지난 소식

2026.11.05

이날 수집한 AI·테크 소식을 분야별로 다시 볼 수 있습니다. 제목을 누르면 원문으로 이동합니다.

2026.11.05 요약

오늘의 AI 산업은 규제 리스크에 따른 인프라 전략 변화와 더불어, 모델의 효율적 운영을 위한 라우팅 및 최적화 기술이 핵심 화두로 떠올랐습니다. AI 에이전트가 실무 자동화와 보안 샌드박스 기술을 통해 독립적인 실행 환경으로 진화하고 있으며, 코딩 성능을 높이는 새로운 모델들과 벤치마크 경쟁도 활발히 진행되었습니다.

AI 에이전트 기술이 단순 보조를 넘어 보안 샌드박스와 실무 자동화(결제, 마케팅 등)를 포함한 독립적 실행 환경으로 확장되고 있습니다.
모델의 성능 최적화를 위해 가중치를 직접 수정하거나 작업에 적합한 모델을 동적으로 선택하는 라우팅 및 압축 기술이 중요해졌습니다.
정치적 규제 변화에 따른 데이터 센터 및 에너지 관리 이슈가 부상하는 가운데, 코딩 및 멀티모달 성능을 겨루는 신규 모델들이 주목받고 있습니다.

Reuters

US bank regulator issues first-ever AI guidance for examiners - Reuters

미국 금융 감독 당국이 금융기관의 AI 도입에 따른 리스크를 관리하기 위해 검사관(Examiner)을 위한 최초의 AI 가이드라인을 발표했습니다. 이는 금융권의 AI 도입 가속화에 대응하여 규제 당국이 기술적 검증 역량을 확보하려는 움직임입니다.

Politico

‘AI earthquake’: Democrats eye a Silicon Valley reckoning - Politico

미 민주당이 실리콘밸리의 AI 기술 독점과 그로 인한 사회적 부작용을 규제하기 위한 강력한 정책적 움직임을 예고하고 있습니다. 이는 단순한 윤리적 가이드를 넘어, 거대 기술 기업(Big Tech)의 영향력을 제어하려는 정치적·제도적 개입의 시작을 의미합니다.

Time Magazine

The Winners and Losers of AI's First Big Election - Time Magazine

미국 선거 결과, AI 산업의 무분별한 확장을 지지하는 '가속주의(Accelerationism)' 세력이 막대한 자금 투입에도 불구하고 유권자들의 강력한 반대에 부딪히며 참패했습니다. 유권자들은 AI 기술 자체보다 데이터 센터 건설로 인한 에너지 비용 상승, 소음, 환경 문제 등 실질적인 지역 사회의 피해를 더 큰 위협으로 인식하며 '안전 우선(Pro-safety)' 후보들에게 힘을 실었습니다.

WSJ

Exclusive | CrowdStrike to Buy Two AI Security Startups for $495 Million - WSJ

CrowdStrike가 AI 보안 역량 강화를 위해 두 개의 AI 보안 스타트업을 총 4억 9,500만 달러(약 6,800억 원)에 인수할 계획입니다. 이번 인수는 생성형 AI 시대의 위협에 대응하기 위한 전략적 자산 확보를 목적으로 합니다.

Axios

Exclusive: Meta buys AI startup, joins race to own coding in show of outsized ambition - Axios

WTF Ubuntu?

심각한 커널 취약점 CVE-2026-98432에 대한 Ubuntu의 패치 지연이 커뮤니티의 거센 비판을 받고 있습니다. 보안 구독 모델을 운영하는 기업형 배포판이 커뮤니티 기반 배포판보다 대응이 늦다는 점이 신뢰도 위기로 번지고 있습니다.

나머지 19건 펼쳐보기

Ripple-65B Preview, 65B dense LLM trained from scratch

팔로알토 소재 기업이 3,200만 달러를 투입하여 처음부터 학습시킨 65B 규모의 밀집(dense) LLM인 Ripple-65B를 공개했습니다. 이 기업은 장기적으로 칩 설계 분야에도 집중할 계획입니다.

We Made $74K Redesigning Websites in October

웹 디자인 회사를 운영하는 작성자가 가격 전략과 영업 방식의 변화를 통해 월 매출을 2만 달러에서 7만 4천 달러로 대폭 끌어올린 성공 사례를 공유했습니다. 고객 수를 늘리는 대신 가치 중심의 고가 전략과 AI를 활용한 맞춤형 제안 방식을 도입한 것이 핵심입니다.

Custom engine epidemic: an idea on how anyone could benefit (or how to gently stop it)

특정 하드웨어에만 최적화된 파편화된 커스텀 엔진 개발 현상을 해결하기 위해, 이를 모듈화하여 재사용 가능한 데이터베이스로 만드는 아이디어가 제안되었습니다. 개별 엔진의 핵심 기술을 추출하여 저장함으로써 누구나 자신의 환경에 맞는 최적의 추론 엔진을 쉽게 구축할 수 있는 생태계를 지향합니다.

ai has been stuck in software. what would ai native hardware actually need to be?

AI 기술이 소프트웨어에만 머물러 있다는 점을 지적하며, 진정한 AI 네이티브 하드웨어의 형태와 인터페이스에 대한 의문을 제기하는 글입니다. 과거 GUI나 터치스크린처럼 하드웨어와 소프트웨어가 결합된 혁신이 AI 시대에도 재현될 수 있을지 논의를 유도하고 있습니다.

AI 연구

Route Anything: A Study of Model and Policy Routing for General-Purpose AI Systems

AGI 구현을 위해 단일 모델 대신 다양한 전문 모델과 도구를 결합하는 방식이 주목받고 있습니다. 하지만 작업별로 최적의 후보를 동적으로 선택하면서 성능과 비용 사이의 균형을 맞추는 것은 매우 어려운 문제입니다. 본 논문은 범용 AI 시스템을 위한 모델 및 정책 라우팅 연구 프레임워크인 'Route Anything'을 제안합니다. 연구진은 25개 벤치마크와 45만 개 이상의 실행 데이터를 포함하는 옴니모달 궤적 매트릭스를 구축하여 이론적 토대를 마련했습니다. 실험 결과, 학습된 라우터는 고정된 단일 모델보다 높은 성능을 보이면서도 평균 8.82배의 효율성 향상을 달성했습니다.

AI 연구

Words Caught in the Heart: Simulating Person-Specific Expression for Self-Opaque Clients in Psychotherapy

기존 LLM 기반 심리치료 시뮬레이터는 정돈된 사례 설명에 의존하여, 실제 내담자가 겪는 모호하고 감정적인 발화 특성을 재현하는 데 한계가 있었습니다. 본 논문은 심리적 경험이 개별적인 표현으로 구체화되는 과정을 모델링하는 Pandora 프레임워크를 제안합니다. Pandora는 치료사의 개입에 따라 심리적/관계적 상태를 업데이트하고, 주관적 평가와 전략을 수립한 뒤, 별도의 표현 플래너(Expression Planner)를 통해 내담자 특유의 언어 패턴을 결합합니다. 115개의 사례를 활용한 실험 결과, 제안 모델은 기존 베이스라인 대비 높은 표현 유사도와 정보 공개 정렬 점수를 기록했습니다. 특히 표현 계획 단계가 포함될 때 AI 특유의 정형화된 말투가 크게 감소하며 실제 인간과 유사한 발화 양상을 보였습니다.

AI 연구

Think Less, Locally: Local Preference Learning for Reasoning Compression

최근 대형 추론 모델은 강력한 성능을 보이지만, 이미 충분한 정보가 확보된 후에도 계속되는 긴 Chain-of-Thought로 인해 과도한 추론 비용이 발생합니다. 기존의 추론 압축 방식은 전체 경로를 줄이는 데 집중할 뿐, 현재 상태에서 추가 추론이 필요한지에 대한 국소적 판단에는 소홀했습니다. 본 논문은 모델 스스로 과잉 추론 상태를 감지하고, 동일 지점에서 더 짧고 검증된 답변을 생성하여 DPO로 학습하는 LoCo 방식을 제안합니다. 이를 통해 모델은 단순히 짧은 답변을 만드는 것이 아니라, 언제 추론을 지속하고 언제 종료할지를 학습하게 됩니다. 실험 결과, 수학 및 코드 생성 벤치마크에서 정확도를 유지하거나 향상시키면서도 생성 길이를 대폭 단축하는 성과를 거두었습니다.

AI 연구

MoviEdit: Long-form Multi-Shot Video Editing Made Easy

기존의 단일샷 편집 방식은 장면, 시점, 피사체 변화가 빈번한 장편 멀티샷 영상에서 일관성을 유지하기 어렵다는 문제가 있습니다. 이를 해결하기 위해 데이터 생성, 모델링, 평가를 통합적으로 다루는 MoviEdit 프레임워크를 제안합니다. 데이터 측면에서는 수동 작업 없이 87K개의 쌍을 생성하는 자동화 파이프라인을 구축했습니다. 모델 구조는 압축된 표현에서 전역적 일관성을 잡는 경량 양방향 단계와, 이를 전체 영상으로 전파 및 정교화하는 자기회귀(autoregressive) 단계로 구성됩니다. 실험 결과, MoviEdit는 기존 오픈소스 모델을 압도하며 업계 최고 수준의 성능을 보여주었습니다.

AI 연구

Behind Video Generation: Observations and Insights on Multimodal Understanding from Kling

비디오 생성 기술이 단순 렌더링을 넘어 의미적 제어(Semantic Control) 단계로 진화함에 따라, 생성 품질을 결정하는 멀티모달 이해 역량이 중요해졌습니다. 본 보고서는 Kling 모델 개발 과정에서 얻은 통찰을 바탕으로 데이터, 정렬, 평가로 이어지는 전체 체인을 분석합니다. 핵심은 다양한 입력을 통합하는 Kling-MLLM을 기반으로, 캡셔닝을 고밀도 의미 계약으로 정의하고 에이전트 기반 프롬프트 강화(PE)를 통해 사용자 의도를 정교화하는 것입니다. 또한, 텍스트 인코더는 언어 능력보다 지각적 학습(Perceptual Training)이 중요하며, 보상 모델링은 설명 가능한 비판과 빠른 스코어링을 분리하여 설계해야 함을 보여줍니다. 이러한 체계적 접근은 제어 가능한 비디오 생성을 위한 실질적인 가이드를 제공합니다.