아카이브

새로운 방법론으로 압축된 4비트 모델이 정밀 버전보다 성능을 앞당김

읽어야 하는 이유 개발자들은 이 방법이 양자화 및 압축 과정에서 일반적으로 손실되는 기능을 복구하기 때문에 관심을 가져야 합니다.

새로운 치유 기법으로 압축된 4비트 모델이 7 가지 벤치마크에서 정밀도 원본을 능가합니다. 구조적 압축 후 잃어버린 능력을 회복하여 배포 파이프라인의 치유 단계를 대체할 수 있습니다.

LLM 에이전트의 작업 간 기술 이전: 하위 작업과 텍스트의 승리

읽어야 하는 이유 자율 에이전트를 개발하는 개발자는 메모리를 텍스트 형식의 하위 작업으로 구조화하여 신뢰성을 높일 수 있습니다. 제안된 유틸리티 점수는 효과적인 기술을 선별하기 위한 실행 전 진단 기능을 제공합니다.

연구에 따르면 하위 작업 수준의 유도 및 텍스트 형식이 코드 기반 방법보다 더 나은 성능을 보이는 LLM 에이전트의 신뢰할 수 있는 기술 이전을 가능하게 합니다.

MidTool: 중간 훈련을 통한 에이전트 능력 강화

읽어야 하는 이유 이 연구는 전임 훈련만 의존하는 것보다 강력한 에이전트 도구 사용을 위해 전용 중간 훈련이 필수적임을 보여주며, 대규모 언어 모델(LLM)에 대한 우월한 대안을 제시합니다.

MidTool은 웹 데이터와 합성 API 감독을 결합하여 Qwen3 모델의 일반 도구 사용 능력을 크게 향상시키는 중간 훈련 파이프라인을 소개합니다.

작업 모델 유도: 컴퓨터 추적 데이터에서 교차된 워크플로우 복원

읽어야 하는 이유 데스크탑 에이전트를 구축하는 AI 엔지니어는 TMI를 사용하여 원시 상호작용 데이터에서 실제 워크플로우를 학습하고, 더 견고하고 감사 가능한 작업 실행을 가능하게 할 수 있습니다.

새로운 TMI 방법은 수동 컴퓨터 사용 추적 데이터에서 구조화된 작업 모델을 추출하여 기존 기준선 대비 에이전트 정확도를 크게 향상시킵니다.

콜로라도 AI법, 오늘 시행 예정이었지만 2027년으로 연기됐다

읽어야 하는 이유 미국 최초의 종합적인 주(州) AI법이 시행되기도 전에 다시 쓰였다. 법을 만들고, 시행 전 업계 압박에 밀려 폐지·대체한다는 이 순서야말로 다른 주들에서 주시해야 할 전형이다.

5월 14일 서명된 SB 189가 콜로라도 AI법의 핵심 조항을 대폭 축소하고 시행일을 2026년 6월 30일에서 2027년 1월 1일로 연기했으며, 이를 공시 중심 체계로 대체했다.

GitHub Copilot, 첫 사용량 기반 청구 주기 마감 — 에이전트 사용자들이 그 여파를 체감하다

읽어야 하는 이유 정액제 AI 코딩 도구는 늘 가벼운 자동완성 사용자의 비용으로 무거운 에이전트 사용자를 보조해 왔다. Copilot은 이제 그 보조를 멈췄다 — 그리고 첫 청구서야말로 모두가 발표 글에서 건너뛰었던 부분이다.

Copilot이 6월 1일 토큰 기반 청구로 전환했고, 6월 30일 첫 청구 주기가 마감된다. 에이전트 사용자들은 기존 정액 구독 대비 10~50배에 달하는 청구서를 받았다고 보고한다.

OpenAI, GPT-5.6 Sol·Terra·Luna 프리뷰 공개 — 美 정부 승인이라는 접근 관문 뒤에서

읽어야 하는 이유 OpenAI의 처리 용량이 아니라 정부 승인이 프런티어 모델 출시의 관문이 되는 이런 새로운 거버넌스 패턴은 빌더들이 앞으로도 다시 보게 될 것이다.

OpenAI가 6월 26일 GPT-5.6 Sol/Terra/Luna를 공개했다. Sol은 Terminal-Bench 2.1에서 91.9%를 기록했지만, 접근은 정부 승인을 받은 약 20개 파트너로 제한된다.

자율주행 트럭 — 고속도로 화물운송이 로보택시보다 먼저 수익성을 달성할 수 있는 이유

Aurora가 I-45에서 무인 상업 화물운송을 시작했다. 자율주행 트럭은 마일당 인건비 절감이 택시의 10배, 시장 규모는 4배로 먼저 수익화에 도달할 가능성이 있다.

자율주행 접근성 — 운전할 수 없는 6500만 미국인과 세대를 바꿀 기술

운전할 수 없는 6500만 미국인—노인, 장애인, 시각장애인—에게 자율주행은 편의가 아니라 독립적 이동의 회복이다.

AV 접근성——자율주행차가 노인과 장애인의 이동 자유를 어떻게 바꿀 수 있는가

자율주행차는 장애나 노화로 운전할 수 없는 3,000만~4,000만 명의 미국인에게 이동 자립을 되돌려 줄 수 있다——올바르게 설계된 경우에 한해.

자율주행차 악천후 성능——비·눈·안개가 센서에 미치는 영향과 Waymo가 피닉스에 머무는 이유

비는 카메라를 망치고, 안개는 라이다를 파괴하며, 레이더는 거의 모든 날씨를 견딘다——지리적 기후가 무인 로보택시의 실제 출시 지역을 결정한다.

자율주행 경쟁 지형도——Aurora, Zoox, Cruise: 레이스에 남은 자는 누구인가

자율주행 경쟁은 테슬라 대 Waymo만이 아니다. Aurora는 무인 트럭 상업 운영을 시작했고, Zoox는 테스트 중이며, Cruise는 2023년 중단 후 재건 중이다.

자율주행 소비자 채택 및 탑승 경험 지수 — 성장 경사면의 수요 측면 분석

탑승 NPS, Uber/Lyft 대비 가격, 채택 곡선—소비자 수요가 자율주행차 규모 목표를 지지하는지 종합 분석.

자율주행차 사이버보안 — 피지컬 AI 성장을 가로막을 수 있는 공격 면 전체 지형도

자율주행차는 네트워크에 연결된 컴퓨터다. 대규모 차대 공격은 인명 피해를 초래하고 피지컬 AI 투자 논리를 수년 후퇴시킬 수 있다.

자율주행차 사이버보안: 원격 공격 벡터와 Tesla·Waymo의 차량대 방어 전략

자율주행차 사이버보안 전경: 공격면 분석, 연구로 검증된 위협 카테고리, Tesla 대 Waymo 방어 아키텍처, 중대 사고가 산업 전체에 미치는 영향.

AV 데이터를 비즈니스로 — 차량 데이터 소유권과 로보택시 경쟁 이면의 숨겨진 수익화 모델

모든 자율주행차는 데이터 수집 기계다. 차량 데이터를 누가 소유하며, 로보택시 경쟁 이면에 숨겨진 수익화 모델은 무엇인가?

AV 데이터 플라이휠 비교 — 테슬라의 양 대 웨이모의 질과 AI 훈련 경쟁

테슬라는 수십억 마일의 감독 주행 데이터를 보유하고, 웨이모는 수천만 마일의 완전 무인 주행 데이터를 보유한다. AI 훈련 경쟁을 제패하는 것은 어느 쪽인가?

AV 데이터 플라이휠 — Tesla 600만대 vs Waymo 완전 무인 주행 품질 우위

Tesla는 양을 수집하고, Waymo는 질을 추구한다. 2028년까지 더 나은 자율주행 시스템을 구축하는 데이터 플라이휠은 어느 쪽인가? AV 투자자 필독 구조적 경쟁력 비교.

자율주행차 긴급차량 상호작용 — 로보택시가 경찰차, 구급차, 소방차를 처리하는 방법

사이렌 감지, 소방차에 양보, 경찰 수신호 읽기 — 긴급차량 상호작용은 AV의 가장 어려운 엣지 케이스 중 하나이며 실제 규제 조치를 촉발시켰다.

AV 재정 지속 가능성 — 번 레이트, 자금 런웨이, 그리고 피지컬 AI 램프를 완성할 수 있는 기업

Waymo, Tesla, Aurora 등 주요 자율주행 프로그램의 번 레이트, 자금 런웨이, 유닛 이코노믹스를 분석해 피지컬 AI 램프를 완성할 수 있는 기업을 파악한다.