Microsoft

하네스 엔지니어링의 최적화 대상이 '무엇을 고치는가'에서 '무엇을 시험하는가'로 넓어졌다. 실패를 패턴으로 추상화해 커리큘럼을 자동 편성한다는 것은 에이전트 개선 루프에서 사람이 시나리오를 고르던 자리를 대체하는 일이고, 재귀적 자기개선(축⑫)과 맞닿는다.

프롬프트 인젝션 방어를 모델 정렬이 아니라 네트워크 경계로 내린 상용 구현이다. 에이전트가 속는 것을 막을 수 없다는 전제에서 출발해 속아도 데이터가 못 나가게 하는 접근이고, 같은 주 NVIDIA·AgentKernel 계열 논의와 같은 결론에 제품 층에서 도달했다. 관찰 주제 '에이전트 보안·샌드박싱'의 누적 근거가 또 하나 늘었다.

에이전트가 '사람이 부를 때 도는 것'에서 '스스로 깨어나는 것'으로 넘어가는 운영 기반이 클라우드 제품의 GA가 됐다. 에이전트에 고유 ID를 주는 선택지가 함께 나온 점이 중요한데, 감사 로그의 주체가 사람이 아니라 에이전트가 되면 책임 추적의 단위가 바뀐다.

ASR이 LLM 기반 구조로 넘어가면서 정확도뿐 아니라 지연과 도메인 어휘 커스터마이징이 경쟁 축이 됐음을 보여준다.

AGI 정의가 실은 계약·거버넌스 장치였음을 드러낸 사건

클라우드 종속·토큰 과금 없는 로컬 추론을 공식 제품 라인으로 확정

3자 상호 출자·구매 구조의 완성형

AGI 선언을 독립 전문가 패널 검증으로 이관하고 자본 조달 제약을 해제

OS 수준까지 내려간 채택과 거버넌스 다자화 시작

대형 플랫폼의 첫 공식 채택, 단일 벤더 규격에서 업계 규격으로의 분기점

prefill-decode 분리 계보의 최초 제안

FP8 학습이 대형 모델에서 실제로 성립함을 보인 초기 실증

저대역폭 클러스터에서도 ZeRO가 성립하게 만든 개선

텍스트 기울기 개념의 선행 연구. TextGrad로 이어짐

오픈 VLM 계보의 출발점

실서비스에서 시스템 프롬프트가 방어선이 되지 못함을 공개 입증

BEIR가 제기한 반박에 대한 재반박. 오픈웨이트 임베딩 경쟁의 시작점

학습 인프라 팀이 추론까지 내려온 사건. vLLM 이전 세대의 대형 모델 서빙 표준

가중치를 동결하고 저랭크 행렬만 학습해 GPT-3 175B 기준 학습 파라미터를 1만분의 1로, 추론 지연 증가 없음

GPU 메모리 벽을 스토리지 계층까지 확장해 우회. 메모리가 아니라 대역폭이 제약이라는 프레이밍 확립

대형 모델 학습의 하드웨어 진입 장벽을 낮춘 계보의 시작

100B급 학습의 메모리 장벽을 제거

서로 다른 산업 그룹이 같은 전환(HMM→DNN)을 확인해 딥러닝이 음성인식 산업 표준이 됨