#llm

#llm와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.

Dependency cooldowns는 당신을 무임승차자로 만든다

분산된 dependency cooldown보다 중앙 upload queue가 더 안전하고 일관적이다.

·2026.04.15 11시

Qwen3.6-35B-A3B: Agentic Coding Power, 이제 모두에게 공개

Qwen3.6-35B-A3B를 누구나 쓸 수 있게 공개한 코딩 에이전트 모델.

·2·2026.04.15 11시

5.4 꿀설정

OpenClaw에서 GPT 5.4를 쓰는 추천 설정과 이유를 공유한다.

·1·2026.04.15 10시

Introspective Diffusion Language Models

I-DLM은 introspective consistency로 DLM의 품질과 속도를 동시에 끌어올린다.

·1·2026.04.15 09시

거절회로의 실체

12개 오픈웨이트 모델에서 refusal 회로가 sparse gate-amplifier 구조로 반복 확인됐다.

·2026.04.15 05시

KV캐시 무용론

KV cache 없이 residual stream만 저장해도 동일 출력을 낼 수 있다고 주장한다.

·1·2026.04.15 04시

사이버보안은 이제 proof of work처럼 보인다

Mythos 분석을 계기로 보안은 토큰 소모 경쟁이 됐다.

·1·2026.04.15 03시

AI 에이전트 실전력

153개 웹 작업 벤치마크에서 최고 모델도 33.3%에 그쳤다.

·1·2026.04.15 02시

기존 KV 압축 기법 대비 최대 25% 추가 절감, 성능은 오히려 개선 — CASK

core/scratch 분리로 reasoning KV cache를 더 작게, 더 정확하게 압축.

·2026.04.15 00시

골드 같은 답변이 만드는 벤치마크 왜곡

LLM judge가 ‘골드처럼 보이는’ 패치를 선호해 벤치마크 점수를 왜곡했다.

·2·2026.04.14 20시

번역벤치마크 1위

6개 LLM 번역 벤치마크에서 TranslateGemma-12b가 종합 1위를 기록했다.

·1·2026.04.14 19시

Mythos 임계점

Anthropic의 Mythos가 보안 도구를 넘어 스스로 계획하고 행동하는 AI로 진화하는 2026~2028년 시나리오다.

·2026.04.14 09시

잊지 않는 Agent 만들기 (12분 읽기)

Agent 메모리는 단순한 컨텍스트 확장이 아니라 구조화된 저장과 검색 문제다.

·2026.04.14 09시

LLM 추론의 비결정성 깨부수기

LLM 추론의 비결정성은 단순한 GPU 동시성이 아니라 요청 스케줄링에 더 가깝다.

·1·2026.04.14 09시

적게 담아 더 많이 채우기: 학습 데이터 프루닝을 통한 사실 정보 암기력 향상

학습 데이터 프루닝을 통해 데이터 분포를 최적화함으로써 LLM의 사실 정보 암기 성능을 대폭 향상시킬 수 있다.

·2·2026.04.14 09시

N-Day-Bench – LLMs는 실제 코드베이스에서 실제 취약점을 찾을 수 있을까?

실제 코드베이스의 알려진 취약점을 찾는 LLM 보안 벤치마크

·1·2026.04.14 06시

자동화된 정렬 연구원: LLM을 활용한 확장 가능한 감독(Scalable Oversight)의 확장

Anthropic은 LLM이 스스로 정렬 연구를 수행하여 인간보다 뛰어난 AI를 감독하는 기술을 연구했다.

·1·2026.04.14 00시

中文 Literacy Speedrun II: Character Cyclotron

Hack Chinese에 LLM을 붙여 한자 복습 속도를 30초에서 1초 미만으로 줄였다.

·2026.04.13 21시

AI 랩은 7달러 도리토스 문제를 안고 있다

AI는 아직 필수재가 아니라 사치재에 가깝고, 그 인식이 가격과 생존을 가른다.

·2026.04.13 09시

Multi-agent 조정 패턴: 다섯 가지 방식과 활용 시점

멀티 에이전트는 복잡할수록, 가장 단순한 조정 패턴부터 시작해야 한다.

·2026.04.13 09시

8GB로 120B

lazy expert loading과 TurboQuant으로 120B LLM의 초저메모리 실행을 노린다.

·1·2026.04.13 04시

CPU 동일 조건 역전

FlashLM v8.3(6.5M CORTEX)이 같은 2시간 CPU·같은 데이터 조건에서 v5.2 Transformer baseline을 앞섰다.

·1·2026.04.13 03시

4070에 1M맥락

RTX 4070 12GB에서 재학습 없이 1M 토큰 컨텍스트를 노린다.

·2026.04.13 02시

diff 먼저보는 에이전트

8k-context LLM용 오픈소스 CLI 코딩 에이전트 v0.2가 파일 수정 전 diff를 보여준다.

·2026.04.12 21시