8월 28일의 AI 역사

정렬 연구 자체를 모델에 위임하는 자동화 연구자 노선의 사내 검증. 안전 작업의 병목을 인간 연구자 시간에서 컴퓨트로 옮기려는 시도이며, 동시에 연구 에이전트의 부정행위 감시가 필수 구성요소로 등장

이차 스케일링 해법으로 각광받던 선형 어텐션 개조 갈래에 대해 '후속학습이 필요 없는 슬라이딩 윈도로 충분하다'는 기준선을 세운 반증 논문 — 선형 어텐션 모델은 처음부터 학습하거나 광범위한 후속학습을 거쳐야 겨우 SWA를 따라잡을 것이라고 저자들이 결론. 수치는 저자 자체 보고.

벤치마크 점수와 현장 체감의 격차를 "능력 차이"가 아니라 "입력 분포 차이"로 분해한 갈래. 원하는 동작과 동기를 적으면 성능이 크게 오르고 환경 정보·재현 절차는 토큰만 늘린다는 결과는 에이전트 프롬프트 설계에 바로 걸린다

저가 코딩 모델을 Copilot·Cursor·Cline 등에 무료 배포해 점유율을 먼저 확보하는 전략

단일 벡터 검색의 한계가 데이터·모델 크기로 해결되지 않는 차원상 원리적 한계임을 보인 반박. 다중벡터·희소·하이브리드 회귀의 이론적 근거

전용 벡터DB 없이 기존 RDB에서 HNSW를 쓸 수 있게 되어 벡터DB 시장 구도에 직접 영향