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, […]
Show HN: LLM-cost-watch – Claude에게 왜 귀하의 LLM 청구서가 급증했는지 물어보세요
기사 URL: https://github.com/rohith0707/llm-cost-watch 댓글 URL: https://news.ycombinator.com/item?id=50415785 포인트: 1 # 댓글: 0
Show HN: Velorki - 휴대폰만으로 작동하는 오픈소스 자전거 내비게이션
기사 URL: https://velorki.com 댓글 URL: https://news.ycombinator.com/item?id=50419025 포인트: 3 # 댓글: 0
v0.13.2
Open WebUI v0.13.2는 일반 HTTP를 통해 채팅을 로드하고 댓글이나 Markdown 파일을 편집하는 데 발생하던 문제를 해결하고, 'crypto.randomUUID is not a function' 오류를 수정하며, 사이드 채팅 권한 스위치가 임시 채팅 설정과 독립적으로 표시되도록 합니다.
@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.
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
사용량 메트릭스 API는 텔레메트리 및 버전 격차를 표시합니다
Copilot 사용량 메트릭스 API는 이제 클라이언트 텔레메트리가 누락되었거나 IDE 또는 확장 프로그램 버전이 사용량 메트릭스 최소 기준 미만인 사용자를 표시합니다. 새로운 사용자별 필드가 …에 나타납니다. 원문: Usage metrics API flags telemetry and version gaps는 The GitHub Blog에 처음 게시되었습니다.
Show HN: 시나몬 – 가정용, 개인 및 공유 컨텍스트를 위한 보다 안전한 AI 에이전트
기사 URL: https://getcinnamon.ai/ 댓글 URL: https://news.ycombinator.com/item?id=50373233 포인트: 2 # 댓글: 1
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 분야의 최고 기업들이 데이터 수집을 거부하는 새로운 방식을 지지하고 있습니다
OpenAI, Google, Microsoft, 그리고 Anthropic은 출판사들이 AI에 의해 데이터를 수집되는 것을 거부할 수 있는 새로운 표준을 채택할 것이라고 밝혔습니다. 이는 앞서 Search Engine Roundtable에서 보도된 바와 같습니다. 이러한 제어 기능을 통해 출판사들은 개별적으로 설정해야 했던 AI 학습 선호 사항을 여러 AI 기업에 걸쳐 일괄적으로 적용할 수 있게 됩니다. 공유된 “정책 토큰” 신호는 […]
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.
Ask HN: 당신도 이 AI 시대에 지치고 계신가요?
AI 덕분에 우리는 훨씬 더 많은 일을 할 수 있게 되었지만, 저는 예전보다 훨씬 더 피곤함을 느낍니다. 동시에 진행되는 수많은 일들을 관리하고, 생성된 방대한 양의 텍스트를 읽어야 하기 때문입니다.
공정한 딥페이크 탐지를 위한 교차적 불변 학습
arXiv:2610.37881v1 발표 유형: 신규 초록: 딥페이크 탐지 모델은 전반적인 정확도는 높지만, 인구통계학적 집단 간 성능 격차가 크기 때문에 일부 집단에서는 다른 집단에 비해 훨씬 높은 거짓양성률을 경험하게 됩니다. 기존의 공정성 지향 방법들은 모델 출력을 제한하여 집단별 예측을 균등화하는 방식으로 이 문제를 해결하려 하지만, 근본적인 특징 수준의 편향에는 대응하지 못합니다. 그 결과, 모델들이 여전히 피부 질감과 같은 인구통계학적 특성을 조작된 콘텐츠를 탐지하는 간접적 단서로 활용할 수 있는 상황이 발생합니다. 이러한 문제를 해결하기 위해 우리는 모델 출력만을 조정하는 것이 아니라 특징 학습 자체를 개선하는 프레임워크인 교차적 불변 학습(IIL)을 제안합니다. IIL은 가장 어려운 인구통계학적 하위 집단을 식별하는 과정을 반복적으로 수행하며
모델 교정을 위한 변환된 국소화된 사후 추론: 해양 난류 폐쇄 모델에의 응용
arXiv:2610.37731v1 발표 유형: 신규 초록: 모델의 불일치로 인해 단일 교정 파라미터만으로는 전체 맥락 영역에서 물리적 반응을 재현할 수 없을 수 있습니다. 또한 관측값과 맥락의 불확실성은 교정에 영향을 미치며, 이를 반드시 고려하고 정량화해야 합니다. 우리는 목표 맥락에 대한 근접성에 따라 관측 가능성을 가중하는 방식으로 일련의 국소화된 사후 분포를 구성합니다. 가우시안 국소화 가중치는 공분산 확장을 통해 맥락 불확실성을 반영하며, 도메인 경계에서는 반사를 적용하고, 맥락 표본 채취가 고르지 않은 경우에 대비한 선택적 보정도 제공합니다. 조건부 정규화 흐름을 이용하여 변환된 변분 추론을 통해 이들 사후 분포의 집합을 근사합니다. 규정된 맥락 측도 하에 국소화된 사후 분포들을 통합하면
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.
LLM 정렬을 위한 리스트와이즈 선호도의 랭크 인식 차분적 개인 정보 보호 공개
arXiv:2610.37682v1 발표 유형: 신규 초록: 리스트와이즈 선호도 피드백은 쌍대비교보다 대규모 언어 모델(LLMs) 정렬을 위한 더 풍부한 감독 정보를 제공하지만, 전체 순위는 더욱 민감한 사용자 선호까지 드러냅니다. 기존의 개인정보 보호형 정렬 방법들은 주로 쌍대비교 피드백에 집중해 왔으며, 로컬 차분적 개인 정보 보호(LDP) 하에서의 리스트와이즈 정렬은 아직 미탐구 상태입니다. LDP를 이러한 리스트와이즈 영역으로 확장하는 데에는 중대한 과제가 따릅니다: 전체 순위 공간의 높은 민감성으로 인해 과도한 노이즈가 발생하여 리스트와이즈 감독의 이점이 무력화될 수 있기 때문입니다. 이 문제를 해결하기 위해 우리는 하위 단계 학습에서 감독의 세분화 정도와 개인정보 보호 노이즈 간의 상호작용을 분석하고, 리스트와이즈 선호도를 개인화하는 랭크 인식 지수 메커니즘을 도입합니다.
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, …
노출은 약속이 아니다: 도구 사용 에이전트를 위한 잠재적 모니터의 이중 계층 평가
arXiv:2610.37679v1 발표 유형: 신규 요약: 도구를 사용하는 언어 에이전트는 간접적인 프롬프트 주입에 취약하며, 점점 늘어나는 연구들은 모델 내부를 분석하여 안전하지 않은 행동이 실행되기 전에 이를 포착하려고 시도하고 있지만, 그 결과는 매우 상반됩니다. 우리는 이러한 갈등의 대부분이 평가 과정에서 발생하는 오류 때문이라고 주장하며, 평가와 학습 집단 모두에서 주입 노출과 행동적 약속을 분리하는 이중 계층화 프로토콜을 제안합니다. 주요 Qwen AgentDojo 그리드에서, 무지한 상태로 불안전한 행동과 나머지 행동을 혼합한 대조를 기반으로 학습된 모니터들은 대부분 노출을 인식하는 방식으로 학습됩니다. 즉, 에이전트가 실제로 행동을 따르든 아니든 노출된 경로를 표시하며, 어떤 경우에 안전하지 않은 행동으로 이어지는지 거의 예측하지 못합니다. 노출된 사례들만을 대상으로 재학습한 동일한 탐지 계열은 모델 자체가 수행하는 안전하지 않은 도구 호출을 최대 2초 전까지 예측할 수 있습니다.