제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.
arXiv:2610.32215v1 발표 유형: 신규 초록: 현대 GPU 데이터 센터의 컴퓨팅 파워 증가로 인해 일부 산업 거대 기업들이 대규모 데이터를 활용하여 대형 언어 모델(LLM)을 훈련하고 배포할 수 있게 되었습니다. 그러나 이러한 모델과 그 학습 데이터의 엄청난 규모는 중앙 집중식 개발을 점점 더 지속하기 어렵게 만들고 있으며, 동시에 관련된 개인 데이터를 보유하되 이에 상응하는 인프라를 갖추지 못한 소규모 기관들을 배제하고 있습니다. 본 논문에서는 분산형 LLM 훈련에 관한 우리의 입장을 사전 학습 및 미세 조정 패러다임을 중심으로 정리하고, 연합 학습, 분할 학습 및 탈중앙화 접근법을 다루며, 이들 방법이 이질적인 하드웨어와 신뢰성 낮은 연결성을 가진 지리적으로 분산된 환경에서 어느 정도 준비되어 있는지 평가합니다. 이어서 우리는 {\em 통합}된 시스템을 제시합니다
마이크로소프트 연구소는 2026년 10월 25일, 중앙 조정자를 필요로 하지 않는 다중 에이전트 런타임 프레임워크인 Agensh를 오픈소스로 공개했습니다. 이 프레임워크는 ProgramBench에서 1개부터 1,024개까지의 LLM 기반 코딩 에이전트가 자율적으로 협업하도록 지원합니다. 시스템은 Gitea, Mattermost 및 DeLM 스타일의 공유 보드를 기반으로 탈중앙화된 조정을 구현하며, 모든 에이전트는 동일한 프롬프트 기반 5단계 순환을 실행합니다. 또한 Linux와 Docker 환경에서 확장성을 검증했습니다.
추천 이유：이 성과는 다중 에이전트 시스템 아키텍처의 중요한 발전을 나타냅니다—전통적인 ‘주제어 에이전트’ 패러다임을 탈피하고, 프롬프트 엔지니어링과 경량 서비스의 조합을 통해 대규모 자조직화를 구현합니다. ProgramBench에서 확보한 실증 데이터(예: 128개의 에이전트를 사용할 때 5개의 작업에 대한 평균 성능 향상이 49%에 달함)는 분산형 AI 엔지니어링의 새로운 기준점을 제시합니다. MIT 라이선스로 오픈소스화되어 있으며 Copilot CLI 등 주요 단일 에이전트 도구와도 호환되므로, 실제 개발에서의 참고 가치를 갖습니다.
arXiv:2610.31107v1 발표 유형: 신규 요약: 웹 에이전트는 여행 예약, 쇼핑, 일정 관리 등 반복적인 온라인 작업에서 동일한 사용자를 지속적으로 지원하므로, 그들의 장기적 유용성은 사용자의 선호를 얼마나 잘 파악하고 있는가에 달려 있습니다. 수동적 기억 및 개인화 방법은 사용자가 결코 드러내지 않는 선호를 파악할 수 없으며, 현재 작업에 대한 이익만을 중시하는 명확화 방법은 이후 작업에서도 해당 답변을 재사용할 수 있는 이점을 간과합니다. 우리는 능동적 선호도 획득(APA)을 연구합니다: 어떤 누락된 선호가 질문하는 데 드는 비용을 감수할 만한 가치가 있을까요? 우리는 누락된 선호의 전망적 개인화 가치(PPV)를, 향후 작업들에서 기대되는 누적 효용 증가에서 질문에 따른 노력과 정보 공개 위험 비용을 차감한 값으로 정의하고, 질문을 선택합니다.
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.
AWS 솔루션 아키텍처 팀이 선보인 오픈소스 다중 에이전트 시스템 Deep Insight는 CSV 데이터의 자동 분석과 자연어 보고서 생성을 위한 시나리오를 대상으로 하며, 생산 환경에서 흔히 발생하는 다섯 가지 주요 과제—에이전트 오케스트레이션, 역할 기반 모델 선택, 안정적인 운영, 안전한 코드 실행 및 관찰 가능성—에 대해 체계적으로 대응합니다. 또한 이 시스템은 LG전자와 re:Invent 2025 TechRecon 등 실제 환경에서 이미 검증된 바 있습니다.
패치 더 플래닛은 보안 연구원, 유지보수자 및 사고 대응 담당자들을 연결하여 오픈소스 전반의 중대한 취약점 해결을 지원합니다.
연구: sparqlite: SQLite 내부의 SPARQL 1.1, Rust로 작성 이 연구 과제는 사실 클라우드 코드 문서의 ‘동적 워크플로를 활용한 대규모 서브에이전트 오케스트레이션’에서 설명된 대로, ‘Ultracode’ 모드에서 클라우드 코드 웹을 실행하는 실험이다. Ultracode가 활성화되면 클라우드 코드는 동적 워크플로를 적극적으로 활용하여, 복잡한 문제를 해결하기 위해 서브에이전트 네트워크를 정의하고 조율하는 JavaScript를 생성한다. 초기 프롬프트는 다음과 같았다—‘행들을 직접 처리하라’는 뜻이었고, ‘delete’라는 단어는 휴대폰 자판에서 실수로 입력된 오타였다: Rust로 SQLite 확장 기능을 작성하여 SPARQL을 내장하고, delete 행을 직접 처리할 수 있어 매우 빠르게 작동하도록 만드세요. 이로 인해 클라우드 코드 웹은 12시간 넘게 연속으로 작동했다. 다음 날 진행 상황을 확인하고, 한 줄의 메시지를 보냈다.
AI 엔지니어 뉴욕에서 Anthropic은 유닉스와 리눅스의 경험을 바탕으로, 개발자들이 과도한 부담을 느끼지 않으면서도 더 큰 프로젝트를 해결할 수 있는 방법을 설명했습니다.
구글은 단순히 또 하나의 AI 동료를 만드는 것이 아니다. 구글은 Gemini가 경쟁사의 AI가 그 일을 수행하고 있을 때조차도 기업의 업무 방식을 조직하는 시스템으로 자리매김하기를 원한다.
GPT-6 모델을 선택하는 방법을 알아, 노력의 튜닝, 신속한 및 기술 개선, 조정 도구, 생산을위한 워크플로우를 준비.
OpenAI가 보호 된 모델 소각을 추출하는 캠페인을 중단하고 adversarial 증류법에 대한 방어력을 강화하는 방법을 알아보십시오.
OpenAI는 글로벌 AI 표준을 공유하는 경로를 설명합니다. 조정 평가, 보고, 관리 및 안전 향상을 위해 호출합니다.
당사 보안 팀이 지속적인 스트리밍 아키텍처를 활용하여 알림 트리아지 처리량을 확장한 자동화된 다중 에이전트 조사 파이프라인을 구축한 방법을 확인해 보세요.
Jakub Pachocki는 점점 더 많은 AI와 그 정렬을 유지의 도전에 반영합니다. 그는 더 안전한 보호와 국제 조정을 호출합니다.
