본문으로 건너뛰기
AI NEWS JOURNAL
AI, IN PERSPECTIVE

전체 AI 소식

출처, 주제, 시간으로 전체 뉴스에서 관심 소식을 찾아보세요.

발행 시간순

n8n@2.48.3

n8n 2.48.3 업데이트는 Redis 캐싱, 프롬프트 캐싱, 레거시 데이터 처리 및 UI 가시성과 관련된 여러 버그를 해결하고, 편집기에서 Gateway 크레딧 프로모션을 표시하는 새로운 기능을 도입하며, 문자 맵 포함을 최적화하고 표현식 런타임의 항목별 설정을 줄여 성능을 향상시킵니다.

Vercel Sandbox가 최대 4배 더 빠르게 시작됩니다

Vercel Sandbox의 시작 시간은 재사용 이미지 데이터에 대한 지역 캐싱을 활용함으로써 워싱턴 D.C.(iad1) 리전 외부에서 크게 향상되었으며, 파리에서는 초기화 시간을 최대 75% 단축하고 서울에서는 3.5초에서 1.05초로 줄였습니다. 원본과 거리가 가까운 리전에서는 거리가 짧아 더 작은 개선 효과를 보였습니다.

AI 부정행위를 적발하기 점점 더 어려워지면서 대학들이 학생 평가 방식을 재검토하기 시작했습니다. 영국 고등교육 규제기관인 학생사무국(OfS)은 최근 보고서를 통해 기존 AI 탐지 도구로는 학생들이 AI를 활용해 과제를 수행했는지 신뢰성 있게 판단하기 어렵고, 정확도가 부족하며 오경보가 발생하기 쉽다고 지적했습니다. 또한 생성형 AI의 성능 향상으로 인해 식별 난이도가 더욱 높아졌습니다. 보고서는 대학들에 대해 집에서 치르는 논문 시험과 개방형 책 시험 등 전통적인 평가 방식을 다시 검토하고, 점차 감독형 평가로 전환할 것을 권고했습니다. AI 사용 여부를 탐지 기술에 의존해 추적하기보다는 평가 전략을 조정하는 것이 바람직하다는 것입니다. 방금 전 6.6K

영국 고등교육 규제기관인 학생사무소(OfS)는 보고서를 발표하고, 현재 AI 탐지 도구로는 학생들이 인공지능을 활용해 과제를 수행했는지 정확히 판단하기 어렵다고 지적하며, 대학들이 무감독 평가를 줄이고 감독형 평가로 전환할 것을 권고했습니다. 보고서는 생성형 AI의 성능이 향상됨에 따라 AI 콘텐츠를 식별하는 것이 점점 더 어려워지고 있으므로, 과정 중심 평가, 구술시험 및 필기시험 등을 통해 평가 체계를 재구성해야 한다고 강조했습니다. 또한 보고서는 AI 사용이 교육 불평등을 심화시키고 학문적 정직성 및 장애 학생의 권익에 영향을 미칠 수 있다고 경고했습니다. 세계 여러 지역에서 이미 제한 조치가 취해지고 있지만, 기술 적용과 교육 공평성 간의 균형은 여전히 모색 중입니다.

AI 스타트업 Helix, 620만 달러 투자 유치… 로컬 음성 실사 인증 기술 출시 AI 스타트업 Helix가 620만 달러 규모의 투자를 완료했으며, Chicago Ventures가 리드 투자사를 맡고 BAM Ventures, Aglaé Ventures, Corazon Capital 등이 참여했습니다. 이 회사는 기기 내에서 로컬로 실행되는 음성 인식 기술을 활용해 기존 CAPTCHA를 대체하거나 보완함으로써 민감한 개인정보를 수집하지 않고도 사용자가 실제 사람인지 여부를 판단하고 연령을 추정할 수 있도록 할 계획입니다. Siri 공동 창립자 Dag Kittlaus는 이 프로젝트를 지원하며 자문위원으로 활동하고 있습니다. Helix는 Alex Oberg, Anna Dorofiyenko 등에 의해 2025년에 설립되었습니다. 방금 전 4.1K

Helix는 Chicago Ventures가 주도한 620만 달러 규모의 투자를 유치했으며, 기기에서 로컬로 실행 가능한 음성 인식 기술을 활용해 기존 CAPTCHA를 대체하고 민감한 정보를 수집하지 않으면서 사용자가 실제 사람인지 여부를 판단하고 연령을 추정하는 것을 목표로 합니다. 이 회사는 2025년 Alex Oberg, Anna Dorofiyenko, Mike Hall에 의해 설립되었으며, 자사 기술은 원격 의료 서비스 제공업체 Zeel의 신원 확인에 이미 적용되었고 택시 운전사 검증 및 음성 상태 분석과 같은 시나리오도 탐색 중입니다. Siri 공동 창업자 Dag Kittlaus는 고문으로 참여하여 해당 기술이 개인정보 보호와 AI 공격 방어 측면에서 가진 잠재력을 강조했습니다.

n8n@2.47.5

n8n 2.47.5 업데이트는 공용 API를 통해 읽기 전용 자격 증명 노드를 편집할 수 있게 하던 버그를 해결하고, 편집기에서 애니메이션 처리된 노드 테두리의 정렬 문제를 수정합니다.

n8n@2.48.2

n8n 2.48.2 업데이트는 공용 API를 통해 읽기 전용 자격 증명 노드에 대한 편집을 거부하는 문제, 편집기에서 애니메이션 노드 테두리 모서리를 정렬하는 문제, 그리고 새 초안에 대해 에이전트 탭에 계속 접근할 수 있도록 하는 문제를 포함한 여러 버그를 해결합니다.

Vercel Sandbox가 이제 관리형 npm 자격 증명을 지원합니다

Vercel Sandbox는 이제 팀 공유 환경 변수를 사용하여 비공개 npm 패키지를 설치할 수 있게 하며, GitHub Packages 및 JFrog Artifactory와 같은 맞춤형 레지스트리를 지원합니다. 샌드박스 생성 시 { npm: true }를 전달하면 인증이 방화벽을 통해 처리되므로 토큰이 노출되지 않고 자격 증명이 안전하게 관리됩니다. 이 기능을 사용하려면 사용자는 샌드박스 SDK 또는 CLI를 최신 버전으로 업데이트해야 합니다.

텐센트, 직원 50% 감축 루머 반박: 절반의 역량을 AI 네이티브 탐구에 투입할 계획 11월 12일, 텐센트 홍보 총괄 장쥔은 “텐센트가 직원 50%를 감축한다”는 소문을 부인하며 이는 전혀 사실이 아니라고 밝혔다. 그는 텐센트가 창립 28주년 기념 Linktime 라이브 방송에서 조직 개혁 가속화를 제안했지만, 이는 과거 비용 절감 중심의 ‘비용 절감 및 효율 증대’ 차원이 아니라 AI 시대를 대비한 주도적인 조직 전환으로, 효율성을 높이고 혁신을 촉진하는 데 목적이 있다고 설명했다. 장쥔은 또한 일선 팀들이 신규 사업과 새로운 가치를 적극적으로 개척하고 중간 관리층이 더욱 평면화되기를 바란다고 덧붙였다. 방금 전 0

텐센트 홍보 총괄 장쥔은 온라인에서 퍼진 ‘50% 감원’ 주장에 대해 부인하며, 관련 조정은 AI 시대에 맞춘 조직 전환으로 효율성 제고와 혁신 촉진을 목표로 하며 비용 절감과 효율 증대를 위한 것이 아니라고 밝혔다. 회사는 인력의 약 50%를 핵심 사업 효율화에 투입하고 나머지 50%는 AI 신규 분야 탐구에 배치할 계획이며, 자원 배분 조정이 대규모 감원으로 오해된 것이라고 설명했다.

AI 게이트웨이에서 Gemini Decision 1을 지금 이용할 수 있습니다

Google의 Gemini Decision 1은 텍스트, 이미지, 오디오, 비디오 및 PDF를 지원하는 다중 모달 의사결정 모델로, 이제 AI Gateway를 통해 이용할 수 있습니다. 이 모델은 출력 토큰을 생성하지 않고도 요청 라우팅, 정책 검사, 도구 필터링 및 결과 순위 지정과 같은 작업에 대해 불리언 확률, 선택 사항 및 점수를 제공합니다. AI SDK, TypeSafe 호환 API 및 Decisions API를 통해 지원되며, AI SDK 7에서는 PDF, 오디오 및 비디오 입력이 사용 가능합니다. 의사결정 호출은 로그에 기록되며 다른 모델 요청과 함께 예산에 포함되어 계산됩니다.

n8n@1.123.94

n8n 버전 1.123.94의 버그 수정으로 트리거가 재활성화된 직후 실패할 경우 재시도 백오프 설정이 유지되어 워크플로 실행의 신뢰성이 향상됩니다.

n8n@2.48.1

n8n 2.48.1 업데이트는 내장 교체 후 표현식 전송 문제, 표현식 엔진 간 베어 노드 참조 일치, 이미지 편집 노드의 글꼴 등록 최적화, 그리고 편집기에서 마이그레이션 보고서의 알림 대상 열 너비 확대를 포함한 여러 버그를 해결합니다.

SetPrint: 응답 변화의 집합적 대응을 통한 블랙박스 LLM 지문 추적

arXiv:2611.12950v1 발표 유형: 신규 초록: 블랙박스 LLM 지문 분석은 입력 쿼리에 대한 출력 응답만 관찰 가능한 상황에서 대상 모델이 소스 모델로부터 파생되었는지 여부를 판단하는 것을 목표로 합니다. 이러한 관계를 밝혀내는 한 가지 방법은 각 쿼리를 변형하고 두 모델의 결과 응답을 관찰하여 두 개의 상응하는 응답 변동 집합을 생성하는 것입니다. 이들 집합은 두 가지 상호 보완적인 정보원을 제공합니다: 각 집합 내 응답 변화 간의 관계와 두 집합 간 응답 변화의 대응성입니다. 그러나 기존 접근법들은 이 두 가지를 완전히 활용하지 못했습니다. 우리는 \textbf{SetPrint}을 제안하며, 이는 집합 내 관계와 집합 간 대응성을 동시에 포착하는 학습 불필요 방법입니다. SetPrint은 각 응답 변화를 해당 집합의 평균 변화에 대해 상대적으로 표현한 다음, 동일한 변형으로 유도된 두 모델의 변화를 비교합니다. LeaFBench에서 SetPrint은 기존의 학습 불필요 블랙박스 지문 분석 방법들을 일관되게 능가합니다. 추가 분석에 따르면 이러한 성과는 집합 내 관계와 집합 간 대응성 모두에 기인합니다.

n8n@1.123.93

n8n 1.123.93 업데이트는 대기 및 대기열 실행에 대한 재시도 횟수를 제한하여 핵심 시스템의 버그를 해결하고 안정성을 높이며 잠재적인 무한 재시도 루프를 방지합니다.