Live · 오전 10:00 슬롯
2026년 5월 26일 화,
frontline 정리.
AI 5건 · 일반 4건
전체 슬롯발행 5월 26일 AM 10:10
AI 5건 · 일반 4건
바티칸이 AI 시대 인간 존엄성 보호를 위한 교황 훈령 'Magnifica Humanitas'를 발표했다. 이는 AI 기술의 사회 통합 윤리에 대한 명확한 지침을 제시한다. 1891년 'Rerum novarum'으로 산업혁명 시대 사회 문제를 다룬 레오 13세의 정신을 잇는다. 교황 레오 14세는 현대 AI 시대의 윤리적 과제를 해결하고자 하는 의지를 표명한다.
Hugging Face TRL 버전 1.5.0이 출시됐다. 이 버전에서는 새로운 모델 템플릿과 Async GRPO 트레이너의 로짓 소프트 캡핑 지원이 추가됐다. 또한 KTO와 DPO의 정렬이 계속 진행 중이다. 트레이너 텔레메트리 기능도 추가되어 사용자 트레이너의 사용 패턴을 분석할 수 있다. 이 버전은 모델 개발과 트레이닝에 큰 영향을 미칠 것이다.
MAS-Orchestra는 멀티 에이전트 시스템의 성능을 향상시키기 위한 프레임워크다. 기존의 멀티 에이전트 시스템은 제한적이었지만, MAS-Orchestra는 홀리스틱 오케스트레이션과 제어된 벤치마크를 통해 시스템의 성능을 개선한다. 이 프레임워크는 에이전트를 함수로 추상화하여 시스템의 구조를 이해하고, 내부 실행 세부 사항을 숨긴다. 이를 통해 개발자는 멀티 에이전트 시스템의 성능을 향상시키고, 시스템의 구조를 더 잘 이해할 수 있다. MAS-Orchestra는 멀티 에이전트 시스템의 발전에 기여할 수 있다. MAS-Orchestra는 시스템의 성능을 평가하고 개선하는 데 도움이 된다.
딥마인드의 CEO 데미스 하사비스는 최근 인공지능 분야에서 여러 가지 혁신적인 성과를 이루어냈다. 이러한 성과는 인공지능의 가능성을 넓히고 있다. 특히, 인공지능의 학습 능력과 문제 해결 능력의 향상을 통해 다양한 분야에서 활용될 수 있다. 이러한 기술은 의료, 금융, 교육 등 다양한 분야에서 혁신을 가져올 수 있다. 인공지능의 발전은 우리의 삶을 더 편리하고 효율적으로 만들 것이다. 인공지능 기술은 지속적으로 발전하고 있다. 이러한 기술의 발전은 우리의 미래를 더 밝게 할 것이다.
음성 LLM의 취약점을 평가하기 위해 고안된 가스라이팅 공격이 소개된다. 이는 모델의 추론을 오도, 무효화 또는 왜곡하도록 전략적으로 설계된 프롬프트다. 앙거, 인지 혼란, 빈정거림, 암시, 전문적 부정 등 5가지 조작 전략을 구축해 다양한 작업에서 모델 견고성을 테스트한다. 음성 LLM이 증가함에 따라, 이러한 조작에 대한 견고성 확보가 중요해진다.
React Native 0.86.0-rc.2가 릴리즈되었다. Android에서는 Pressable 컴포넌트의 android_ripple이 PlatformColor를 지원하여 UI 표현력을 확장한다. iOS 빌드에서는 Hermes 프리빌트 바이너리 캐싱을 도입해 빌드 속도를 개선하며, CocoaPods 관련 버그를 수정하여 빌드 안정성을 높였다. 이번 릴리즈는 개발 생산성 향상과 안정성 강화에 초점을 맞춘다.
Claude가 발견한 CVE-2026-28952 취약점은 Apple macOS 26.5 커널에 영향을 미친다. 이는 보안 취약점으로, 해커가 시스템을 침해할 수 있는 가능성이 있다. Apple은 이 취약점을 해결하기 위해 패치를 제공하고 있다. 이 문제는 macOS 사용자들에게 중요한 보안 문제로 간주된다. Claude의 발견은 보안 취약점을 식별하고 해결하는 데 중요한 역할을 한다. 이 커널 취약점은 시스템의 안정성과 보안을 위협할 수 있다.
Haskell 언어를 AWS Lambda에서 사용하는 예시 프로젝트가 공개됐다. 이 프로젝트는 Haskell 코드를 OCI 컨테이너 이미지로 빌드하여 AWS Lambda에 배포하는 방법을 보여준다. 또한, OpenTofu 워크스페이스를 사용하여 AWS 리소스를 프로비저닝하는 예시도 포함되어 있다. 이 프로젝트는 Haskell 개발자들이 AWS Lambda를 사용하여 서버리스 애플리케이션을 개발하는 데 도움이 될 수 있다. 이 프로젝트의 코드는 깃허브에서 확인할 수 있다. 이 프로젝트는 Haskell 개발자들에게 AWS Lambda를 사용하는 방법을 보여주는 좋은 예시이다.
오픈 소스 프로젝트는 LLM이 작성한 코드 기여와 사람의 기여를 구분하기 어렵다는 문제에 직면한다. Dillo 프로젝트는 이를 해결하기 위해 Asciinema 녹화본을 활용하는 방안을 제안한다. Asciinema는 사용자의 코딩 세션을 텍스트 기반으로 기록하며, 이는 일반적인 코드만으로는 파악하기 어려운 인간적인 개발 과정의 '본질'을 담는다. 이 방식은 LLM 생성 코드를 식별하는 데 도움을 줄 수 있다.