canva는 자체 개발한 AI 이미지 생성 모델인 Canva Craft를 발표했으며, 이 모델은 두 단계 설계 및 계획 아키텍처를 채택하고 있습니다.

Canva는 자체 개발한 최초의 AI 이미지 생성 모델인 Canva Craft를 출시했으며, 사전 계획과 생성을 거치는 두 단계 아키텍처를 통해 디자인의 정밀도, 일관성 및 제어성을 향상시켰습니다. 또한 2K 해상도와 30여 가지의 화면 비율을 지원하며, 소셜 미디어, 마케팅 콘텐츠 및 디지털 아트 등 다양한 활용场景에 적합합니다.