매일의 핵심, 한 주의 흐름, 한 달의 중요한 변화.
오늘 발행된 전체 뉴스를 새 기사 발행에 맞춰 업데이트합니다。
AI 에이전트를 생산 환경에 도입하려는 기업들은, 해당 에이전트를 신뢰할 수 있는지 여부를 결정하는 것이 모델 선택이 아니라 역할 기반 접근 제어라는 점을 점차 깨닫고 있다. 증가하는 추론 비용, 개인정보 보호 우려, 그리고 주권 요구 등도 더 많은 AI 워크로드를 기업 데이터센터 내부로 다시 이전하도록 유도하고 있다. 이러한 변화는 오랜 기간 민감한 데이터를 관리해 온 기업들에게 유리하게 작용한다. […] 본 글의 원문: “AI 에이전트 도입 경쟁, 데이터 접근이라는 익숙한 장애물을 맞닥뜨리다”는 SiliconANGLE에 처음 게재되었습니다.
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.
최근 Neuralink은 AI 모델인 Grok을 인간 뇌에 직접 연결하는 데 성공하며, 뇌-컴퓨터 인터페이스가 ‘생각으로 커서를 이동’하는 단계에서 ‘생각으로 AI를 제어’하는 시대로 진입했음을 알렸다. 8가지 주요 기능을 개발하기 위해 핵심 엔지니어들은 피실험자의 집에 머물며 72시간에 걸친 극한의 고강도 실전 테스트를 진행했다. 본 기사는 이러한 획기적 발전과 함께 팀이 ‘폭풍 개발’을 이어온 배후 과정에 초점을 맞춘다.
IT之家 10월 30일 보도에 따르면, 사용자 수가 적은 언어를 사용하는 이용자는 AI 서비스를 이용할 때 영어 및 기타 주요 언어를 사용하는 이용자들보다 더 높은 비용을 부담해야 할 수 있습니다. 현지 시간으로 28일, 외신 Rest of World의 보도에 따르면, 인공지능 언어 공정성 연구 컨소시엄이 지난달 발표한 한 연구에서 AI 모델이 서로 다른 언어를 처리할 때 소모되는 토큰(단어 단위) 수가 크게 차이날 수 있다는 점이 확인됐습니다. 토큰은 AI 모델이 텍스트 등 데이터를 처리하는 데 사용되는 기본…
arXiv:2610.37682v1 발표 유형: 신규 초록: 리스트와이즈 선호 피드백은 쌍대 비교보다 대규모 언어 모델(LLMs)의 정렬을 위한 더 풍부한 감독을 제공하지만, 전체 순위는 또한 보다 민감한 사용자 선호를 드러낸다. 기존의 개인정보 보호형 정렬 방법들은 주로 쌍대 피드백에 집중해 왔으며, 국소적 차분 개인정보보호(LDP) 하에서의 리스트와이즈 정렬은 아직 미탐구 상태이다. LDP를 이러한 리스트와이즈 영역으로 확장하는 데에는 중대한 도전 과제가 따른다: 전체 순위 공간의 높은 민감성으로 인해 과도한 노이즈가 요구되며, 이는 리스트와이즈 감독의 장점을 무력화시킨다. 이 문제를 해결하기 위해 우리는 하위 단계 학습에서 감독의 세분화 정도와 개인정보 보호 노이즈 간의 상호작용을 분석하고, 리스트와이즈 선호를 프라이버시화하는 순위 인식 지수 메커니즘을 도입한다.
arXiv:2610.37679v1 발표 유형: 신규 초록: 도구를 사용하는 언어 에이전트는 간접적인 프롬프트 삽입에 취약하며, 점점 늘어나는 연구들은 모델 내부를 분석하여 안전하지 않은 행동이 실행되기 전에 이를 포착하려 하고 있지만, 그 결과는 매우 상반되고 있습니다. 우리는 이러한 갈등의 대부분이 평가 과정에서 발생하는 오류 때문이라고 주장하며, 평가 및 학습 집단 모두에서 삽입 노출과 행동 이행을 구분하는 이중 계층화 프로토콜을 제안합니다. 주요 Qwen AgentDojo 그리드에서, 순수한 혼합된 안전하지 않은 행동 대 나머지 행동의 대조를 기반으로 훈련된 모니터링 모델은 대부분 노출 여부만을 학습합니다. 즉, 에이전트가 해당 행동을 따르든 따르지 않든 노출된 경로를 표시할 뿐이며, 어떤 경우에 안전하지 않은 행동으로 이어지는지 예측하는 데는 거의 성과를 보이지 않습니다. 노출된 사례들만을 대상으로 재훈련한 동일한 탐지 모델군은 모델 자체가 수행하는 안전하지 않은 도구 호출을 최대 2초 전까지 예측할 수 있습니다.
arXiv:2610.37680v1 발표 유형: 신규 초록: 최첨단 언어 모델과 소규모 언어 모델 간의 격차를 좁히는 방법으로는 일반적으로 디스틸레이션 기법이 사용됩니다. 이는 소규모 모델(학생)을 최첨단 모델(교사)의 출력에 대해 미세조정함으로써, 전이 과정이 학습용 컴퓨팅 자원에 의존하게 만들고 전달된 지식은 상당히 투명하지 않은 상태로 남게 합니다. 우리는 아티팩트 디스틸레이션을 제안합니다. 교사는 학습 사례를 해결하고 그 문제 해결 절차를 아티팩트 은행에 외부화하며, 학생은 추론 시 해당 은행을 조회하여 이를 활용합니다. 이 과정에서는 파라미터 업데이트가 전혀 발생하지 않습니다. LiveBench의 네 가지 과제에서, Claude Opus 4.5가 작성한 은행을 사용하면 Claude Haiku 4.5가 공간 추론에서 비지원 Claude Sonnet 4.5보다 60%의 비용으로 더 높은 성능(0.707 대 0.647)을 보이며, 테이블 조인 작업에서는 Sonnet 4.5 수준에 도달하는 데 89%의 비용만 들입니다. 동일한 원시 은행은
arXiv:2610.37681v1 발표 유형: 신규 초록: 대규모 추론 모델들은 최근 긴 사고 과정 데이터에 대한 지도식 미세조정(SFT)이 그들의 추론 능력을 이끌어내고 향상시키는 데 있어 핵심적인 기반이 되면서, 복잡한 과제를 해결하는 데 있어 뛰어난 성능을 보여 왔습니다. 추론 중심의 SFT를 개선하고 분석하는 데 있어 빠른 진전에도 불구하고, 이 분야에는 아직도 급속히 증가하는 관련 문헌을 종합한 체계적인 종합 연구가 부족한 실정입니다. 이러한 공백을 메우기 위해 우리는 추론 중심 SFT의 최근 발전에 관한 포괄적인 검토를 제시하며, 방법론적 설계와 분석적 탐구라는 두 가지 관점에서 관련 문헌을 살펴봅니다. 먼저, SFT 파이프라인 전반에 걸친 방법론적 개선 사항을 검토하고 이를 데이터 중심 접근과 알고리즘 중심 접근으로 구분합니다.
arXiv:2610.37676v1 발표 유형: 신규 초록: 자동 해석 가능성은 스파스 오토인코더(SAE)의 특성에 대해, 평가 예제들에서 해당 특성이 언제 활성화되는지를 모델에게 토큰 단위로 예측하도록 하거나, 표시된 토큰들이 그 특성에 부합하는지 여부를 판단하도록 함으로써 점수를 매긴다. 우리는 평가 데이터의 표준 파이프라인이 설명을 읽지 않고도 점수를 매길 수 있음을 발견했다. Neuronpedia에 저장된 500개의 임의 GPT-2 소형 특성에 대한 퍼징 실행 결과에 따르면, 활성화된 예제의 91.3%가 중심 토큰에 최대값이 위치한 상태로 잘려 나오며, 중심 토큰이 표시되어 있을 때 “예”라고 판정하는 규칙은 저장된 LLM 점수계보다 높은 균형 정확도 0.979를 달성한다(파이프라인 코드로부터 재구성된 표시를 기반으로 계산됨); 반면 표시 개수만을 기준으로 판단하는 규칙은 0.969의 정확도를 기록한다. T
Anthropic은 10월 29일에 Claude 모바일 앱 업데이트를 발표했으며, 이는 iPhone, iPad, Android, Chromebook은 물론 웹 및 데스크톱 버전까지 지원합니다. 특히 iPhone 버전에서는 음성 모드가 Apple CarPlay와 연동되어 운전자가 손을 쓰지 않고도 직접 음성으로 AI에 질문할 수 있게 되었습니다. 출퇴근 중에는 경로를 확인하고 자료를 검색하며 생각을 정리하는 등 다양한 작업을 수행할 수 있습니다. 차량 내 사용 환경은 이번 업데이트에서 가장 큰 상상력을 불러일으키는 방향으로 평가되고 있습니다.
구글은 대화형 AI 거대 모델 Gemini의 주요 업그레이드를 발표하며, 파일 내 직접 편집 기능을 새롭게 추가했습니다. 모든 사용자는 웹 및 모바일에서 다양한 주요 파일 형식을 실시간으로 생성하고 미리 보며 전체 화면으로 편집할 수 있으며, 이제는 더 이상 내보내기로 제한되지 않습니다. 이번 업그레이드는 PDF, 구글 문서, 스프레드시트, 프레젠테이션, Markdown 등 여러 형식을 지원하며, AI 기반 생산성 향상과 원활한 상호작용을 목표로 합니다.
Omdia는 AI PC 출하 비중이 2025년 33%에서 2027년 60%, 2030년 79%로 증가할 것으로 전망하며, 업계에서는 보급이 가속화될 것이라고 강조하고 있다. 그러나 조사에 따르면 응답자의 단 9%만이 AI 기능을 주요 교체 이유로 꼽았고, 62%는 기기가 느려지거나 고장났거나 더 나은 모델로 교체하고 싶다는 이유로 교체를 결정했다. 또한 69%는 로컬에서 실행되는 AI에 대해 프리미엄을 지불할 의향이 있다고 밝혔지만, 막상 실제 지불 단계에 이르면 AI는 여전히 핵심 요인이 아니며, 시장에서는 공급은 활발한 반면 수요는 냉각된 상반된 양상을 보이고 있다.
10월 29일 소식에 따르면, 차세대 대규모 모델 기반 자율주행용 칩 개발 기업인 XHEART(신심항도)가 플래그십 제품인 X7Ultra 칩을 출시했다. 이 칩은 엔드투엔드 자율주행 대규모 모델을 위해 특수 설계된 핵심 연산 플랫폼이다. 공식 발표에 따르면, X7 시리즈는 양산 시작 후 8개월 만에 누적 출하량이 20만 개를 돌파하며 강력한 시장 성과를 보이고 있다. 현재까지 총 10개 차종에 탑재되었으며, 완성차업체 고객과의 협력 및 시장 확대가 지속적으로 진행되고 있다.
스타벅스는 주문 정확도와 서빙 효율을 높이기 위해 드라이브스루 서비스에 인공지능을 도입하는 방안을 검토하고 있습니다. 블룸버그의 10월 30일 보도에 따르면, 스타벅스 최고경영자 브라이언 니컬은 분석가 전화회의에서 회사가 백엔드에서 작동하는 AI 모델을 시험해 바리스타들이 고객 주문을 보다 정확하고 효율적으로 입력하도록 지원할 계획이라고 밝혔습니다. 이 기술은 직원들의 주문 처리 부담을 줄이고 바리스타가 고객과의 소통에 더 집중할 수 있도록 하며, 동시에 주문 접수와 서빙 시간을 단축하는 것을 목표로 합니다.
구글의 2026년 3분기 실적 발표 전화회의에서 AI 모드 생성형 검색이 기존 검색 광고 시장에 큰 영향을 미치고 있으며, AI 요약 및 답변 기능으로 인해 검색 결과의 상업적 수익화 여지가 축소되고 있다고 밝혔다. 최고상무책임자 필립 쉰들러는 AI 답변이 검색 결과의 표출 방식을 변화시켜 광고 수익화가 더욱 어려워졌다고 설명했다. 3분기 검색 광고 매출은 634억 달러로 전년 동기 대비 12% 증가했으나, 월스트리트의 예상치를 약 16억 달러 하회했으며 성장률 역시 기대에 못 미쳤다.
메타는 AI 패션 앱 스타일 스케치를 출시했으며, 기존 의류를 디지털화하고 AI를 통해 개인 맞춤형 코디를 생성할 수 있습니다. 이 앱은 인도네시아, 싱가포르, 태국의 iOS 및 안드로이드 플랫폼에서 이미 출시되었으며, 아직 전 세계적인 확대 계획은 없습니다. 또한 인스타그램과 연동해 사진을 기반으로 자동으로 가상 옷장을 구성할 수 있으며, 사진 촬영, 짧은 동영상 또는 갤러리에서 수동으로 의상을 추가할 수도 있고, 옷장과 개인 스타일을 결합해 매칭된 코디를 추천합니다.
리비안은 이번 합작사업의 규모가 58억 달러에서 더 커질지 여부는 밝히지 않았다.
이제 Google Gemini 내에서 PDF, Google 문서, Google 스프레드시트, 슬라이드덱, Markdown 파일, TXT 파일 및 코드를 직접 생성하고 미리 보며 편집할 수 있습니다. 새로운 파일 편집 기능은 오늘부터 모든 Gemini 사용자에게 제공되며, PDF 미리 보기 및 편집은 웹과 모바일 모두에서 지원되지만 다른 모든 파일 형식은 […]에서만 지원됩니다.
우노 리버스! 위스프가 자사의 음성 녹음 앱에 회의록 기능을 추가한 데 이어, 그라놀라는 자사의 회의록 작성 도구에 음성 녹음 기능을 탑재하고 있습니다. 음성 AI 경쟁이 점점 흥미로워지고 있습니다.
중국에 엔비디아 칩을 불법으로 판매한 혐의를 받는 싱가포르 AI 클라우드 기업의 고위 임원도 중국 스파이였을 수 있다고 소식통들이 뉴욕타임스에 밝혔다.
AI가 일상적인 재무 업무를 자동화함에 따라, 과거 초급 회계 직무를 규정하던 반복적 작업들은 점차 사라지고 있으며, 자문 서비스가 기업의 가치 창출 방식의 중심으로 부각되고 있다. 이러한 변화는 대학들이 교과서 속 모습과는 매우 다른 직무에 맞춰 졸업생들을 준비시키기 위해 분주히 움직이도록 만들었다. 교실과 실제 업무 간의 격차를 해소하는 것이 이제 인튜잇의 최우선 과제가 되고 있다. 이 글은 ‘AI가 신입 사원들을 고객 업무로 더 많이 내몰면서, 인튜잇은 회계 교육을 새롭게 재편하고 있다’라는 제목으로 처음 실렸으며, 원문은 SiliconANGLE에서 게재되었다.
