전체 뉴스

2026.10.15

일정 초안에서 빠진 준비물 찾기 — AI 문서 업무 연습

전체 요약

이번 연습은 회의나 행사 일정 초안을 AI 대화 도구에 입력하고, 빠져 있을 수 있는 준비물을 찾아내는 과정입니다. 이 연습에서는 외부 계정이나 파일을 연결하지 않고, 화면에 직접 붙여넣은 가상 자료만 사용합니다.

2026.10.15

Amazon’s Bee launches two new personal AI devices, starting at $75

전체 요약

아마존의 Bee가 새로운 AI 기기 2종을 선보였습니다. 웨어러블 기기와 스마트폰에 부착하는 카드형 녹음기가 있으며, 가격은 7만5천원부터 시작합니다. 이 기기들은 대화 요약, 할 일 목록 작성, 알렉사와 연동, 아마존 쇼핑 기능 등을 제공합니다.

2026.10.15

AI 에이전트와 함께 웹 사이트를 개편 및 측정하기

전체 요약

1인 운영자가 AI 에이전트(Claude)를 활용해 개인 웹진 사이트를 직접 개편하고 운영하는 과정을 소개합니다. 메뉴 재배치, 화면 동선 개선, 기사 발행, 검색 노출 점검, 방문자 통계 설치 등 다양한 작업을 대화만으로 진행했습니다. 웹사이트 운영 경험이 없는 사람도 AI 에이전트의 도움으로 가능하며, 앞으로는 쌓인 데이터를 바탕으로 웹사이트를 개선해나갈 계획입니다.

2026.10.15

TheoPhysEval: Assessing AI agents at autonomous theoretical physics solving

전체 요약

연구팀이 AI 에이전트의 이론물리학 문제 해결 능력을 평가하는 새로운 방법인 'TheoPhysEval'을 제시했습니다. AI가 복잡한 물리 법칙을 이해하고 적용하는 능력을 측정하기 위해, 실제 연구자들이 사용하는 문제들을 활용했습니다. 현재까지의 결과는 AI가 기본적인 문제 해결 능력은 보이지만, 창의적인 문제 해결에는 어려움이 있는 것으로 나타났습니다. 원문에 구체적 데이터 미제시

2026.10.15

비드래프트, 추론 전용 NPU로 언어모델 사전학습 성공…GPU 의존도 낮춘다

전체 요약

AI 기업 비드래프트가 엔비디아 GPU 없이 자체 개발한 추론 전용 NPU만으로 소형 언어모델을 학습하는 데 성공했습니다. 'VKORE-46M-NPU' 모델은 허깅페이스를 통해 공개되었으며, 기존 NPU의 한계를 극복했습니다. NPU는 시험 볼 때 머리 굴리는 시간처럼 AI 모델의 추론 작업을 담당하는데, 비드래프트는 이 NPU로 모델을 처음부터 학습하는 데 성공했습니다.

2026.10.15

137B A6.8B model from Microsoft?

전체 요약

마이크로소프트가 컴퓨터 성능에 부담 없이 로컬(내 컴퓨터)에서 돌릴 수 있는 AI 코딩 모델을 공개했습니다. 이 모델은 MAI Code 1.1 Flash로, 총 1370억 개의 학습 지식(매개변수) 중 6.8억 개를 활성화하여 코딩 작업을 돕습니다. GitHub 저장소를 통해 관련 정보와 도구를 확인할 수 있으며, 사용자 jacek2023이 관련 내용을 공유했습니다.

2026.10.15

Which Metadata Matters for LLM Tool Selection in MCP? Evidence from Controlled Factor-Level Interventions

전체 요약

AI 모델이 도구를 고를 때, 도구의 이름이나 설명보다 '매개변수 스키마(도구 입력 항목 구성 방식)'가 더 중요하게 작용합니다. 연구팀은 5개의 AI 모델과 5가지 작업 환경에서 메타데이터를 바꿔가며 실험했습니다. 그 결과, 입력 항목 구성 방식이 바뀌면 AI 모델의 도구 선택이 크게 달라졌고, 입력 항목 설명을 잘 작성하면 도구 선택에 긍정적인 영향을 미쳤습니다. 특히, 특정 요구사항을 만족하는 스키마가 하나뿐이면 AI 모델은 그 도구를 선택합니다.

2026.10.15

Frustratingly Easy Agentic RAG via Portable Skills: A Case Study in Customer Support

전체 요약

기업에서 고객 응대 업무를 할 때, 관련 정보를 정확하게 찾아야 합니다. 이 연구는 복잡한 시스템 대신, 간단한 AI 조력 서비스(에이전트)를 만들어 고객 응대 업무를 돕는 방법을 소개합니다. 연구팀은 실제 고객 응대 데이터를 바탕으로 테스트한 결과, AI가 사람이 승인한 답변과 99.2%의 정확도를 보였고, 필요한 증거도 83.3% 충족했습니다. 다만, 기존 시스템보다 처리 속도는 약 90초로 느렸습니다.

2026.10.15

Measuring the Inference Energy Efficiency of Open-Weight LLMs across Benchmarks, Reasoning Modes, and Hardware

전체 요약

AI 모델의 성능을 보여주는 점수 외에 에너지 사용량도 중요합니다. 연구진은 오픈소스 AI 모델 86개를 다양한 벤치마크(성능 테스트)와 하드웨어(컴퓨터 부품)에서 테스트하며 에너지 효율을 측정했습니다. 모델별로 에너지 효율 차이가 크고, 생각하는 기능(추론)을 켜면 에너지 사용량이 평균 3.7배 늘어났습니다. 토큰 수(글 조각 수)는 에너지 사용량을 정확히 나타내지 못하며, FP8 기술을 쓰면 에너지를 약 25% 줄일 수 있습니다.

2026.10.15

The AI race is back on

전체 요약

AI 업계의 판도가 바뀌었습니다. 지난주까지는 Anthropic과 OpenAI가 앞서나갔지만, Google과 Meta가 강력한 AI 모델을 공개하며 경쟁에 뛰어들었습니다. Meta는 AI 부활을 위해 큰 돈을 투자했고, 중국의 모델들도 만회하는 듯했지만, Google과 Meta의 모델은 OpenAI와 Anthropic에 비견될 만합니다. 이제 AI 경쟁은 더욱 치열해질 것으로 보입니다.