Ginux: 새로운 커널이 리눅스 사용자 공간을 실행하며, 인간 지향 AI 엔지니어링을 통해 제작됨
기사 URL: https://zenodo.org/records/23682548 댓글 URL: https://news.ycombinator.com/item?id=50424147 포인트: 27 # 댓글: 36
AI NEWS JOURNAL
AI 뉴스 검색
제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.
n8n@2.47.3
n8n 2.47.3 업데이트는 워크플로 편집자만 마이그레이션 결과를 소유할 수 있도록 하는 버그를 수정하고, 오래된 작업을 일괄적으로 종료하여 예약된 작업 정리 기능을 개선하며, 알림 이메일에서 마이그레이션 보고서를 직접 열 수 있는 기능을 추가합니다.
엔비디아, MSIT-엔비디아 AI 스타트업 파트너십 포럼에서 한국 스타트업에 대한 새로운 계획 투자 발표
대한민국 과학기술정보통신부와 엔비디아는 코엑스에서 MSIT-엔비디아 AI 스타트업 파트너십 포럼을 개최했습니다. 과학기술정보통신부 류제명 차관은 엔비디아 경영진과 함께 기반 모델, 물리 AI, AI 인프라 및 AI 반도체 분야의 한국 스타트업 20여 곳을 만났습니다. 또한 엔비디아는 한국 스타트업 Point2에 투자한다고 발표했으며, […]
@GitHub in Slack 및 Teams는 일반 제공 중이며 더 많은 기능을 제공합니다
Slack과 Teams에서 @GitHub로 대화를 코드로 전환하세요! 버그를 조사하고, 이슈를 생성하며, 변경 사항을 구현하고, 풀 리퀘스트를 열 수 있습니다—모두 대화창을 떠나지 않고 가능합니다. 새로운 기능: 함께 빌드하고 검토하세요… 글 '@GitHub in Slack and Teams 일반 출시 및 추가 정보'는 GitHub 블로그에 처음 게시되었습니다.
NUMA-Torch: 멀티소켓 CPU에서 컴파일러 기반 NUMA 인식 LLM 프리필
arXiv:2611.07105v1 발표 유형: 신규 초록: 온칩 캐시에 매개변수를 저장할 수 없는 충분히 큰 변환기 기반 대규모 언어 모델(LLM)의 경우, 멀티 소켓 CPU에서의 프리필 처리량은 최대 부동소수점 처리량이 아닌 지속 가능한 DRAM 대역폭에 의해 종종 제한됩니다. 표준 PyTorch 컴파일(즉, TorchInductor) 경로에서는 메모리 뱅크와 연산 코어 간의 연관성을 고려하지 않고 모델 가중치를 할당합니다. 이로 인해 가중치 접근의 상당 부분이 소켓 간 상호 연결을 통과하게 되어 각 소켓에서 사용할 수 있는 유효 메모리 대역폭이 크게 저하됩니다. 우리는 TorchInductor를 NUMA-aware로 만드는 컴파일러 수준의 솔루션을 통해 이러한 병목 현상을 해결합니다. 각 NUMA 소켓을 독립적인 텐서 병렬 파티션으로 취급하여 NUMA-aware Tensor Parallelism(NUMA-TP)을 도입합니다. 이 방법은 소켓 간에 가중치를 투명하게 분할하고 연산 커널을 스케줄링하여 스레드 풀과 메모리 할당이 CPU 연관성을 활용해 해당 소켓 내에서 엄격히 로컬로 유지되도록 합니다. 우리는 GPT-2(117M, 345M, 762M) 및 BERT(Small, Large)와 같은 표준 다중 헤드 주의와 MLP를 테스트하며, Multi-Query Attention과 GeGLU 게이트된 MLP를 결합한 Gemma 3 270M에서도 이 접근법을 평가합니다. 데이터 지역성을 엄격히 준수함으로써 우리의 접근법은 소켓 간 트래픽을 성공적으로 완화하여 듀얼 소켓 Haswell 플랫폼에서 최대 2.63배, 듀얼 소켓 Cascade Lake 플랫폼에서 최대 1.87배, 그리고 사중 소켓 Haswell-EX 플랫폼에서 최대 2.27배의 프리필 속도 향상을 달성했습니다.
Show HN: LLMBrake – OpenAI/Anthropic API 호출에 대한 고객별 달러 한도
기사 URL: https://github.com/llmbrake/llmbrake 댓글 URL: https://news.ycombinator.com/item?id=50386174 포인트: 2 # 댓글: 0
Show HN: 100명의 죄수, 독일 전차 및 기타 61가지 퍼즐, 시뮬레이션 포함
기사 URL: https://mathparadoxes.com/en/ 댓글 URL: https://news.ycombinator.com/item?id=50391670 포인트: 2 # 댓글: 0
언어 모델의 응답 다양성에 대한 조건부 상호 정보 분석
arXiv:2611.03836v1 발표 유형: 신규 초록: 대형 언어 모델은 추론(생성) 시 다양한 응답을 제공하며, 이는 전통적으로 온도 파라미터에 의존합니다. 조건부 상호정보 접근법을 사용하여 응답 다양성에 대한 양적이고 엔트로피 기반의 분석을 제시합니다. 무에서 최대 상호정보에 이르는 세 가지 한계 행동을 정의합니다: 중재자, (조건부) 독립, 그리고 중립(결정론적). 각 행동에 대한 예시를 제시하고, 이를 온도 분석, 언어 분석, 프롬프트 압축 및 지식 그래프에 적용할 수 있도록 제안합니다.
알리클라우드, AI 투자 리서치 워크스테이션 Qovest 출시: 월 99위안으로 개인 초대 테스트 오픈 알리클라우드가 최근 전문 기관 투자자를 대상으로 한 AI 투자 리서치 워크스테이션 Qovest를 발표했습니다. 사용자가 한 문장으로 리서치 요구를 제시하면 시스템이 자동으로 데이터를 조회하고 심층 분석한 뒤 보고서를 생성하며, 정기적으로 지속적으로 추적합니다. 리서치 공간에 결과를 저장해 연구를 연속적으로 추진할 수 있어 처음부터 다시 시작할 필요가 없습니다. 공식 웹사이트 www.qovest.cn에서 개인 초대 테스트를 이미 개방했으며, 구독료는 월 99위안과 199위안 두 가지 옵션이 있습니다. 조만간 기업용 버전도 출시될 예정입니다. 방금 전 6.6K
알리클라우드가 전문 기관 투자자를 위한 AI 투자 리서치 워크스테이션 Qovest를 출시했습니다. 사용자가 자연어로 리서치 요구 사항을 제시하면 데이터 조회와 분석을 자동으로 수행하고 보고서를 생성하며, 주기적으로 연구 대상을 지속 추적할 수 있습니다. 이 플랫폼은 현재 공식 웹사이트 www.qovest.cn에서 개인 사용자 초대 베타 테스트를 진행 중이며, 구독료는 월 99위안 또는 199위안입니다. 향후 기업용 버전도 출시될 예정입니다. Qovest는 권위 있는 금융 데이터베이스와 자체 개발 에이전트 프레임워크 Harness를 통합해 데이터 호출부터 분석 결과 출력까지 전 과정을 자동화했으며, FinFirst 및 IRAB 평가에서 선두를 달성했습니다. 플랫폼은 휴머노이드 로봇 산업 체인, 데이터센터 전력 설비, 금 ETF 등 다양한 투자 리서치 사례 템플릿을 제공하고, 대화형 분석과 동적 추적 대시보드를 지원합니다. 제품 책임자는 반복적인 투자 리서치 업무를 AI에 맡겨 인력을 전문적 판단에 집중시키는 것이 목표라며, 이는 AI의 투자 리서치 분야 경쟁이 모델 성능에서 산업 데이터와 프로세스 역량으로 전환되고 있음을 의미한다고 밝혔습니다.
인텔 주가 폭락, 정부 지분 가치 120억 달러 하락
AI 산업이 메모리 및 기타 부품을 대량으로 소비하면서 PC 가격이 상승하고 있는 가운데, 인텔은 PC 판매 부진으로 타격을 받고 있다.
AI 에이전트를 배치하려는 경쟁은 데이터 접근이라는 익숙한 장애물을 맞닥뜨리고 있다
AI 에이전트를 생산 환경에 도입하려는 기업들은 모델 선택보다 역할 기반 접근 제어가 그 에이전트를 신뢰할 수 있는지 여부를 결정한다는 사실을 점차 깨닫고 있다. 증가하는 추론 비용, 개인정보 보호 우려, 그리고 주권 요구 등도 더 많은 AI 워크로드를 기업 내 데이터 센터로 다시 이전하도록 만들고 있다. 이러한 변화는 수년간 민감한 데이터를 관리해 온 기업들에게 유리하게 작용한다. 해당 게시물 ‘AI 에이전트를 배치하려는 경쟁, 데이터 접근에서 익숙한 장애물 마주’는 SiliconANGLE에 처음 게재되었다.
음식 유사성은 무엇을 구성하는가? 인도 요리에서의 시각적 표현과 검색
arXiv:2610.37867v1 발표 유형: 신규 초록: 음식 유사성은 검색, 추천, 대체 등 다양한 음식 컴퓨팅 작업의 기반이 되지만, 일반적으로 음식 표현은 동일성 유지 여부를 기준으로 평가된다. 우리는 동일성 외에 음식 유사성이 어떻게 변화하는지에 대해 질문한다: 서로 다른 시각적 표현들이 음식들을 관계적 이웃으로 어떻게 정렬하며, 이러한 이웃이 어떤 요리적 관계를 드러내거나 숨기는지, 그리고 이러한 구조가 여러 표현들 간에 얼마나 일관되게 나타나는지를 살펴본다. 인도 요리는 시각적으로 유사한 음식들이 서로 다른 요리적 정체성을 가질 수 있는 동시에, 하나의 요리 계통 내에서도 외형이 크게 다를 수 있는 도전적인 환경을 제공한다. 확장된 Khana 데이터셋과 컨볼루션, 트랜스포머를 아우르는 일곱 가지 사전 훈련된 시각적 표현을 활용하여
FilingLoop: 기업 공시 검토 및 수정을 위한 LLM 에이전트 평가 및 진화
arXiv:2610.37905v1 발표 유형: 신규 초록: SEC EDGAR와 같은 공시 저장소는 기업 공시에 대한 웹 접근을 통해 정보에 기반한 투자를 지원합니다. 이러한 문서의 검토를 언어 모델 기반 에이전트로 지원하려면, 관련 문서들 간의 미표명된 결함을 발견하고, 누락된 회사 정보를 확보하며, 요청된 수정 사항이 증거에 근거한 요구사항을 충족하는지 검증해야 합니다. 기존의 재무 관련 질문-답변 평가는 이러한 상호작용 능력에 대해 제한적인 근거만 제공합니다. 우리는 기업 공시 검토 및 수정을 위한 대화형 벤치마크이자 자체 진화형 에이전트 프레임워크인 \textbf{FilingLoop}을 소개합니다. FilingLoop은 미국 증권거래위원회의 역사적 서신을 바탕으로, 96개 기업의 주로 IPO 검토 과제 380개를 재구성합니다.
스포크, 링이 아니다: 언어 모델의 주중 다양체 재검토
arXiv:2610.37796v1 발표 유형: 신규 초록: 최근 연구에서는 대규모 언어 모델이 특정 개념을 단일 방향이 아닌 다차원적 다양체로 표현할 수 있다고 가정해 왔습니다. 이러한 다양체를 활용하여 표현을 해석하거나 조정하는 과정에서는, 일반적으로 다양체를 따라 이동하는 것이 표현된 개념에 대한 연속적인 변화와 일치한다고 여겨집니다. 본 연구에서는 이러한 연속적 다양체 가정을 전형적인 주중 다양체에 대해 검증합니다. 주목할 만한 원형 기하학에도 불구하고, 우리는 주중 표현들이 연속적인 링이라기보다는 원형으로 배열된 일곱 개의 분리된 상태와 더 유사하다는 점을 발견했습니다. 첫째, 국소적 민감도가 요일에 맞춰 일곱 개의 최소점을 가지며, 이는 다양체 내 조정 하에서 표현과 행동 간의 계단식 매핑을 생성함을 보여줍니다. 둘째, w
단시간 푸리에 변환의 병렬 구현 비교 연구
arXiv:2610.38069v1 발표 유형: 신규 초록: 단시간 푸리에 변환(STFT)은 긴 신호의 짧은 지속 시간 창에 대해 푸리에 변환을 계산하며, 이를 통해 주파수가 시간에 따라 어떻게 변화하는지를 특성화한다. 푸리에 변환 알고리즘, 특히 고속 푸리에 변환(FFT) 알고리즘은 병렬 컴퓨팅을 활용하기 위해 잘 발전되어 왔지만, 병렬 단시간 푸리에 변환 알고리즘의 성능을 이해하는 데 관한 연구는 아직 제한적이다. 본 연구에서는 FFT 기반 알고리즘과 준병렬 피드포워드 알고리즘 두 가지를 구현하고, 서로 비교 분석하였다. 그 결과, 낮은 동시성 환경에서는 준병렬 알고리즘이 실행 시간 면에서 우수하지만, …
아트팩트 증류: 프런티어 모델에서 소형 언어 모델로의 학습 없이 이전하기
arXiv:2610.37680v1 발표 유형: 신규 요약: 프런티어 모델과 소형 언어 모델 간의 격차를 해소하는 일반적인 접근법은 증류입니다. 즉, 소형 모델(학생)을 프런티어 모델(교사)의 출력에 대해 미세 조정함으로써 이전 작업을 학습 계산에 의존하게 만들고, 전달된 지식을 상당히 불투명하게 만듭니다. 우리는 아트팩트 증류를 제안합니다. 교사가 학습 사례를 해결하고 그 문제 해결 절차를 외부화하여 아트팩트 은행으로 저장하며, 학생은 추론 시 해당 은행을 조회합니다. 이 과정에서는 파라미터 업데이트가 전혀 발생하지 않습니다. 네 가지 LiveBench 과제에서, Claude Opus 4.5가 작성한 은행을 사용하면 Claude Haiku 4.5는 공간 추론에서 무보조 Claude Sonnet 4.5보다 60%의 비용으로 더 높은 점수(0.707 대 0.647)를 기록하며, 테이블 조인에서도 Sonnet 4.5 수준에 도달하는데 그 비용은 89%에 불과합니다. 동일한 원시 은행은
오픈 언어 모델의 모든 학습 단계에서 아첨 행동 탐지
arXiv:2610.37788v1 발표 유형: 신규 초록: 언어 모델 기반 비서는 사용자가 잘못된 답변을 제시하면 때때로 올바른 답변을 수정하기도 한다. 이러한 행동은 ‘아첨’으로 불리며, 일반적으로 선호 기반 사후 학습에 기인한다고 여겨지지만, 초기 측정에서는 사전 훈련된 모델에서도 발견되었다. 우리는 이 현상이 어디에서 발생하는지 파악하기 위해 학습의 모든 가능한 단계에서 이를 측정하였다: 기본 모델부터 감독 학습, 선호도 최적화를 거쳐 출시에 이르기까지, 5개 계열의 오픈 체크포인트 13개를 대상으로 분석했다. 또한, 주입된 주장이 모델의 답변을 얼마나 변화시키는지와 답변이 얼마나 견고하게 유지되었는지를 구분하고, 주장의 주체와 그 신뢰도, 그리고 주장의 강도를 다양하게 설정하여 실험을 진행했다. 그 결과, 서로 다른 기원을 가진 두 가지 아첨 행동이 나타났으며, 이 두 행동 모두 다양한 데이터셋에서 재현되었다. 주장에 대한 복종은 i
시퀀싱 프로토콜 이해를 위한 AI 에이전트 평가 및 개선
arXiv:2610.37851v1 발표 유형: 신규 초록: 기존의 과학적 에이전트 벤치마크는 에이전트가 시퀀싱 프로토콜에서 명시된 정확한 분자 구조와 생성 워크플로를 재구성할 수 있는지에 대해 거의 평가하지 않으며, 이는 맞춤형 시퀀싱 분석을 수행하는 데 매우 중요한 역량입니다. 우리는 시퀀싱 라이브러리 구조와 분자 워크플로를 재구성하기 위한 문서 기반 벤치마크인 LibStructBench를 제안합니다. 우리의 실험 결과에 따르면, 최첨단 에이전트들은 대체로 대략적인 재구성을 수행하긴 하지만, 특히 분자 상태 표현과 워크플로 연결성 측면에서 정확한 재구성에는 여전히 신뢰성이 부족한 것으로 나타났습니다. 또한, 기본 언어 모델을 변경하는 것이 에이전트 하네스를 교체하는 것보다 평균 성능 차이를 더 크게 발생시켰으며, 이는 통계적으로 유의미한 차이였습니다.
추론을 위한 대규모 언어 모델의 지도학습微調: 종합적 조사
arXiv:2610.37681v1 발표 유형: 신규 요약: 최근 대규모 추론 모델들은 복잡한 과제를 해결하는 데 있어 뛰어난 성능을 보여왔으며, 이는 긴 사고 체인 데이터에 대한 지도학습微調(SFT)이 그들의 추론 능력을 발현하고 향상시키는 데 핵심적인 기반이 되었기 때문입니다. 추론 중심의 SFT를 개선하고 분석하는 데 있어 빠른 진전에도 불구하고, 이 분야에는 아직도 급속히 증가하는 관련 문헌을 통합적으로 정리한 체계적인 조사가 부족한 실정입니다. 이러한 공백을 메우기 위해 우리는 추론을 위한 SFT의 최근 발전상을 포괄적으로 검토하며, 방법론적 설계와 분석적 탐구라는 두 가지 관점에서 문헌을 살펴봅니다. 먼저, SFT 전반에 걸친 방법론적 개선 사항들을 검토하고 이를 데이터 중심 접근과 알고리즘 중심 접근으로 구분합니다.
TRACEs: 분산 과학 워크플로우를 위한 세밀한 임베디드 퍼베넌스
arXiv:2610.39981v1 발표 유형: 신규 초록: 대규모 과학 워크플로우는 분산된 HPC 자원에서 실행되므로, 과학 데이터 산출물이 어떻게 생성되는지와 왜 동일한 워크플로우 실행에서도 매우 다른 결과가 나올 수 있는지를 설명하기가 어렵습니다. 기존 시스템은 주로 분산 워크플로우 실행 또는 퍼베넌스 관리에만 집중하며, 세밀한 수준의 퍼베넌스를 분산 과학 데이터 아티팩트의 본질적 속성으로 다루는 경우는 드뭅니다. 우리는 TRACEs(고급 컨테이너화 실행을 위한 추적 가능한 런타임)를 제안합니다. 이는 분산된 컨테이너화된 과학 워크플로우를 위한 퍼베넌스 아키텍처로서, 생성된 모든 데이터 아티팩트에 데이터 계보와 실행 컨텍스트를 직접 내장합니다. 퍼베넌스를 워크플로우 오케스트레이션과 분리함으로써, TRACEs는 아티팩트 중심의 퍼베넌스를 일반화합니다.