05

새로 나온 것

3쪽 중 3쪽

지난 카드를 글로만 보관한 쪽이다. 그림과 짧은 요약은 첫 쪽에 있는 동안만 남고, 제목을 누르면 어느 쪽이든 원문으로 간다.

이 페이지에 나온 용어대규모 언어 모델제로 데이터 보존증류양자화체크포인트추론벤치마크에이전트용어 전부 보기 →
출처 AWS ML Blog
MLflow와 Amazon SageMaker 모델 레지스트리 동기화

9월 8일

한계 언급 없음2.7k단어

우리가 본 것

원제 — Govern models with MLflow and Amazon SageMaker AI Model Registry sync: Part 1

“Managed MLflow on Amazon SageMaker AI now syncs richer model metadata (training metrics, evaluation results, inference specs, a…”

대상 주장 — In Part 2, we extend the same building blocks to cross-account governance topologies for larger and regulated organizations.

나온 때 2026-09-08

가져온 때 2026-09-08 23:01 UTC · 698907095c767428

뜯은 자리 — 목록뿐 (원문을 못 읽었다)

출처 OpenAI
GPT-5.6 Sol을 활용한 양자 컴퓨팅 실험 실행 방법

9월 8일

우리가 본 것

원제 — How GPT-5.6 Sol helps run quantum computing experiments

“See how an MIT researcher uses GPT-5.6 Sol with Codex to autonomously run quantum computing experiments, analyze results, and c…”

나온 때 2026-09-08

가져온 때 2026-09-08 23:01 UTC · 3436bbf0a4d0cef3

뜯은 자리 — 목록뿐 (원문을 못 읽었다)

출처 AWS ML Blog
Amazon Bedrock AgentCore와 GitHub Actions를 활용한 자동화된 에이전트 평가

9월 8일

한계 적음3.9k단어

우리가 본 것

원제 — Automated agent evaluation with Amazon Bedrock AgentCore and GitHub Actions

“Wire Amazon Bedrock AgentCore Evaluations into a GitHub Actions pipeline: deploy an AI agent and an OAuth-protected MCP server …”

나온 때 2026-09-08

가져온 때 2026-09-08 23:01 UTC · 2f38597109a0e9d9

뜯은 자리 — 목록뿐 (원문을 못 읽었다)

출처 AWS ML Blog
SageMaker AI 소형 LLM 추론 벤치마크: G7 vs G5 및 G6

9월 8일

한계 언급 없음3.1k단어

우리가 본 것

원제 — Benchmarking small LLM inference on SageMaker AI: G7 vs G5 and G6

“Benchmark two 30B Mixture-of-Experts models, Qwen3-Coder-30B and NVIDIA Nemotron-3-Nano-30B, across G5, G6, G6e, and G7 GPU ins…”

대상 주장 — The G5 and G6 configurations each use four GPUs with 96 GB of aggregate GPU memory, while G7 uses two GPUs with 64 GB.

나온 때 2026-09-08

가져온 때 2026-09-08 23:01 UTC · 9e16169b26831c0c

뜯은 자리 — 목록뿐 (원문을 못 읽었다)

출처 Hugging Face Blog
Wire It, Run It, Deploy It: AI Workflows in Gradio

8월 25일

한계 언급 없음1.1k단어

우리가 본 것

제목과 링크만 주는 소스라 인용할 것이 없다.

나온 때 2026-08-25

가져온 때 2026-08-25 10:14 UTC · b7e36ffcde895599

뜯은 자리 — 원문 페이지

출처 OpenAI
Disrupting a new covert influence campaign from Russia

8월 25일

우리가 본 것

“OpenAI banned Russia-origin accounts using AI to promote a fake Israel-based think tank and a “sovereignty” index praising …”

나온 때 2026-08-25

가져온 때 2026-08-25 10:14 UTC · 3fd3c5c15867e636

뜯은 자리 — 목록뿐 (원문을 못 읽었다)

출처 OpenAI
Advancing price-performance for developers with GPT‑5.6 in Kiro

8월 24일

우리가 본 것

“GPT‑5.6 is now available in Kiro, helping developers plan, build, review, and test software with better price-performance.”

나온 때 2026-08-24

가져온 때 2026-08-25 10:14 UTC · da36a5582dc91b20

뜯은 자리 — 목록뿐 (원문을 못 읽었다)

출처 Google DeepMind
What does “full-stack” AI actually mean?

8월 21일

한계 언급 없음197단어

우리가 본 것

“A Google DeepMind engineer breaks full-stack development into five simple layers and explains how it affects everyday users.”

나온 때 2026-08-21

가져온 때 2026-08-25 10:14 UTC · 52877114a19c0bfb

뜯은 자리 — 원문 페이지

출처 Hugging Face Blog
Measuring benchmark optimization in speech recognition

8월 21일

한계 적음2.5k단어

우리가 본 것

제목과 링크만 주는 소스라 인용할 것이 없다.

대상 주장 — We evaluated 11 widely used open-source ASR models and found that several of the highest-scoring systems reproduced benchmark transcripts from the VoxPopuli English and LibriSpeech (clean…

나온 때 2026-08-21

가져온 때 2026-08-25 10:14 UTC · 8de96fd631a45d0c

뜯은 자리 — 원문 페이지

출처 Hugging Face Blog
Up to 3.2x Faster Inference with LFM2.5-DSpark

8월 20일

한계 언급 없음1.3k단어

우리가 본 것

제목과 링크만 주는 소스라 인용할 것이 없다.

대상 주장 — Faster inference : up to 3.18 throughput improvement on a GPU and up to 2.87x on-device.

나온 때 2026-08-20

가져온 때 2026-08-25 10:14 UTC · b41fa9c74f86007c

뜯은 자리 — 원문 페이지

출처 OpenAI
Introducing AI Futures

8월 20일

우리가 본 것

“Introducing AI Futures, a new OpenAI blog exploring how transformative AI could reshape power, governance, the economy, and ind…”

나온 때 2026-08-20

가져온 때 2026-08-25 10:14 UTC · ec2332dc6523ff28

뜯은 자리 — 목록뿐 (원문을 못 읽었다)

출처 OpenAI
Stampli cuts launch hours by 68% using ChatGPT Work

8월 20일

우리가 본 것

“With a fixed deadline and design resources committed elsewhere, Stampli used Codex and ChatGPT Work to compress weeks of launch…”

나온 때 2026-08-20

가져온 때 2026-08-25 10:14 UTC · 1476f459afd654a9

뜯은 자리 — 목록뿐 (원문을 못 읽었다)

출처 Google AI
5 new ways to level up your learning with Search

8월 19일

한계 적음1.1k단어

우리가 본 것

“Here’s how you can use Google Search tools to stu…”

나온 때 2026-08-19

가져온 때 2026-08-20 07:11 UTC · 1b0691e082f0e950

뜯은 자리 — 원문 페이지

출처 OpenAI
Offering Zero Data Retention for frontier models

8월 19일

우리가 본 것

“OpenAI reaffirms Zero Data Retention for eligible…”

나온 때 2026-08-19

가져온 때 2026-08-20 07:11 UTC · 971da21a3ac32a67

뜯은 자리 — 목록뿐 (원문을 못 읽었다)

출처 Hugging Face Blog
LFM2.5 Q4\_0 Checkpoints from Quantization-Aware Distillation

8월 19일

한계 언급 없음527단어

우리가 본 것

제목과 링크만 주는 소스라 인용할 것이 없다.

나온 때 2026-08-19

가져온 때 2026-08-20 07:11 UTC · 5a38ceab24a570fc

뜯은 자리 — 원문 페이지

출처 OpenAI
ChatGPT Ads expands across Europe

8월 18일

우리가 본 것

“ChatGPT Ads is expanding to 31 European markets. …”

나온 때 2026-08-18

가져온 때 2026-08-20 07:11 UTC · 18da8bfc1e0decb7

뜯은 자리 — 목록뿐 (원문을 못 읽었다)

출처 OpenAI
Strengthening democratic oversight in national security

8월 18일

우리가 본 것

“OpenAI launches an initiative to strengthen democ…”

나온 때 2026-08-18

가져온 때 2026-08-20 07:11 UTC · 14434bf2fd4d0c06

뜯은 자리 — 목록뿐 (원문을 못 읽었다)

출처 Hugging Face Blog
How Much Memory Does Your Agent Actually Need?

8월 18일

한계 적음1.9k단어

우리가 본 것

제목과 링크만 주는 소스라 인용할 것이 없다.

나온 때 2026-08-18

가져온 때 2026-08-20 07:11 UTC · f2683b1da6428494

뜯은 자리 — 원문 페이지

논문·레포·모델·블로그·레딧·팟캐스트를 하루 한 번 기계가 긁는다. 모은 것은 한 번씩 뜯는다 — README·초록·모델 카드를 열어 보고, 거기서 나온 것은 카드가 되든 안 되든 계속 갖고 있는다. 제목과 링크는 원문으로 가고, 여기서 원문을 다시 싣지 않는다.

카드의 회색 줄은 소스가 내세우는 말이 아니라 뜯어서 나온 것이다 — 라이선스, 마지막 커밋, 무엇 위에 얹은 모델인지, 논문이 자기 한계를 적었는지. 무엇을 읽고 그렇게 적었는지는 「우리가 본 것」을 펴면 나온다. 「목록뿐」이라고 적힌 것은 원문을 못 읽었다는 뜻이다 — 우리를 막는 사이트가 있고, 그걸 읽은 척하지 않는다.

따옴표가 붙은 줄은 원문에서 그대로 옮긴 문장이다 — 대상이 스스로 밝힌 수치이지 우리가 잰 값이 아니다. 검증하지 않고 옮기기만 했고, 그러라고 따옴표를 붙였다.

한국어 제목과 요약은 기계(내 컴퓨터에서 돌리는 AI 모델)가 원문을 읽고, 처음 보는 사람도 알아듣게 풀어 쓴 것이다. 내가 읽고 쓴 것이 아니다. 원문에 없는 수치나 평가는 넣지 말라고 시켜 두었지만 기계가 쓴 것이니, 확실히 하려면 원문을 본다 — 원제는 카드를 펼치면 있다.

주제는 원문 제목·인용·태그에 나온 낱말을 정해진 목록과 맞춰 기계가 매긴 것이다 — 카드를 읽는 모델은 없다. 아무 낱말도 안 걸려 주제가 하나도 없는 카드가 있고, 주제를 고르면 그건 빠진다. 소스와 주제는 같이 걸린다.

카드마다 그때 실제로 읽은 문장 한 줄과, 그때 받아 온 응답의 지문을 남긴다. 원문은 여기 저장하지 않는다 — 나중에 원문이 바뀌거나 사라져도 담보하는 것은 "우리가 본 시점의 그 문장"이지 페이지 전체가 아니다.