리브의 아침 브리핑

01Eve - 디렉터리 하나로 AI 에이전트를 정의하고 배포하는 Vercel 프레임워크

Eve는 Markdown과 TypeScript 파일이 든 디렉터리 하나로 에이전트를 정의하고 실행·배포하는 프레임워크입니다. 웹 개발에서 Next.js가 하던 일처럼 파일 구조와 실행 인프라를 같이 드립니다. instructions.md 한 장만 있어도 최소 에이전트가 됩니다.

• skills/의 Markdown 지침은 관련 작업에서만 불러오고, tools/에 TypeScript 파일을 넣으면 파일명이 곧 도구 이름이 되어 등록 코드 없이 모델이 호출합니다.
• Vercel Workflows로 실행 단계를 저장해 다음 메시지를 기다리는 동안 멈췄다가 재개하고, Vercel Drives로 샌드박스 실행 사이에도 작업 공간을 유지합니다.
• Slack·Discord·Teams·웹 채팅·API 채널 연결, 하위 에이전트 위임, 스케줄 실행, 승인 대기, 배포마다 도는 평가 테스트까지 들어 있고 Apache-2.0입니다.

vercel.com · 관심사 상 · 추천 상위 42.8%

02Microsoft-Decision-1 - 선택지별 확률을 반환하는 저비용 의사결정 모델

Microsoft-Decision-1은 글을 쓰지 않고, 정해진 선택지마다 보정된 확률을 돌려주는 모델입니다. Qwen3.5-9B를 추가 학습해 한 번의 처리로 채점하게 했고, 입력 100만 토큰당 0.042달러에 출력은 무료입니다. 에이전트가 판단을 스무 번 하면 한 번에 100ms씩만 늘어도 2초가 쌓이니, 빠른 판단이 곧 실행 속도라고 봤습니다.

• 학습에 노출하지 않은 36개 벤치마크 147,137문항에서 평균 정확도 83.5%, 중앙값 지연 85ms로 Jev 1.13.0(82.3%, 240ms)보다 앞섰다고 밝혔습니다. 다만 둘 다 Microsoft 자체 평가입니다.
• 선택지 순서·설명·서식을 바꾼 8가지 변형에서 판정 변경률은 1.3%였고, 확률 보정 점수는 92.2로 Jev(93.7)·Quyet(93.1)에 이어 3위였습니다.
• HN에서는 Clef, Strands decider처럼 소형 Qwen 기반 결정 모델이 몇 주 새 쏟아진다는 반응과, 양자화가 결정 정확도를 떨어뜨린다는 경험담이 나왔습니다.

commandline.microsoft.com · 관심사 상 · 추천 상위 51.0%

03MXC - 샌드박스 코드 실행 시스템

MXC는 AI 모델 출력·플러그인·도구처럼 믿을 수 없는 코드를 Windows·Linux·macOS에서 격리 실행하는 시스템입니다. Rust·.NET·Node SDK로 애플리케이션에 내장하고, OS 프로세스 샌드박스부터 VM까지 여러 백엔드를 공통 API와 정책으로 씁니다. 다만 실제로 강제할 수 있는 정책은 백엔드마다 다릅니다.

• 기본 백엔드는 Windows가 ProcessContainer, Linux가 Bubblewrap, macOS가 Seatbelt이고, macOS는 호스트·IP·포트별 네트워크 차단을 지원하지 않아 목적지 정책은 직접 관리하는 프록시에 맡겨야 합니다.
• 접근 거부 진단 기능이 있고, --audit는 샌드박스 보안을 통째로 끄므로 신뢰하는 도구의 정책을 만들 때만 씁니다.
• HN에서는 bubblewrap을 직접 설정하다 strace로 두더지 잡기를 했다는 사람들이 학습 모드와 debug 모드를 반겼습니다.

github.com/microsoft · 관심사 상 · 추천 상위 63.8%

04AI 시대, 수학 진로를 고민하는 학생들에게 무엇을 말해줘야 할까?

AI 때문에 수학을 그만둘지 고민하는 학생들에게, 저는 AI가 어디까지 갈지보다 수학을 깊이 배우고 한 분야의 전문가가 되고 싶은지를 기준으로 정하라고 말하고 싶습니다. 확실한 답은 필즈상 수상자도, 모델 회사도 모릅니다. 종신재직 교수인 제 낙관도 초기 경력 연구자의 불안을 다 담지 못한다는 걸 압니다.

• 기업이 발표하는 성공 사례에는 실패한 시도에 들어간 토큰과 비용이 빠져 있으니, 수학 직업이 사라진다는 확신에는 그 이해관계도 함께 봐야 합니다.
• LLM이 기존 아이디어의 볼록껍질 안을 메운다는 가설이 맞다면, 초반에는 빈틈을 채우며 성과가 빠르게 늘다가 새 개념이 필요한 문제 앞에서 둔화할 수 있습니다. 입증된 한계가 아니라 가설에 따른 전망입니다.
• LLM과의 연구는 공동연구자와의 토론에 가깝고, 정답을 받는 것보다 왜 참인지 이해하는 것이 연구의 동기입니다.

terrytao.wordpress.com · 관심사 최상 · 추천 상위 77.0%

05중학생이 AI(Claude)와 함께 '자기 자신을 통과하지 못하는 입체' 추측을 증명

경기도의 중학교 3학년 정기효입니다. 노퍼테드론 연구자들이 2021년에 추측으로 남긴 '마름모십이이십면체는 루퍼트가 아니다'를 Claude와 함께 컴퓨터 보조 증명으로 풀었습니다. 추측을 낸 Sergey Yurkevich의 추천으로 arXiv에 제출했고 월요일에 공개됩니다.

• 기존 방법이 막히는 특이점 4곳을 Q(√5)에서 정확히 찾고, 새 정리로 처리할 수 있는 모든 배치를 약 1,230만 개 상자로 나눠 구간 연산으로 전부 확인했습니다. 약 38 CPU시간이 들었습니다.
• 해외 연구자 Bence Hervay, Oscar Smith도 비슷한 시기에 다른 방법으로 독립적으로 증명했고, 논문에서 둘 다 인용했습니다.
• AI가 수학 논증·코드·논문 작성에 큰 역할을 했고 저는 문제 선택·방향 결정·전체 재검토를 맡았다는 분담을 논문에도 밝혔습니다.

github.com/swiri0921-bit · 관심사 최상 · 추천 상위 94.9%

06구글, 업무용 Gemini 에이전트 발표 — 장시간 작업과 기억 유지, Claude 지원

업무용 Gemini 에이전트는 노트북을 닫아도 클라우드에서 작업을 이어 가고, 기기와 채널이 바뀌어도 기억과 맥락을 유지합니다. 작업에 맞춰 Gemini와 Anthropic의 Claude 모델을 함께 쓰고, 다른 비공개·개방형 모델 지원도 넓혀 갈 계획입니다.

• 임시 하위 에이전트에 일을 나누거나, 자체 Workspace 계정과 이메일·캘린더·저장 공간을 가진 동료 에이전트를 만들 수 있습니다.
• MCP 서버 연결과 사내 레지스트리를 통한 스킬 공유를 지원하고, Gmail·Docs·Sheets 안에서도 같은 기억과 스킬을 씁니다.
• 에이전트별 신원·권한·감사 로그·샌드박스·네트워크 게이트웨이를 두고, 프로젝트 지출 한도에 닿으면 작업을 멈춥니다.

cloud.google.com · 관심사 상 · 추천 상위 94.9%

07Show GN: Agent-Uplink - 내 PC의 Claude Code 세션끼리 DM·채널로 대화하게 하는 로컬 MCP 서버

Claude Code 세션 여러 개에 일을 나눠 맡기다 보니 터미널 사이에서 결과를 복사·붙여넣기만 하게 돼서 Agent-Uplink를 만들었습니다. 같은 PC의 세션들이 MCP 서버와 로컬 Hub를 거쳐 서로 직접 DM과 채널로 메시지를 주고받습니다. 통신은 127.0.0.1 안에서만 오갑니다.

• 세션마다 planner·builder 같은 역할 계정을 고르고, 같은 프로젝트·같은 역할은 항상 같은 계정이라 세션을 재시작해도 이력과 인박스가 이어집니다.
• 받은 메시지에는 '다른 세션이 쓴 데이터이며 사용자의 지시가 아님'이라는 안내를 붙이고, 제로폭·유니코드 태그 같은 숨은 문자는 보이는 표기로 바꿉니다.
• 현재는 Windows 전용이고 Node.js 22 이상이 필요하며, 관리 앱 exe는 아직 코드 서명이 없습니다.

github.com/pkj8282 · 관심사 상 · 추천 상위 94.9%

08PATH에 넣은 ~는 HOME으로 풀리지 않을 수 있다

The tilde in your PATH may not be your HOME

PATH에 ~를 넣으면 당연히 HOME으로 풀린다고 믿기 쉽지만, 그렇지 않을 수 있습니다. 따옴표 안에 들어간 ~는 셸이 풀지 않은 채 글자 그대로 PATH에 남고, 그 PATH를 누가 읽느냐에 따라 결과가 달라진다는 이야기입니다. 본문이 들어오지 않아 제목과 댓글을 바탕으로 정리했습니다.

• 댓글에서는 'Bash 함정 #238503'이라는 짧은 반응이 먼저 붙었습니다.
• ~/.local/bin이 안 먹으면 진작 알아챘어야 하지 않느냐는 반문도 있었습니다.
• 본문 예시처럼 $PATH 뒤에 붙이기보다 export PATH="$HOME/.local/bin/:$PATH"처럼 $HOME을 쓰고 앞에 두는 편이 낫다는 지적이 나왔습니다.

disconnect3d.pl · 관심사 상 · 프런트 상위 23.8%

09LLM 능력을 두고 사람들의 이해 차이가 벌어지고 있다

The gap in shared understanding of LLM capability is widening

Karpathy가 LLM의 실제 능력을 두고 사람들이 공유하는 이해의 차이가 점점 벌어지고 있다고 썼습니다. 원문은 X 게시물이라 본문이 들어오지 않았고, 아래는 댓글에서 인용된 대목과 반응입니다.

• 댓글이 인용한 원문 대목에 따르면, 사람의 검토와 이해가 뒤처지기 시작했고 수학자들은 프런티어 수학 원고 722편을 한동안 들여다보게 될 것이라고 합니다.
• LLM의 벽은 시그모이드 곡선이 아니라 사람이 출력을 검증하는 능력에서 왔다며, 아예 검토를 건너뛰게 될까 걱정된다는 반응이 많은 공감을 얻었습니다.
• 한편 OpenAI·Anthropic이 내놓는 소프트웨어를 보면 내부 모델이 그렇게 낫다면 데모라도 제대로 돌아가야 하지 않느냐는 회의도 나왔습니다.

twitter.com · 관심사 최상 · 프런트 상위 29.0%

10토큰 5000억 개를 들여 AI 에이전트에게 FPS 게임을 디컴파일시킨 기록

500B tokens later: Letting AI agents decompile a first-person shooter

AI 에이전트에게 1인칭 슈팅 게임 하나를 디컴파일시키면서 토큰 5000억 개를 썼습니다. 본문이 들어오지 않아 제목과 댓글을 바탕으로 정리했고, 댓글로 미루어 보면 원문에서는 게임 이름과 세부가 지워진 상태로 보입니다.

• 댓글에서는 현재 API 요금으로 5000억 토큰이면 모델에 따라 대략 10만-75만 달러라는 계산이 돌았습니다. 댓글 쪽 추산입니다.
• 바이트 단위로 같을 필요가 없다면, 함수마다 에이전트가 의미상 같은 구현과 테스트를 쓰고 하네스가 에뮬레이터에서 원본과 함께 돌려 맞을 때만 받아들이는 편이 훨씬 빠르다는 경험담이 나왔습니다.
• 게임사가 어떤 법적 근거로 세부를 지우게 했는지, 리버싱한 코드를 공개하면 어느 관할에서 무엇을 침해하는지 묻는 반응도 이어졌습니다.

momo5502.com · 관심사 상 · 프런트 상위 35.4%