Vercel은 Truffle Security와 파트너십을 맺고 GitHub, GitLab, npm 등 공개 플랫폼 전반에서 노출된 Vercel 토큰의 자동 탐지 및 무효화 기능을 강화했습니다. 새로운 스캐너는 또한 매월 Common Crawl 데이터를 점검하여 발견된 모든 토큰을 자동으로 무효화합니다. 무효화된 토큰에 대해서는 해당 조치를 설명하는 이메일 알림이 발송됩니다.

2026-11-03

Vercel00:00

SDK 키를 공유하지 않고 다른 프로젝트에서 Vercel Flags를 평가하세요.

Project Connections를 사용하면 SDK 키를 관리할 필요 없이 동일한 팀 내의 다른 Vercel 프로젝트에서 플래그를 평가할 수 있으며, 인증을 위해 배포 ID를 사용합니다. 액세스는 Connections 페이지 또는 CLI를 통해 관리되며, 모든 환경에 대해 읽기 전용 권한을 부여하고 재배포 없이 권한을 취소할 수 있습니다. CLI 관리를 위해서는 @flags-sdk/vercel 1.6.0 이상 또는 @vercel/flags-core 1.11.0 이상, 그리고 Vercel CLI 63.0.0 이상이 필요합니다.

Vercel01:05

Vercel MCP가 이제 배포를 대화형 카드로 렌더링합니다

Vercel MCP는 ChatGPT 및 호환 채팅 클라이언트용 대화형 카드 기능을 도입하여 완료 시 실시간 배포 상태, 빌드 로그, 소스 세부 정보 및 방문 버튼을 표시합니다. 사용자는 채팅에서 공유된 로그를 통해 디버깅하거나 전체 로그를 전체 화면 모드로 볼 수 있습니다. 여러 프로젝트가 있는 리포지토리의 경우 프로젝트 선택기가 제공됩니다. 이 기능은 MCP Apps 확장을 활용하며, 지원되지 않는 클라이언트에는 텍스트만 표시되는 대체 방식으로 전환됩니다. open_deployments 도구를 사용하면 환경 필터링과 함께 프로젝트, 리포지토리 또는 커밋별 조회가 가능하며, ChatGPT의 커넥터 설정을 통해 접근할 수 있습니다.

Vercel04:09

Vercel MCP가 이제 클라이언트 ID 메타데이터 문서를 지원합니다

Vercel MCP는 이제 클라이언트 ID 메타데이터 문서(CIMD)를 게시하여 모든 클라이언트가 연결할 수 있도록 하여 수동 검토의 필요성을 없앴습니다. 클라이언트는 JSON 파일의 HTTPS URL을 OAuth client_id로 사용하며, 투명성을 위해 동의 화면에 클라이언트의 이름, 로고 및 호스트 이름이 표시됩니다. 확인된 배지는 CIMD 클라이언트에게 부여되지 않으므로 사용자는 접근을 승인할 때 호스트 이름을 신뢰해야 합니다. 기존 등록 앱은 영향을 받지 않습니다.

2026-11-02

Vercel08:00

설치 전 및 설치 중 악성 npm 패키지 차단

Vercel은 이제 동적 블랙리스트를 사용하여 빌드 중 의존성 설치 전후에 악성 npm 패키지를 사전에 검사하고 차단함으로써 유해한 스크립트가 실행되는 것을 방지합니다. 이 시스템은 지원되는 잠금 파일과 공개 npm 다운로드를 스캔하며, 차단된 패키지가 감지되면 배포를 자동으로 실패시키고 문제의 패키지와 버전을 식별한 뒤 빌드 캐시 무효화를 시도합니다. 사용자는 재배포하기 전에 안전한 의존성 버전으로 업데이트하고 잠금 파일을 다시 생성해야 합니다. 이러한 보안 조치는 구성 없이 모든 플랜에 자동으로 적용됩니다.

2026-10-31

테크크런치 · AI05:54

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.

미디어

진행 상황 및 관련 보도

2026-10-30

AI NEWS 종합 보도14:02

GitHub Copilot Fusion, 지능형 모델 오케스트레이션과 로컬 모델 라우팅의 이중 기능 출시

GitHub은 2026년 10월 28일에 Copilot Fusion 정식 버전을 발표하며, 동시에 실험적인 로컬 모델 라우팅 기능도 함께 선보였습니다. 이 기능은 Windows 장치에서 MAI Code 1.1 Flash와 같은 로컬 모델을 자동으로 호출하고, VS Code, CLI 및 Copilot 앱에서 지능형 라우팅을 활성화할 수 있도록 지원합니다. 이 시스템은 Standard/High/Max 세 가지 노력 수준을 통해 클라우드 모델(예: OpenAI, Anthropic, Google)을 자동으로 선택하고 조합하여 작업을 수행하며, 코딩 평가에서 Claude Code에 근접한 성능을 구현하면서 비용은 절반으로 줄였습니다.

진행 상황 및 관련 보도

arXiv cs.AI12:00

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

진행 상황 및 관련 보도

arXiv cs.AI12:00

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

진행 상황 및 관련 보도

arXiv cs.AI12:00

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.

진행 상황 및 관련 보도

arXiv cs.LG12:00

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

진행 상황 및 관련 보도

arXiv cs.CL12:00

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.

진행 상황 및 관련 보도

arXiv cs.LG12:00

의료 영상 분야를 위한 책임 있는 양자 기계 학습: 민감한 하위 집단 전반에 걸친 공정성 감사

arXiv:2610.37819v1 발표 유형: 신규 초록: 양자 기계 학습(QML)은 의료 분류 작업에서 점점 더 활발히 탐구되고 있지만, 하위 집단을 고려한 공정성 기준 하에서의 성과는 아직 충분히 연구되지 않았다. 우리는 QML이 본질적으로 공정하지 않다는 가정 하에, 의료 영상 분석을 위한 클래식 및 양자 분류기의 실증적 공정성 감사를 제시한다. 두 가지 시나리오를 평가하며, DDI 데이터를 이용한 피부병변 분석(민감 속성: 피츠패트릭 피부 타입)과 CheXpert에서 파생된 데이터를 활용한 흉부 X선 이미지 분석(민감 속성: 연령대)을 포함한다. ResNet-18 임베딩을 사용하여, 기본 설정과 세 가지 완화 조치 설정—미분 가능한 Equalized Odds (EO) 정규화, Gradient Reversal Learning (GRL), 그리고 이 두 가지를 결합한 방식—하에 SVM, MLP, QSVM 및 QCNN을 학습시킨다. 또한 기초 모델들(PanDerm, EVA-X)은 외부 기준으로 활용된다.

진행 상황 및 관련 보도

arXiv cs.CL12:00

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.

진행 상황 및 관련 보도

arXiv cs.DC12:00

FlatCake: LLM 서비스를 위한 평면형 KV캐시 저장 아키텍처

arXiv:2610.38355v1 발표 유형: 신규 초록: KV 캐시 재사용은 LLM 서비스를 가속화하지만, 기존 시스템들은 호스트 DRAM과 NVMe SSD를 계층적 하위 구조로 관리하며, DRAM을 중간 캐시로 활용합니다. 그러나 실제 생산 환경의 LLM 워크로드는 이러한 계층 구조의 두 가지 전제 조건을 모두 무너뜨립니다. 첫째, 이중 모드 재사용 방식은 DRAM의 시간적 필터링 기능을 무력화합니다. 왜냐하면 워크로드는 재사용 거리가 긴 일회성 블록이나 DRAM 용량을 초과하는 수기가바이트 규모의 에이전트 세션으로 구성되어 있어 SSD가 핵심 읽기 경로에 위치하게 되기 때문입니다. 둘째, DRAM의 스테이징과 제거 순서에 따른 배치 방식은 SSD 복원 과정을 병목으로 만듭니다. 인-플라이트 프리픽스를 위해 호스트 스테이징 버퍼를 유지하면 부하 상황에서 컨텐션을 유발해 프리페치 작업이 중단되며, 증분식 제거는 세션의 블록들을 SSD 전체에 분산시켜 대규모 연속 읽기를 방해합니다. 우리는 p

진행 상황 및 관련 보도

arXiv cs.AI12:00

Seq@K: 순차적 피드백 하에서 언어 모델 평가

arXiv:2610.37859v1 발표 유형: 신규 초록: 언어 모델 기반 에이전트는 맥락 속의 자연어로부터 학습할 수 있다는 점에서 기존 지능형 시스템과 근본적으로 다릅니다. 이러한 능력은 현대 에이전트 워크플로우에서 널리 사용되는 방식인, 피드백에 따라 답변을 반복적으로 개선해 나가는 것을 가능하게 합니다. 그러나 커뮤니티에서는 주로 Pass@1이나 Pass@K와 같은 지표로 모델을 평가해 왔으며, 이는 모델이 이전 시도에서 얻은 피드백을 어떻게 활용하는지를 포착하지 못합니다. 우리는 각각의 이전 시도가 실패했을 때마다 피드백을 제공받아, K번의 연속된 시도 내에 문제를 해결할 수 있는지 여부를 측정하는 자연스러운 평가 프로토콜인 Seq@K를 제안합니다. 장기 계획을 검토하는 다단계 에이전트 벤치마크와 달리, Seq@K는 개선이라는 핵심 역량을 분리하고 이를 정식화합니다.

진행 상황 및 관련 보도