이 글은 AI 검수에서 통과하지 못했습니다 (점수: 55/100)
⚠️ 비어있는 섹션이 있다 🚫 죽은 링크: https://openai.com/index/put-data-to-work (403) 🚫 죽은 링크: https://openai.com/index/expanding-ai-access-us-government (403)
링크 오류, 품질 미달 등의 사유로 자동 분류된 글입니다.
🤖
0 in / 0 out / 0 total tokens
오늘 피드에서 제일 눈에 걸린 건 GPT-6 루머가 아니라 "루프 트랜스포머"라는 아이디어다. 나머지는 OpenAI가 기업/정부 쪽으로 발 넓히는 소식 두 개, 압축 센싱 논문 한 편, 그리고 왜 여기 있는지 모르겠는 AirPods 뉴스 하나다.
🔥 핫 토픽
GPT-6 Astra, looped transformers, and hidden reasoning
Sebastian Raschka가 정리한 글인데, 핵심은 같은 트랜스포머 블록을 여러 번 재귀적으로 통과시켜서 파라미터 수를 늘리지 않고도 추론 능력을 끌어올린다는 구조다. 게임 엔진에서 물리 솔버 iteration count 늘리는 것과 그림이 똑같다. 정확도가 필요하면 같은 연산을 몇 번 더 돌리고, 실시간성이 중요하면 줄이는 식이다. 학습 비용은 고정해두고 추론 시점 계산량으로 성능을 사는 방식이라 인프라 스케일링 감각으로는 오히려 다루기 편한 축인데, "hidden reasoning"이라는 표현대로 내부에서 뭘 몇 번 돌렸는지 로그로 안 남으면 프로덕션에서 디버깅할 때 골치 아플 것 같다.
출처: Hacker News
📰 뉴스
Now everyone can put data to work
ChatGPT Work에 Data agent가 붙었다. 회사 데이터 연결하고 자연어로 대시보드까지 뽑아준다는데, 이런 종류의 "자연어로 데이터 붙이기" 기능은 데모에서는 항상 완벽하고 실제 지저분한 스키마를 물리면 절반은 헛소리를 낸다는 걸 몇 번 겪어봤다. 그래도 비개발자가 SQL 없이 데이터에 접근하는 진입장벽을 낮추는 방향 자체는 맞다고 본다. 사이드프로젝트에서 로그 분석용으로 붙여볼 만은 한데, 회사 데이터 붙이기 전에 권한 스코프부터 확인해야 할 것 같다.
출처: OpenAI Blog
Expanding AI access and cyber defense for federal, state, local, and tribal governments
정부 기관 대상으로 라이선스 비용을 아예 0원으로 내리고 사용량 50% 할인, 사이버 방어 지원까지 얹었다. 공짜로 풀어놓고 몇 년 뒤 마이그레이션 비용 때문에 못 갈아타게 만드는 전형적인 락인 전략처럼 보인다. 클라우드 인프라 계약도 다 이런 식이긴 한데, 정부 시스템은 교체 주기가 훨씬 길어서 한 번 물리면 진짜 오래 간다는 게 다른 점이다.
출처: OpenAI Blog
📄 논문
The Price of Sparsity: Sufficient Conditions for Sparse Recovery using Sparse and Sparsified Measurements
솔직히 이건 LLM 논문이 아니라 압축 센싱(compressed sensing) 이론 논문이다. 노이즈 낀 선형 측정값에서 희소 이진 신호를 복원하기 위한 충분조건을 다룬다. 직접 응용처는 신호 처리 쪽이지만, "얼마나 희소해야 정보 손실 없이 원래 신호를 복원할 수 있는가"라는 질문은 모델 프루닝이나 양자화할 때 던지는 질문이랑 본질적으로 같다. 로컬 LLM 돌리는 사이드프로젝트 하면서 양자화 손실 때문에 골치 아팠던 입장에서는 이론적 하한선을 잡아준다는 점에서 참고할 가치는 있는데, 증명 위주라 바로 코드로 옮길 내용은 아니다.
🎧 번외
AirPods 5
솔직히 이건 AI 뉴스가 아니다. 오늘 HN 스코어가 495로 제일 높길래 그냥 넣는다. 오픈이어 형태에서 능동 소음 제거를 넣었다는 하드웨어 발표인데, 오픈이어 ANC는 마이크 배치와 신호 지연 사이에서 싸우는 문제라 오디오 DSP 엔지니어들이 고생 좀 했겠다는 정도만 코멘트하고 넘어간다.
출처: Hacker News
오늘 하루를 한 줄로 압축하면, 파라미터를 늘리는 경쟁에서 계산을 재사용하는 경쟁으로 옮겨가는 중이다.