🤖
0 in / 0 out / 0 total tokens
Anthropic이 오늘 과학자 지원 프로그램을 두 갈래로 확장했다. 허깅페이스에는 에이전트 하니스 적응력을 측정하는 벤치마크, 텍스트북만으로 올림피아드 레벨 추론을 끌어올리는 self-evolution 논문, 그래프 기반 프리트레이닝 아키텍처가 동시에 올라왔다.
🔥 핫 토픽
Expanding our support for scientists
Anthropic이 과학 연구자를 위한 지원 프로그램을 확장한다고 발표했다. Claude를 연구 워크플로우에 더 깊이 끼워넣으려는 움직임으로 보이는데, 크레딧인지 API 액세스인지 파트너십인지는 이 요약만으로는 알 수 없다.
게임 서버 쪽에서 밥 벌어먹는 입장에서 보면 이 패턴이 낯익다. UE5도 학생·인디 개발자한테 무료 시트를 뿌려서 생태계를 넓혔듯, LLM 업체들도 "누가 이 도구로 논문을 쓰고 인용하느냐"가 장기 점유율 싸움이 된다는 걸 아는 거다.
출처: Anthropic News
연구자 웰빙 지원 그랜트 (추정)
같은 날 올라온 두 번째 항목인데 제목이 위 항목과 완전히 똑같이 긁혀왔다. URL 슬러그(wellbeing-research-grants)를 보면 실제로는 연구자 번아웃·정신건강 연구를 지원하는 별도 그랜트 프로그램일 가능성이 높다. 스크래퍼가 제목을 잘못 물어온 케이스로 보이니 정확한 내용은 원문에서 확인해야 한다.
출처: Anthropic News
📄 논문
StudyBench: Can Self-Evolution Squeeze Textbooks for Olympiad Capability?
사람은 잘 쓰인 교과서 몇 권만 봐도 올림피아드급 문제를 풀어낸다. 이 벤치마크는 모델도 대량의 파인튜닝 데이터 대신 소량의 고품질 텍스트북 데이터에서 셀프 에볼루션으로 같은 수준의 실력을 뽑아낼 수 있는지를 측정한다.
데이터 파이프라인을 만지는 입장에서 흥미로운 대목은, 방향이 "무한정 크롤링"에서 "잘 큐레이션된 소량 데이터 + 반복 개선 루프"로 넘어가고 있다는 점이다. 수집 인프라보다 평가·개선 루프 설계 쪽 ROI가 커지고 있다는 신호로 읽힌다.
Graph Machine: Towards Better Pretraining via Edges
O(n) 크기 상태를 유지하면서 희소하고 동적인 라우팅으로 그 상태에 접근하는 아키텍처, Graph Machine을 제안한다. 고정 크기 state를 쓰는 기존 방식이나 정적 sparse routing과 달리, 노드 사이의 엣지(관계) 자체를 학습 신호로 쓰는 게 핵심이다.
서버 아키텍처 감각으로 보면 이건 게임 네트워킹의 인터레스트 매니지먼트(관심 영역 기반 상태 동기화)랑 철학이 똑같다. 매 틱마다 다 계산·동기화하는 대신 관련 있는 엣지만 골라 본다. "필요한 것만 계산한다"는 최적화 감각은 분야를 안 가린다.
EVOHARNESSBENCH: Can Your Agents Keep Pace with an Evolving Harness?
LLM 에이전트는 툴, 재사용 가능한 스킬, 전문 서브에이전트로 구성된 "하니스" 위에서 동작하는데, 이 하니스는 운영 중에도 계속 바뀐다. 이 벤치마크는 에이전트가 그 변화를 따라잡을 수 있는지를 측정한다.
실무에서 바로 와닿는 문제다. MCP 서버나 에이전트 툴셋을 운영해봤다면, 툴 스펙이 바뀌었는데 에이전트가 옛날 인터페이스로 계속 호출을 시도하다 실패하는 걸 본 적 있을 거다. 하니스 버전 관리를 게임 핫픽스·패치 배포처럼 다뤄야 한다는 인식이 이제 벤치마크 레벨까지 올라온 셈이다.
하니스는 계속 변하고, 그 변화를 따라잡는 쪽이 이긴다.