Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Lobste.rsAI 번역헤드라인
Sidekick: 수십 개의 에이전트가 코드를 재작성하는 동안에도 Neovim을 계속 사용하는 방법
다수의 AI 에이전트가 코드베이스를 동시에 수정하는 환경에서도 Neovim 사용자가 작업 흐름을 유지할 수 있도록 돕는 Sidekick 도구를 소개합니다. Sidekick은 Neovim 외부에서 작동하며 에이전트의 코드 재작성 중에도 작업 환경의 안정성을 보장합니다.
5월 27일1
Lobste.rsAI 번역헤드라인
프로토타입 개발 의도: Embedding API
Chrome의 온디바이스 AI 인프라를 활용하여 브라우저 내에서 직접 임베딩을 생성하는 새로운 Web Platform API를 제안합니다. 이 API는 클라우드 API의 비용과 지연 시간, DIY 방식의 리소스 낭비 문제를 동시에 해결하며 시맨틱 검색과 RAG 기능을 강화합니다.
5월 26일1
Lobste.rsAI 번역헤드라인
AI에서의 Open/Closed 문제
MLSys 컨퍼런스 경험을 바탕으로 AI 시스템의 발전 과정을 Open/Closed 문제 관점에서 분석합니다. 하드웨어의 범용성과 특수성 사이의 순환, 그리고 모델 학습과 추론의 분리 문제를 다룹니다.
5월 25일1
Lobste.rsAI 번역헤드라인
네트워크 허용 목록(Allow-List)만으로는 데이터 유출을 막을 수 없다
네트워크 도메인 허용 목록(Allow-list) 방식의 샌드박스가 가진 보안 사각지대를 경고합니다. 승인된 도메인이나 DNS 채널을 통해 민감한 데이터가 유출될 수 있는 공급망 공격의 위험성을 설명합니다.
5월 24일2
Lobste.rsAI 번역헤드라인
Open weights 모델이 조용히 좁혀지고 있으며, 이는 문제입니다
Open weights 모델이 프런티어 모델 시장에 미치는 경제적 영향과 중요성을 분석합니다. 개인정보 보호, 유연성, 비용 효율성을 강점으로 하는 개방형 모델이 폐쇄형 모델 시장의 가격 경쟁을 유도하는 핵심 요소임을 설명합니다.
5월 22일1
Lobste.rsAI 번역헤드라인
jlearn: J 언어로 작성된 머신러닝 라이브러리
J 언어를 기반으로 구현된 머신러닝 라이브러리인 jlearn을 소개합니다. MLP, K-Means, KNN 등 다양한 알고리즘을 제공하며, 모델 직렬화 기능을 지원합니다.
5월 22일1
Lobste.rsAI 번역헤드라인
ThunderKittens 해부: 고성능 AI 커널을 위한 컴팩트한 DSL의 구조
ThunderKittens는 고성능 AI 커널 작성을 위해 설계된 임베디드 DSL로, 하드웨어 제어와 프로그래밍 추상화 사이의 균형을 제공합니다. CUDA의 복잡성을 줄이면서도 타일 레이아웃과 공유 메모리 관리를 효율적으로 수행하여 최적의 GPU 성능을 끌어냅니다.
5월 22일1
Lobste.rsAI 번역헤드라인
OpenMythos: Claude Mythos 아키텍처에 대한 이론적 재구성 (연구 문헌 기반)
OpenMythos는 Claude Mythos 아키텍처를 이론적으로 재구성한 오픈 소스 구현체입니다. 순환 깊이 트랜스포머(RDT) 구조와 희소 MoE를 활용하여 연산 적응형 및 가변 깊이 추론을 구현합니다.
5월 22일1
Lobste.rsAI 번역헤드라인
10년간의 탐지 로직 작성 경험이 Mythos Exploit 수치를 덜 두렵게 만드는 이유
Anthropic의 Mythos 모델이 보여주는 취약점 탐지 속도에 대한 우려를 다루며, 탐지 엔지니어의 관점에서 행동 기반 탐지의 중요성을 강조합니다. 개별 익스플로잇에 의존하기보다 공격자의 동작 패턴을 파악하는 것이 방어의 핵심임을 설명합니다.
5월 22일1
Lobste.rsAI 번역헤드라인
microgpt를 Futhark로 포팅하기, 제1부
Andrej Karpathy의 microgpt를 데이터 병렬 언어인 Futhark로 포팅하는 과정을 다룹니다. Python 구현의 확장성 한계를 극복하기 위해 Futhark의 병렬 프리미티브를 활용하여 순전파(forward pass)를 구현하는 방법을 소개합니다.
5월 22일1
Lobste.rsAI 번역헤드라인
Wireloom: UI 와이어프레임을 위한 Markdown 확장 도구
Wireloom은 텍en 기반의 Markdown 확장 도구로, 들여쓰기된 텍스트를 깔끔한 SVG 와이어프레임으로 변환해줍니다. GitHub, Notion 등 Markdown을 지원하는 환경에서 UI 목업을 즉시 렌더링할 수 있어 AI 에이전트와 개발자 모두에게 유용합니다.
5월 22일1
Lobste.rsAI 번역헤드라인
Aurora: 직사각형 행렬을 위한 레버리지 인지 최적화 도구 (Leverage-Aware Optimizer)
Muon 최적화 도구의 행 노름 이방성 문제를 해결하기 위해 제안된 Aurora 최적화 도구에 관한 연구입니다. 행 노름 균일성과 직교성을 동시에 유지하는 최급 강하 문제를 해결하여 1.1B 모델 학습 시 100배의 데이터 효율성을 달성했습니다.
5월 22일1
Lobste.rsAI 번역헤드라인
Transformer 아키텍처의 결정화 (2017-2025)
2017년부터 2025년까지 Transformer 아키텍처가 어떻게 표준 스택으로 수렴했는지 분석합니다. RMSNorm, RoPE, SwiGLU, GQA 등 현대 LLM의 핵심 구성 요소와 그 선택 배경을 다룹니다.
5월 22일1
Lobste.rsAI 번역헤드라인
sectorllm: 1500 바이트 미만의 x86 어셈블리로 구현한 llama2 추론
1189 바이트의 x86 어셈블리 코드로 구현된 초소형 Llama2 추론 엔진 sectorllm을 소개합니다. OS 없이 부팅하여 양자화된 모델을 직접 실행하며, 코드 크기 최소화(golfing)를 목표로 설계되었습니다.
5월 22일1
Lobste.rsAI 번역헤드라인
Google의 Prompt API
Google이 Gemini Nano 모델과 상호작용하기 위한 Prompt API를 출시했으나, 웹 표준 절차를 무시하고 특정 기업의 정책에 종속된 설계를 강행했다는 비판을 받고 있습니다. 이 API는 현재 Chrome 환경에서 Gemini Nano를 사용하기 위한 용도로 구현되었습니다.
5월 22일1
Lobste.rsAI 번역헤드라인
nanoGPT 스피드런을 위한 자율적 AI 연구
Codex와 Claude Code 에이전트를 활용하여 nanoGPT 스피드런 최적화 과정을 자율적으로 수행한 연구 결과입니다. 에이전트들이 인간의 기록을 경신하며 하이퍼파라미터 탐색에 능숙함을 보였으나, 새로운 아이디어 창출에는 한계가 있음을 확인했습니다.
5월 22일1
Lobste.rsAI 번역헤드라인
여러분이 직접 하지 않도록 제가 TurboQuant의 수학적 원리에 31시간을 투자했습니다
TurboQuant의 수학적 원리와 PolarQuant 기술을 심층 분석합니다. PolarQuant는 극좌 변환과 재귀 알고리즘을 통해 KV 캐시를 4.2배 이상 압축하여 긴 문맥 처리 효율을 높이는 새로운 양자화 방법론을 제시합니다.
5월 22일1
Lobste.rsAI 번역헤드라인
트랜스포머는 본질적으로 간결함
본 논문은 개념을 설명하는 모델로서 트랜스포머가 가진 표현력을 측정하기 위해 '간결성(succinctness)'이라는 지표를 제안합니다. 연구진은 트랜스포머가 유한 오토마타나 LTL 공식 같은 표준 형식 언어보다 훨씬 간결하게 형식 언어를 표현할 수 있음을 증명했습니다. 이로 인해, 트랜스포머의 속성을 검증하는 문제는 계산적으로 매우 어려운(EXPSPACE-complete) 문제임이 밝혀졌습니다.
4월 27일3
Lobste.rs중요헤드라인
Mamba: 선택적 상태 공간을 활용한 선형 시간 시퀀스 모델링
Mamba는 기존 Transformer의 $O(L^2)$ 복잡도를 해결하고, 긴 시퀀스 데이터 처리에 최적화된 새로운 아키텍처입니다. 핵심은 '선택적 상태 공간 모델 (Selective State Space)'을 도입하여 메모리 효율성과 계산 속도를 혁신적으로 개선했다는 점입니다. 이를 통해 Transformer 대비 훨씬 빠르면서도 높은 성능을 보여주며, 특히 대규모 언어 모델(LLM)의 시퀀스 처리 능력을 한 단계 끌어올릴 잠재력을 제시합니다.
4월 23일5
Lobste.rs중요헤드라인
LLM 애플리케이션 평가 파이프라인 구축 도구, Pipevals 소개
Pipevals는 개발자가 별도의 인프라나 복잡한 코딩 없이도 모든 종류의 LLM 애플리케이션을 평가할 수 있도록 설계된 통합 파이프라인 빌더입니다. 기존 스택에 단일 API 호출만 추가하여 모델 응답 전체를 평가하고, 시각적인 캔버스에서 데이터 흐름(모델 호출, 데이터 변형, 점수 측정 등)을 쉽게 구성할 수 있습니다. 이 플랫폼은 실행 실패에도 견디는 내구성 있는 엔진과 자동화된 지표 대시보드를 제공하여, AI 시스템의 품질 변화 추이를 체계적으로 모니터링하고 모델 간 비교 평가(Model A/B Comparison)를 수행하는
4월 23일4